Lightweight-Alpha-Miner

这是一个基于大语言模型（LLM）和 WorldQuant Brain API 的轻量级量化因子自动挖掘工具。通过集成 Ollama 本地模型，实现因子生成、回测、逻辑反馈及自动优化的闭环流程。

核心功能

• LLM 驱动生成：利用本地部署的 DeepSeek-R1 等大模型，根据金融逻辑自动化构建 FASTEXPR 因子表达式。
• 反馈优化机制：系统会捕捉回测 API 返回的具体错误（如数据类型冲突、换手率超标等），并将错误信息反馈给模型，在下一轮生成中自动规避。
• 自适应参数调整：针对夏普比率达标但换手率过高的因子，系统支持自动增加 decay（衰减）天数进行二次回测，提高因子捕获率。
• 轻量化设计：无需 Docker 环境，纯 Python 原生脚本运行，降低了系统资源消耗与配置复杂度。
• 数据持久化：自动筛选并记录高夏普因子的详细指标，并在本地保存为 JSON 格式以便后续分析。

文件结构

• main.py：项目主程序，包含任务调度、参数配置及核心挖掘逻辑。
• alpha_generator_ollama.py：负责与本地 Ollama 交互，包含 Prompt 管理及短期记忆反馈逻辑。
• machine_lib.py：底层 API 通信库，封装了 WorldQuant Brain 的认证、模拟回测及数据获取功能。
• improved_alpha_submitter.py：因子提交工具，负责将符合标准的因子批量上传至云端。

安装与配置

1. 本地模型准备

安装 Ollama 客户端并拉取所需模型： ollama run deepseek-r1:8b

2. 环境安装

确保 Python 环境已安装以下依赖库： pip install requests pandas schedule

3. 账号配置

打开 main.py，在文件开头的配置区域填写你的 WorldQuant Brain 账号信息： USER_CREDENTIALS = ["你的邮箱/账号", "你的密码"]

使用说明

直接运行主程序开始自动挖掘循环： python main.py

程序将循环执行以下步骤：

1. 随机抽取数据字段与操作符组合。
2. 结合历史报错信息生成新因子表达式。
3. 提交 API 进行回测，根据返回结果（Sharpe, Turnover, Checks 等）决定是否入库。
4. 若因子质量优异（符合目标夏普），将保存至本地 best_alphas.json。

免责声明

本工具仅用于学术研究与技术交流，生成的因子不构成任何投资建议。在使用过程中请务必遵守相关平台的 API 使用规范与服务条款。