QuantCell - 智能量化交易系统

Demo地址 | 项目主页

项目简介

QuantCell 是一款 AI 驱动的智能量化交易系统，让量化交易变得简单、高效、智能。无需复杂的编程知识，只需用自然语言描述您的交易策略，系统就能自动生成可执行的策略代码并进行回测验证。

核心优势

🤖 AI 智能驱动

• 自然语言生成策略: 用中文描述交易想法，AI 自动生成完整策略代码
• 智能代码优化: 自动优化策略代码，提升执行效率
• 技术分析助手: 内置技术分析技能，支持实时市场分析

⚡ 高性能回测

• 多引擎支持: 事件驱动、向量化等多种回测引擎
• 极速计算: 集成 Numba 加速，回测效率提升 10 倍以上
• 准确可靠: 严格的数据完整性验证，确保回测结果可信

📊 完整数据生态

• 多交易所支持: Binance、OKX 等主流交易所
• 实时数据采集: 自动采集和管理市场数据
• 历史数据回补: 智能数据缺失检测和回补

🔄 稳定工作流

• 完整生命周期管理: 策略从开发到实盘的全流程支持
• 优雅关闭机制: 确保交易状态安全保存
• 实时状态监控: 随时掌握系统运行状态

🌐 友好的开发体验

• 清晰的 API 文档: 自动生成的交互式 API 文档
• 模块化设计: 易于扩展和定制
• 完善的测试覆盖: 确保代码质量可靠

快速开始

环境要求

• Python 3.12+
• uv 包管理器

安装运行

# 克隆项目
git clone https://github.com/pengwow/quantcell.git
cd quantcell

# 进入后端目录
cd backend

# 安装依赖
uv sync

# 初始化数据库
python init_db.py

# 启动服务
python main.py

服务启动后，访问 http://localhost:8000/docs 查看 API 文档。

使用示例

AI 生成策略

只需简单描述您的交易想法：

帮我生成一个基于 SMA 金叉死叉的交易策略，快线周期 10 天，慢线周期 20 天，当快线向上穿越慢线时买入，向下穿越时卖出。

系统会自动完成：

1. 理解您的需求
2. 生成策略代码
3. 验证代码正确性
4. 进行回测验证

回测策略

通过简单的 API 调用即可启动回测：

from backtest.engine_service import BacktestEngine

# 创建回测引擎
engine = BacktestEngine()

# 配置回测参数
result = engine.run_backtest(
    strategy_name="sma_cross",
    initial_capital=100000,
    start_date="2024-01-01",
    end_date="2024-12-31",
    symbols=["BTCUSDT"]
)

# 查看回测结果
print(f"收益率: {result.total_return:.2f}%")
print(f"最大回撤: {result.max_drawdown:.2f}%")

为什么选择 QuantCell

特性	QuantCell	传统量化平台
AI 策略生成	✅ 支持	❌ 不支持
自然语言交互	✅ 支持	❌ 不支持
多引擎回测	✅ 事件驱动+向量化	⚠️ 单一引擎
实时数据	✅ 自动采集	⚠️ 需手动配置
性能优化	✅ Numba 加速	❌ 通用计算
代码质量	✅ 自动验证	❌ 手动检查

技术亮点

• 智能 Agent 系统: 具备记忆能力的 AI Agent，能够理解上下文并持续改进
• 思维链生成: 多步骤策略生成，确保逻辑正确且可解释
• 模块化架构: 清晰的模块划分，易于理解和扩展
• 优雅的错误处理: 友好的错误提示和完善的日志系统

贡献指南

欢迎贡献代码！请遵循以下步骤：

1. Fork 项目
2. 创建功能分支
3. 提交代码更改
4. 运行测试确保通过
5. 创建 Pull Request

许可证

本项目采用 Apache License 2.0 许可证。详见 LICENSE 文件。

联系方式

• 项目维护者: QuantCell Team
• 邮箱: [email protected]
• 网站: https://quantcell.top

---

QuantCell - 让量化交易更简单、更智能！