---

🎯 概述

QuantaAlpha 通过将LLM智能与进化策略相结合，彻底改变了您发现量化阿尔法因子的方式。只需描述您的研究方向，即可见证因子通过自进化轨迹被自动挖掘、进化并验证。

💬 研究方向 → 🧩 多样化规划 → 🔄 轨迹 → ✅ 验证后的阿尔法因子

演示：以下是完整的从研究方向到因子挖掘及回测界面的简短演示。

---

📊 性能

1. 因子表现

2. 关键结果

---

🚀 快速入门

🔬 实验：论文复现设置与指标定义 — 英文 · 中文

1. 克隆与安装

git clone https://github.com/QuantaAlpha/QuantaAlpha.git
cd QuantaAlpha
conda create -n quantaalpha python=3.10
conda activate quantaalpha
# 以开发模式安装包
SETUPTOOLS_SCM_PRETEND_VERSION=0.1.0 pip install -e .

# 安装额外依赖
pip install -r requirements.txt

2. 配置环境

cp configs/.env.example .env

编辑.env文件以配置您的设置：

# === 必需：数据路径 ===
QLIB_DATA_DIR=/path/to/your/qlib/cn_data      # Qlib数据目录
DATA_RESULTS_DIR=/path/to/your/results         # 输出目录

# === 必需：LLM API ===
OPENAI_API_KEY=your-api-key
OPENAI_BASE_URL=https://your-llm-provider/v1   # 例如DashScope、OpenAI
CHAT_MODEL=deepseek-v3                         # 或gpt-4、qwen-max等
REASONING_MODEL=deepseek-v3

3. 准备数据

QuantaAlpha需要两类数据：Qlib市场数据（用于回测）和预计算的价格—成交量HDF5文件（用于因子挖掘）。为方便起见，我们已在HuggingFace上提供了所有这些数据。

数据集：https://huggingface.co/datasets/QuantaAlpha/qlib_csi300

文件	描述	大小	使用
cn_data.zip	Qlib原始市场数据（A股，2016–2025）	493 MB	用于Qlib初始化与回测
daily_pv.h5	预计算的完整价格—成交量数据	398 MB	用于因子挖掘
daily_pv_debug.h5	预计算的调试子集（较小）	1.41 MB	用于因子挖掘（调试/验证）

为什么提供HDF5文件？ 系统在首次运行时可以从Qlib数据自动生成daily_pv.h5，但这一过程非常缓慢。下载预构建的HDF5文件可节省大量时间。

第一步：下载

# 方案A：使用huggingface-cli（推荐）
pip install huggingface_hub
huggingface-cli download QuantaAlpha/qlib_csi300 --repo-type dataset --local-dir ./hf_data

