Qbot量化交易平台教程：从零搭建本地部署的AI量化回测系统指南-编程实验室

Qbot量化交易平台教程：从零搭建本地部署的AI量化回测系统指南

【免费下载链接】Qbot[🔥updating ...] AI 自动量化交易机器人(完全本地部署) AI-powered Quantitative Investment Research Platform. 📃 online docs: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant项目地址: https://gitcode.com/GitHub_Trending/qbot/Qbot

Qbot是一个可以完全本地部署运行的AI量化交易平台，覆盖数据获取、策略开发、回测验证、模拟交易到实盘自动交易的完整闭环，适合想搭建自己量化系统的Python用户。它基于backtrader、easyquant、vnpy、qlib等开源项目组合而成，行情数据与策略文件都保存在自己的机器上，源码完整交付，方便审计与扩展。

Qbot的实际使用场景：从数据到实盘的本地量化工作站

设想一个典型的研究流程：拉取几年A股日线数据，跑一个基于MACD的策略，查看收益与最大回撤，调整参数，再进模拟环境验证，最后接券商接口自动执行。这条链路在Qbot中不需要在多个工具之间跳转，每个环节都对应一个清晰的代码目录：

数据处理：utils/common/ 提供TuShare等数据拉取脚本，qbot/data/dump_bin.py 负责本地数据落盘与校验
策略开发：qbot/strategies/ 存放经典策略模板，pytrader/strategies/ 存放机器学习与深度学习的基准模型
回测引擎：backtrader与easyquant两套引擎，入口在 qbot/engine/backtest/
交易执行：qbot/engine/trade/ 对接easytrader与各家券商API
消息推送：邮件、飞书、微信多渠道通知，脚本位于 utils/ 下

对用过独立回测库的人来说，这套结构并不陌生：它相当于把数据层、策略层、回测层、执行层封装进了一个wxPython桌面应用，main.py 是唯一GUI入口，启动后以面板形式切换回测、模拟交易、实盘交易等功能区。

Qbot核心功能拆解：它替你解决的4件事

Qbot数据源接入：多市场数据与本地CSV导入

依赖清单 dev/requirements.txt 中引入了baostock、akshare、efinance、yfinance、pandas_datareader等数据源，utils/common/TuShare.py 补充了TuShare接入方式。若已有自己的CSV历史行情，可直接导入而无需经过API，方便先用离线数据把整条流程跑通。

Qbot策略库：经典模板与AI模型基准

策略资产分为三层：

经典策略：qbot/strategies/ 下有布林线、双均线、LSTM时序预测、强化学习、麻雀搜索优化（SSA）、低估值选股等可直接运行的模板
AI基准模型：pytrader/strategies/benchmarks/ 实现了XGBoost、LightGBM、Linear、MLP、LSTM、TFT、Transformer共7类框架的基线代码，模型库文档收录了300多个模型、40余篇论文对应的方法
指标与因子：支持EMA、MACD、KDJ、RSRS、RSI、BOLL、OBV、CCI、DMI、ENE等20余种指标，并包含alpha-101、alpha-191因子库及基于deap的因子自动生成算法

📊 Qbot回测可视化：收益、回撤与核心指标

回测引擎以backtrader为核心，可配置佣金与滑点；结果提供交互式可视化，支持策略收益与基准对比、年度收益柱状图以及夏普比率等指标展示。pyfunds/backtest/ 额外提供面向基金场景的专用回测模块，qbot/plugins/quantstats/ 插件可生成专业级绩效报告。

官方文档中附有成对的可复现教程，例如 docs/tutorials_code/02.easy_macd_strategy/macd.py 中的MACD回测效果：

Qbot交易接口：多券商与多交易所通道配置

实盘通道覆盖三类资产：

期货：CTP、CTPMini、飞马Femas等
股票：中泰XTP、华鑫奇点、同花顺、东方财富、华泰证券、国泰君安、恒生UFT等
加密货币：OKEX、币安、火币
客户端自动化：qbot/engine/trade/easytrader/ 可实现海通、华泰、国金等券商客户端的自动操作

🔧 Qbot安装步骤：最小化启动流程

官方文档注明仅在Python 3.8与3.9下测试过。在Windows、Linux或macOS上，先执行：

git clone https://gitcode.com/GitHub_Trending/qbot/Qbot --depth 1 cd Qbot pip install -r dev/requirements.txt

有两个注意事项：wxPython与TA-Lib无法直接从PyPI主站安装，dev/ 目录按系统预置了对应的wheel包，具体命令见 docs/Install_guide.md；启动前还需把项目根目录及mfm_learner目录追加到PYTHONPATH环境变量中。

随后运行python main.py（macOS用户使用pythonw main.py），即打开"AI智能量化投研平台"主窗口，通过 qbot/gui/panels/ 下的面板可在回测、模拟交易、实盘交易、智库之间切换。

Qbot策略开发指南：从改模板到自定义因子

对新用户而言，最快路径是"复制模板→改参数→跑回测"：

选一个贴近自己思路的模板，如 qbot/strategies/sma_cross_strategy_bt.py 双均线或 qbot/strategies/boll_strategy_bt.py 布林线
修改均线窗口、开平仓条件等参数，在 GUI结果面板中观察收益曲线变化
逻辑稳定后，参考 pytrader/strategies/workflow_by_code.py 走通数据、训练、预测、执行的全流程
涉及多因子选股时，参考 multi_factor_strategy.py 与 docs/tutorials_code/13.alphalens_factor_backtest/ 的alphalens教程

不想写代码的话，qbot/plugins/dagster/ 插件可以把数据抓取与策略计算的定时任务编排成DAG，更接近"配置一次、自动执行"的工作站形态。