Qbot
UFund-Me/Qbot加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一下：你是一个有几年炒股经验的老散户，你研究出一套自己的选股逻辑，但每次都要手动盯盘、手动下单。你能不能把这份经验「教」给一台机器，让它 24 小时帮你盯着、帮你下单、帮你做回测验证？这就是 Qbot 想要解决的问题。
量化交易，在过去很长一段时间里，是机构投资者的「专属武器」。
原因很简单：搭建一套完整的量化系统需要行情数据、交易接口、回测引擎、机器学习模型、风控模块——每一条都是门槛，更别说把它们串联成一个可用系统。2022 年底，一个叫 Charmve 的独立开发者创建了 Qbot（Quant + Bot），目标：让有 Python 基础的散户，也能用 AI 做量化交易。
2022 年 11 月上线，2026 年 6 月已累积 17,525 颗星，在 GitHub 量化交易类项目中排名靠前。
Qbot 提供一条完整的量化研究流水线：
第一步：数据层。内置多个数据源适配器，支持 AKShare、Tushare、baostock、yfinance（Yahoo Finance）等主流金融数据包，股票、基金、期货、虚拟货币均有覆盖。qlib 作为核心数据框架被深度使用，能够高效处理 Tick 级行情数据。
第二步：策略层。核心部分，把策略拆解成「因子挖掘 → 策略编写 → 回测验证」三个步骤：
第三步：交易层。支持多种交易方式：
Qbot 的架构设计借鉴了传统量化系统的分层思路：
数据层 → 中间表达层（因子、信号） → 策略层 → 交易引擎层 → 实盘接口
技术栈以 Python 为主，依赖 scipy、sklearn、statsmodels 做统计分析，backtrader 做回测，matplotlib + quantstats 做可视化分析。
优点：
挑战：
Qbot 的出现填补了一个长期空白：面向个人投资者的中文 AI 量化开源工具。
在 Qbot 之前，量化交易的开源生态主要集中在 backtrader/zipline（回测框架）、qlib（数据+训练框架）、vn.py（交易接口），而 Qbot 在这些工具之上加了一层：把机器学习、强化学习引入量化研究，并用中文文档降低了学习门槛。
总结：Qbot 是一个野心不小的项目——想做从数据获取、因子挖掘、策略研究、回测验证到实盘交易的完整闭环。虽在生产级部署、Python 版本兼容上还有改进空间，但定位清晰（面向有 Python 基础的散户投资者）、功能完整（覆盖股票/基金/期货/加密货币），在中文开源量化领域已经是难得一见的综合性项目。如果你对量化有兴趣，Qbot 值得花时间深入研究。