# 方案 B：使用 wget
```bash
mkdir -p hf_data
wget -P hf_data https://huggingface.co/datasets/QuantaAlpha/qlib_csi300/resolve/main/cn_data.zip
wget -P hf_data https://huggingface.co/datasets/QuantaAlpha/qlib_csi300/resolve/main/daily_pv.h5
wget -P hf_data https://huggingface.co/datasets/QuantaAlpha/qlib_csi300/resolve/main/daily_pv_debug.h5

第二步：解压并放置文件

# 1. 解压 Qlib 数据
unzip hf_data/cn_data.zip -d ./data/qlib

# 2. 将 HDF5 文件放入默认数据目录
mkdir -p git_ignore_folder/factor_implementation_source_data
mkdir -p git_ignore_folder/factor_implementation_source_data_debug

cp hf_data/daily_pv.h5       git_ignore_folder/factor_implementation_source_data/daily_pv.h5
cp hf_data/daily_pv_debug.h5  git_ignore_folder/factor_implementation_source_data_debug/daily_pv.h5

注意：daily_pv_debug.h5 在放入 debug 目录时必须重命名为 daily_pv.h5。

第三步：配置 .env 中的路径

# 指向解压后的 Qlib 数据目录（必须包含 calendars/、features/、instruments/）
QLIB_DATA_DIR=./data/qlib/cn_data

# 实验结果输出目录
DATA_RESULTS_DIR=./data/results

如果希望将 HDF5 数据目录放在其他位置，也可以通过环境变量进行自定义：

# 可选：覆盖默认的 HDF5 数据路径
FACTOR_CoSTEER_DATA_FOLDER=/your/custom/path/factor_source_data
FACTOR_CoSTEER_DATA_FOLDER_DEBUG=/your/custom/path/factor_source_data_debug

4. 运行因子挖掘

./run.sh "<your input>"

# 示例：按研究方向运行
./run.sh "价格-成交量因子挖掘"

# 示例：使用自定义因子库后缀运行
./run.sh "微观结构因子" "exp_micro"

实验会自动进行 alpha 因子的挖掘、演化与验证，并将所有发现的因子保存到 all_factors_library*.json 文件中。

5. 独立回测

挖掘完成后，可将因子库中的因子组合起来进行全周期回测：

# 使用自定义因子进行回测
python -m quantaalpha.backtest.run_backtest \
  -c configs/backtest.yaml \
  --factor-source custom \
  --factor-json all_factors_library.json

# 与 Alpha158(20) 基线因子组合回测
python -m quantaalpha.backtest.run_backtest \
  -c configs/backtest.yaml \
  --factor-source combined \
  --factor-json all_factors_library.json

# 干预式回测（仅加载因子，跳过回测）
python -m quantaalpha.backtest.run_backtest \
  -c configs/backtest.yaml \
  --factor-source custom \
  --factor-json all_factors_library.json \
  --dry-run -v

结果会保存到 configs/backtest.yaml 中指定的目录（experiment.output_dir）。

📘 需要帮助？请查阅我们详尽的 用户指南，了解高级配置、实验复现及详细使用示例。

---

🖥️ Web 界面

QuantaAlpha 提供了一个基于网页的仪表盘，您可以通过可视化界面完成整个工作流程——无需命令行操作。

conda activate quantaalpha
cd frontend-v2
bash start.sh
# 访问 http://localhost:3000

• ⚙️ 设置：直接在界面中配置 LLM API、数据路径及实验参数
• ⛏️ 因子挖掘：通过自然语言输入启动实验，并实时监控进度
• 📚 因子库：浏览、搜索并筛选所有已发现的因子及其质量分类
• 📈 独立回测：选择因子库并运行全周期回测，查看可视化结果

---

🪟 Windows 部署

QuantaAlpha 是为 Linux 原生开发的。以下是在 Windows 10/11 上运行的部署指南。

技术细节请参阅 docs/WINDOWS_COMPAT.md。

与 Linux 的主要区别

功能	Linux	Windows
开始挖掘	./run.sh "direction"	python launcher.py mine --direction "direction"
启动前端	bash start.sh	分别启动后端和前端（见下文）
.env 路径格式	/home/user/data	C:/Users/user/data（使用正斜杠）
额外配置	无	必须设置 CONDA_DEFAULT_ENV（见下文）
rdagent 补丁	无	自动应用（quantaalpha/compat/rdagent_patches.py）

安装

# 1. 安装 Miniconda（安装时勾选“添加到 PATH”）
# 2. 创建 conda 环境
conda create -n quantaalpha python=3.11 -y
conda activate quantaalpha

# 3. 克隆并安装
git clone https://github.com/QuantaAlpha/QuantaAlpha.git
cd QuantaAlpha
set SETUPTOOLS_SCM_PRETEND_VERSION=0.1.0
pip install -e .

配置 .env

copy configs\.env.example .env

编辑 .env — 路径使用 正斜杠：

QLIB_DATA_DIR=C:/Users/yourname/path/to/cn_data
DATA_RESULTS_DIR=C:/Users/yourname/path/to/results
CONDA_ENV_NAME=quantaalpha
CONDA_DEFAULT_ENV=quantaalpha    # ← Windows 上必需

运行

# 因子挖掘
python launcher.py mine --direction "price-volume factor mining"

