Qbot 本地 AI 量化交易平台：5 个问题带你从零跑通第一套策略

Qbot 本地 AI 量化交易平台：5 个问题带你从零跑通第一套策略

【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

如果你听过"量化交易"这个词，大概率也听过这些劝退言论：要写代码、要懂金融、要买昂贵的数据、要自己搭回测框架……好消息是，这些都可以用 Qbot 这个免费开源的 AI 量化交易平台来解决。它完全本地部署，把数据获取、策略开发、历史回测、AI 选股、模拟交易和实盘接入串成一条完整流水线，一个 Python 项目全部搞定，而且覆盖股票、基金、期货、加密货币四个市场。

这篇文章不罗列功能清单，而是用 5 个新人最关心的问题，带你从零跑通第一套属于自己的策略。

问题一：它到底能解决什么痛点？

很多想入门量化的朋友，卡住的往往不是策略本身，而是"基础设施"：

• 数据从哪来？要充值还是自己爬？
• 回测引擎怎么选？backtrader、vnpy 各有何不同？
• 想接实盘，券商接口去哪找？

Qbot 的价值在于把这一整套"基建"打包好了。它采用分层模块化设计，数据层、策略层、交易引擎彼此解耦，你可以只专注策略本身，其余环节拿来即用。

一句话理解它的结构：数据管理模块负责"进货"，人机交互模块负责"看盘"，选股、组合分析、择时模块负责"出主意"，最后实盘机器人负责"下单"。

它具体能帮你做什么？

问题二：新手最快多久能跑起来？

如果一切顺利，大约 15 分钟。前提是你已有 Python 3.8 或 3.9（项目目前只在这两个版本下完整测试过）。

打开终端，依次执行：

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

装完依赖后，复制一份配置样例并填入你的信息：

cp utils/configure/sample_config.json utils/configure/config.json

最后启动图形界面：

python main.py # Mac 用户请改用 pythonw main.py

不同系统的安装提醒

💡 如果某个依赖装不上，直接运行python main.py，它会提示你缺哪个库，逐个补装即可。

问题三：第一次回测结果怎么看？

装好之后别急着写策略，先跑一个官方现成的 MACD 示例，建立"从数据到结论"的完整感觉：

cd docs/tutorials_code/02.easy_macd_strategy python macd.py

这个脚本用 backtrader 引擎加载了华正新材（603186）的历史行情，用 EMA 计算 MACD 快慢线，金叉买入、死叉卖出，最后自动画出资金曲线与买卖点：

回测报告重点看 4 个指标

在 GUI 里跑回测会更直观：左侧选择基准、股票池和策略类型，右侧同时展示策略与基准的走势对比、年度收益柱状图，以及累计收益、年化收益、波动率、夏普比等绩效指标：

问题四：怎么把策略改成我自己的？

看懂了回测，就可以动手改策略了。Qbot 的策略模板集中在两个地方：

• 入门级示例（带数据和注释）：docs/tutorials_code/
• 可直接调用的策略源码：qbot/strategies/ 与 pytrader/strategies/

以经典双均线为例，核心逻辑其实只有十几行：

import backtrader as bt class MyStrategy(bt.Strategy): params = (("fast", 5), ("slow", 20)) # 两个可调参数 def __init__(self): fast_ma = bt.indicators.SMA(self.data.close, period=self.params.fast) slow_ma = bt.indicators.SMA(self.data.close, period=self.params.slow) self.crossover = bt.indicators.CrossOver(fast_ma, slow_ma) def next(self): if not self.position and self.crossover > 0: # 金叉买入 self.buy() elif self.position and self.crossover < 0: # 死叉卖出 self.close()

这段代码就是一个完整的策略类：__init__负责计算指标，next在每个交易日被回调一次，用来决定买还是卖。你可以照着这个骨架，把均线换成 RSI、布林带，甚至换成机器学习模型预测出的概率信号。

🔧 小技巧：把(fast, slow)这类参数提取成配置项，就能快速做参数网格搜索，不用每次都改代码。

问题五：进阶还能玩出哪些花样？

跑通第一套策略只是起点。Qbot 真正出彩的地方，是把"经典指标"和"AI 模型"放进了同一个平台：

1. 开箱即用的 AI 策略模型库内置 LightGBM、XGBoost、LSTM、GRU、Transformer 等 300+ 模型实现，对应 40+ 篇论文的 benchmark，都可以用历史数据训练并接入回测流程。完整清单见 docs/03-智能策略/model_zoo.md。

2. 多市场同时覆盖

• 基金：4433 法则、多因子组合配置（pyfunds/）
• 期货：CTP 接口、双均线与网格策略（pyfutures/）
• 加密货币：币安、OKX、火币接口直接可用

3. 从回测到实盘的最后一步模拟交易和实盘通过 qbot/engine/trade/ 统一接入，支持同花顺、华泰、东方财富、掘金等 10+ 券商及多家加密货币交易所。接入配置界面长这样：

4. 策略信号自动通知买卖信号、每日收益报告可以通过邮件、微信、飞书推送到手机，白天照常上班，晚上看一眼策略运行结果就够了。

避坑清单：新手最容易踩的 5 个坑

⚠️ 最后多说一句：任何策略回测结果都只是历史统计，不构成投资建议。先用模拟盘充分验证，再考虑实盘，市场有风险。

下一步行动清单

现在轮到你动手了，按顺序来：

• 用git clone https://gitcode.com/GitHub_Trending/qbot/Qbot拉取项目并安装依赖
• 跑通 docs/tutorials_code/02.easy_macd_strategy/macd.py，看懂回测图里的买卖点与资金曲线
• 在 GUI 里做一次自己的回测，把佣金调成实盘水平再对比
• 照着上面的双均线模板，改参数、换指标，跑出第一版"自己的策略"
• 有余力再试试 pytrader/strategies/benchmarks/ 里的 AI 模型
• 遇到问题先翻 docs/FQA.md 和 docs/Install_guide.md

量化交易的路很长，但第一步并没有想象中那么难。现在就把 Qbot 跑起来，让第一个买卖信号出现在你的屏幕上吧。

【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