快速开始

本指南将帮助您在几分钟内完成 QuantMind 的安装并运行第一个回测。

环境要求

依赖 版本 说明
Python 3.10 必须使用 Python 3.10，其他版本不兼容
pip 最新版 Python 包管理器
Git 任意版本 用于克隆仓库
内存（基础服务） ≥ 8GB 运行回测、API 服务等基础功能
内存（模型训练/推理） ≥ 64GB 模型训练与批量推理所需
磁盘 ≥ 50GB 数据存储与模型文件
注意

Python 3.11/3.12 等高版本存在部分依赖兼容性问题，请务必使用 Python 3.10。

安装步骤

克隆仓库

bash
git clone https://github.com/qusong0627/quantmind.git
cd quantmind

创建虚拟环境

bash
# 使用 venv
python -m venv .venv
source .venv/bin/activate  # Linux/macOS
# 或
.venv\Scripts\activate     # Windows

安装依赖

bash
pip install -r requirements.txt

安装过程可能需要几分钟，请耐心等待。

下载数据

首次运行需要下载 Qlib 历史数据：

数据下载地址

https://pan.quark.cn/s/c0e3e9473ac3

解压后替换 db 和 models 目录。

初始化配置

bash
python scripts/init_config.py

验证安装

bash
python -c "import qlib; print('Qlib version:', qlib.__version__)"

如果输出了 Qlib 版本号，说明安装成功！

运行第一个回测

使用内置的示例策略快速体验回测功能：

bash
# 运行示例策略回测
python scripts/run_backtest.py \
  --strategy examples/strategies/ma_cross.py \
  --start-date 2023-01-01 \
  --end-date 2023-12-31 \
  --universe csi300

回测结果示例

输出
========================================
Backtest Report
========================================
Period:     2023-01-01 ~ 2023-12-31
Universe:   CSI300
Strategy:   MA Cross (5/20)

Performance Metrics:
  Total Return:    +15.6%
  Annual Return:   +15.6%
  Max Drawdown:    -8.2%
  Sharpe Ratio:    1.42
  Win Rate:        58.3%

Trade Statistics:
  Total Trades:    156
  Avg Holding:     2.3 days
  Profit Factor:   1.68
========================================

目录结构

目录
quantmind/
├── backend/              # 后端服务
│   ├── services/         # 业务服务
│   │   ├── engine/       # 核心引擎
│   │   ├── trade/        # 交易服务
│   │   └── api/          # API 网关
│   └── shared/           # 共享模块
├── scripts/              # 脚本工具
│   ├── run_backtest.py   # 回测入口
│   ├── run_training.py   # 训练入口
│   └── ...
├── examples/             # 示例代码
│   └── strategies/       # 示例策略
├── models/               # 模型存储
├── data/                 # 数据目录
├── config/               # 配置文件
└── requirements.txt      # Python 依赖

下一步