# 独立回测
python -m quantaalpha.backtest.run_backtest -c configs/backtest.yaml --factor-source custom --factor-json data/factorlib/all_factors_library.json -v

Web 前端（可选）

需要 Node.js（v18+）。在两个终端中分别启动：

# 终端 1 — 后端 API
cd frontend-v2 && python backend/app.py

# 终端 2 — 前端
cd frontend-v2 && npm install && npm run dev

访问 http://localhost:3000。

故障排除

错误	解决方法
CondaConf conda_env_name: Input should be a valid string	在 .env 中添加 CONDA_DEFAULT_ENV=quantaalpha
UnicodeEncodeError: 'gbk'	执行 chcp 65001 或设置 PYTHONIOENCODING=utf-8
Failed to resolve import "@radix-ui/react-hover-card"	cd frontend-v2 && npm install

---

💬 用户社区

---

🤝 贡献

我们欢迎各种形式的贡献，以使 QuantaAlpha 更加完善！以下是您可以参与的方式：

• 🐛 Bug 报告：发现了 bug？提交 issue，帮助我们修复。
• 💡 功能请求：有好点子？发起讨论，提出新功能建议。
• 📝 文档与教程：改进文档、添加使用示例或编写教程。
• 🔧 代码贡献：提交 PR，修复 bug、提升性能或增加新功能。
• 🧬 新因子：分享您自己运行中发现的高质量因子，造福社区。

---

🙏 致谢

特别感谢：

• Qlib - 微软推出的量化投资平台
• RD-Agent - 微软研发的自动化研发框架（NeurIPS 2025）
• AlphaAgent - 多智能体阿尔法因子挖掘框架（KDD 2025）

---

🌐 关于 QuantaAlpha

• QuantaAlpha 由来自清华大学、北京大学、中科院、卡内基梅隆大学、香港科技大学等高校的教授、博士后、博士及硕士生团队于2025年4月创立。

🌟 我们的使命是探索智能的“量子”本质，开创智能体研究的“阿尔法”前沿——从CodeAgent到自我进化智能，再到金融与跨领域专用智能体，我们致力于重新定义人工智能的边界。

✨ 在2026年，我们将继续在以下方向开展高质量研究：

• CodeAgent：端到端的现实世界任务自主执行
• DeepResearch：深度推理与检索增强型智能
• Agentic Reasoning / Agentic RL：基于智能体的推理与强化学习
• 自我进化与协同学习：多智能体系统的进化与协调

📢 欢迎对这些方向感兴趣的学生和研究人员加入我们！

🔗 团队主页：QuantaAlpha
📧 邮箱：quantaalpha.ai@gmail.com

🌐 关于 AIFin Lab

AIFin Lab 由上海财经大学的张立文教授发起，深耕AI + 金融、统计学与数据科学的交叉领域。团队汇聚了来自上海财经大学、福建师范大学、东南大学、卡内基梅隆大学、香港中文大学等顶尖院校的前沿学者。我们致力于构建一个涵盖数据、模型、基准测试与智能提示的全方位“全链路”体系。

📢 我们诚邀全球范围内对智能体安全与金融智能充满热情的优秀本科生、硕士生及博士生，以及相关领域的研究人员加入 AIFin Lab！

📧 邮箱：aifinlab.sufe@gmail.com（请抄送至 zhang.liwen@shufe.edu.cn）

期待您的来信！

---

📖 引用

如果您在研究中发现 QuantaAlpha 有用，请引用我们的工作：

@misc{han2026quantaalphaevolutionaryframeworkllmdriven,
      title={QuantaAlpha：一个用于LLM驱动的阿尔法因子挖掘的进化框架}, 
      author={韩俊、张硕、李伟、杨志、董一帆、胡图、袁家洛、于晓敏、朱宇墨、娄方奇、郭欣、刘兆伟、江天怡、安瑞川、刘景平、吴彪、陈荣泽、王坤毅、王一帆、胡森、孔新兵、张立文、陈荣浩、王华灿},
      year={2026},
      eprint={2602.07085},
      archivePrefix={arXiv},
      primaryClass={q-fin.ST},
      url={https://arxiv.org/abs/2602.07085}, 
}

---

⭐ 星标历史

---

QuantaAlpha 快速上手指南

环境准备

• 操作系统：Linux（推荐）或 Windows 10/11
• Python：3.10 及以上
• 依赖：conda、git、wget（Linux）或 PowerShell（Windows）

安装步骤

1. 克隆并创建环境

git clone https://github.com/QuantaAlpha/QuantaAlpha.git
cd QuantaAlpha
conda create -n quantaalpha python=3.10
conda activate quantaalpha
SETUPTOOLS_SCM_PRETEND_VERSION=0.1.0 pip install -e .
pip install -r requirements.txt

2. 配置环境变量

cp configs/.env.example .env

编辑 .env，填写关键路径与 LLM 信息：

QLIB_DATA_DIR=/path/to/qlib/cn_data
DATA_RESULTS_DIR=/path/to/results
OPENAI_API_KEY=your-api-key
CHAT_MODEL=deepseek-v3

3. 下载数据（国内镜像）

pip install huggingface_hub
huggingface-cli download QuantaAlpha/qlib_csi300 --repo-type dataset --local-dir ./hf_data

解压并放置：

unzip hf_data/cn_data.zip -d ./data/qlib
mkdir -p git_ignore_folder/factor_implementation_source_data
cp hf_data/daily_pv.h5 git_ignore_folder/factor_implementation_source_data/

基本使用

1. 因子挖掘

./run.sh "量价因子挖掘"

运行结束后，所有因子保存在 all_factors_library.json。

2. 独立回测

python -m quantaalpha.backtest.run_backtest \
  -c configs/backtest.yaml \
  --factor-source custom \
  --factor-json all_factors_library.json

结果写入 DATA_RESULTS_DIR。

3. Web 界面（可选）

cd frontend-v2
bash start.sh
# 浏览器访问 http://localhost:3000

Windows 用户：

• 启动挖掘：python launcher.py mine --direction "量价因子挖掘"
• 路径使用正斜杠，如 C:/Users/xxx/data