它没用任何云服务，但回测速度比某付费平台快两倍？

昆仑 AI

2026-11-05 0 6

你有没有过这种时候：盯着同一只股票，反复改策略、调参数，回测结果看着挺好，一实盘就滑点爆仓？

你有没有过这种时候：想试试机器学习选股，结果卡在数据下载、因子对齐、回测框架搭建上，三天没跑出一条曲线？

你有没有过这种时候：看到别人用「智能投顾」晒收益，点开一看要年费几千，还锁死在他们的服务器里？

它替你省掉了什么

Qbot 不是另一个「演示用」的回测玩具。它直接替代了三类付费服务：一是券商自营的量化平台接口（年费 3000–10000 元），二是第三方 AI 策略订阅服务（月费 299–899 元），三是外包策略开发（单次报价常超 2 万元）。

所有策略代码、所有行情数据、所有交易指令，都在你自己的 Linux 电脑里跑完。

它不卖信号，不推组合，不代你下单——它把整套专业机构用的「策略研发流水线」，打包成你能本地安装、自己调试、随时修改的工具链。

价格直接砍到零。

主要能干这几件事

从 A 股、基金、期货到加密货币，一键拉取全市场分钟级行情和财务数据，不用再手动爬或买 Wind/同花顺接口。具体支持上交所、深交所、中证指数公司官网、CoinGecko 和 Yahoo Finance 的公开数据源，自动处理停牌、复权、除权信息，字段名统一为 open/high/low/close/volume/pe_ttm。
内置 Qlib 和 Backtrader 双引擎，你写好一个 Python 函数定义买卖逻辑，Qbot 就自动完成回测、归因、风险指标计算，连夏普比率和最大回撤都给你标红加粗。比如在 strategies/example_ma_cross.py 里只改两行：把 fast_window=10 改成 15，保存后点「运行回测」，30 秒内生成含 12 项统计指标的 HTML 报告。
支持监督学习、多因子建模、甚至强化学习策略训练——不是让你调参，而是把 qlib 的模型封装成 Jupyter Notebook 里的几个单元格，改个字段就能跑。例如打开 notebooks/factor_selection.ipynb，替换 factor_list = ['alpha001', 'alpha002'] 为你自选的因子名，运行后自动输出 IC 值排序和分层回测图。
接得上国内主流券商的实盘接口（比如中信、华泰、国金），模拟交易时就按真实滑点和委托队列仿真，避免“回测很美，实盘很惨”。滑点模型参考交易所 Level-2 行情档位，委托排队逻辑基于中登结算周期模拟，下单延迟设为 80–120ms 可调。
所有分析结果自动生成可视化看板：资金曲线、持仓热力图、行业轮动雷达图，导出 PDF 就能当周报交差。图表使用 Plotly 渲染，支持缩放、拖拽、悬停查看明细；PDF 导出按钮位于右上角「报告」菜单下，点击即生成带时间戳的 A4 页面。
策略可打包成独立模块，今天写的“小市值+低波动”选股器，明天就能拖进另一个组合做增强，不用重写数据预处理逻辑。每个策略对应一个 strategy/xxx/ 文件夹，含 config.yaml 描述输入字段、model.py 定义核心逻辑、test.py 提供单元测试样例。

三步上手

确认你的电脑是 Linux 系统（Ubuntu/CentOS/Debian 均可），装好 Docker 或 Python 3.8–3.9；官方明确说不支持 Windows 和 macOS 直接运行。若用 Ubuntu 22.04，建议先执行 sudo apt update && sudo apt install python3.9-venv python3.9-dev libpq-dev 补齐依赖。
打开终端，复制粘贴三行命令：git clone https://github.com/UFund-Me/Qbot –depth 1，然后 cd Qbot，最后 pip install -r dev/requirements.txt。注意 dev/requirements.txt 包含 PyTorch、XGBoost、TA-Lib 等科学计算库，首次安装约需 8–12 分钟。
运行 python main.py，浏览器打开 http://localhost:8000，就能看到中文界面的策略编辑器和回测面板，不需要配环境变量，也不用改配置文件。首次启动会自动初始化 SQLite 数据库，并下载沪深 300 成分股基础信息，约耗时 40 秒。