Qbot 完整开源量化交易平台指南：数据、策略、回测与实盘一条链本地部署-育师

Qbot 完整开源量化交易平台指南：数据、策略、回测与实盘一条链本地部署

【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

当行情在几分钟内走完一波 5% 的波动，手工盯盘下单几乎总是慢市场一步。Qbot 是一个可以完全本地部署的开源量化交易平台，数据获取、策略开发、回测验证、模拟交易到实盘执行的全流程都在你自己的机器上完成。它面向有一点 Python 基础、不想买订阅制云服务、又不知道从何搭建量化系统的人。

📍 项目定位：本地部署的 AI 量化交易平台

一句话定义：Qbot 是一个开源、免费、事件驱动的本地量化交易平台，把 AI 投研和自动化交易装进同一个 GUI 客户端。

维度	手工盯盘	云端量化平台	Qbot 本地部署
策略来源	个人经验	平台限定模板	开源源码，可自行修改
数据归属	各平台分散	托管在云端	完全保存在本地
使用成本	时间成本	订阅费用	免费开源

核心差异点有两个。一是模块化分层设计：数据层、策略层、交易引擎之间有统一的中间表达，换数据源或换券商接口不用推翻策略代码。二是覆盖股票、基金、期货、加密货币四类交易品种，模拟环节支持接近实盘的时延与滑点仿真。

⚙️ 核心能力拆解：数据 → 策略 → 回测 → 交易

数据接入：行情落到本地库

数据层支持 Tushare、Baostock、本地 CSV 等多种来源，抓取后统一清洗入库，策略与交易引擎读取的都是本地数据。界面内置 EMA、MACD、KDJ、RSI、BOLL 等 30 多个技术指标，可直接作为策略因子输入，省去自己手算指标的环节。

策略开发：从经典指标到 AI 模型

策略分两层：经典指标策略（布林线均值回归、双均线、网格交易、海龟等）和 AI 策略（XGBoost、LightGBM、LSTM、Transformer、强化学习 TFT 等），两类模型跑在同一套回测框架下，方便横向对比。源码全部开放，你可以直接改 qbot/strategies/ 里的模板参数，也可以把自训模型接进这个框架。

回测验证：收益和风险一张图看全

回测界面同时给出策略与基准指数的累计收益曲线、分年度收益柱状图，以及年化收益、波动率、夏普比率、最大回撤等指标表，图表支持框选放大细看某一段行情。回测底层基于 backtrader、easyquant 等成熟引擎，佣金等交易成本可以在代码里设置。

交易执行：先模拟，再接券商

实盘层对接多家券商客户端（海通、华泰、国金等）以及币安、欧易等加密交易所。正式接入前，建议先让策略在模拟环境里跑一段，平台会做接近实盘的时延与滑点仿真，暴露问题的成本远低于直接拿真金白银试错。

🚀 上手路径：本地部署四步走

准备 Python 3.8 或 3.9（推荐用 Anaconda 建环境），项目仅在这两个版本下测试过。
克隆代码到本地：

git clone https://gitcode.com/GitHub_Trending/qbot/Qbot --depth 1 cd Qbot

安装依赖并启动 GUI 主程序，缺包时按报错提示补装即可：

pip install -r dev/requirements.txt python main.py

进入可视化回测页，选一只股票、一个内置策略和起止日期，点开始回测，拿到你的第一份完整报告。

👥 适用场景与人群

量化新手：跟着 docs/tutorials_code/ 里的 MACD、KDJ 等示例把"数据 → 策略 → 回测"完整跑一遍，重点读懂每份回测指标的含义，先建立感觉再谈优化。
进阶用户：修改现成策略的参数做敏感性分析，或训练 LightGBM、LSTM 等模型接入统一框架，做多因子与模型间的横向对比。
想省盯盘时间的个人投资者：配置邮件、飞书等推送方式，让平台按策略逻辑定时输出信号提醒，把人工盯盘换成规则触发。

⚠️ 注意事项与局限

回测不等于实盘。所有历史回测都是对过往行情的模拟，即使计入了佣金，也无法完全覆盖真实滑点、流动性约束和市场风格切换；仓库的免责声明也明确写着策略不构成投资建议、不建议轻易上实盘。请把模拟交易当作上线前的必经环节，而不是走个形式。

环境依赖有一定门槛。项目仅在 Python 3.8 / 3.9 下测试过，wxPython、Ta-Lib 等包需要匹配对应平台的预编译版本（仓库 dev/ 目录提供了部分 wheel）；Tushare 等数据源各有接口权限与配额，数据缺失或质量不稳会直接反映在回测结论里，跑之前先确认数据完整。细节可查安装指南。