30分钟本地跑通Qbot：从克隆代码到第一次回测-育师

30分钟本地跑通Qbot：从克隆代码到第一次回测

【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

每次想验证一个策略，都得先在一台云服务器上折腾半天依赖、拉半天数据，等K线图弹出来，半天已经过去了。Qbot 是一个完全本地部署的 AI 量化投研平台，Qbot 本地部署的意思就是：数据、策略、回测、实盘这些环节，全部在你自己的电脑里闭环跑完，不需要碰云服务。

Qbot 能做什么：量化全流程能力地图

先看这张映射表，3 秒判断它能不能覆盖你的场景：

环节	Qbot 对应能力
数据接入	内置 baostock、akshare 等免费数据源，行情可落地为本地文件，断网也能回测
策略编写	GUI 里直接挂策略库，覆盖单因子指标到 LSTM、SVM、强化学习等 AI 策略
历史回测	可视化回测面板，选策略、选区间、点一下，出 quantstats 风格绩效报告
模拟撮合	虚拟盘按接近实盘的时延、滑点、手续费撮合，先在纸面上验证策略
实盘对接	在线交易面板接券商与交易所通道，回测验证通过后再切换实盘

落地前环境检查清单：Qbot 本地部署前先看这里

✅ 操作系统：Linux / macOS / Windows 均可
✅ Python 版本：3.8 或 3.9（项目只在这两个版本上测试过）
✅ 必备工具：git 和 pip，git --version能出版本号即可
⚠️ 内存 8GB 以上、磁盘 10GB 以上，回测时要拉多年日线
⚠️ 最容易踩的坑：TA-Lib 需要先有系统库再装 whl，后文装依赖那步会处理

从零到 Qbot 启动：五步完成部署

1. 拉下 Qbot 代码

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

预期结果：当前目录下能看到qbot/、dev/、docs/和入口文件main.py，说明代码拉全了。

2. 圈一块虚拟沙盒

python -m venv venv # macOS/Linux: source venv/bin/activate # Windows: venv\Scripts\activate

预期结果：终端行首出现(venv)前缀，之后的安装都隔离在这块沙盒里，不污染系统 Python。

3. 把依赖一次性装齐

pip install -r dev/requirements.txt # wxPython 缺失时: pip install dev/wxPython-4.2.1-cp39-cp39-linux_x86_64.whl # TA-Lib 报错时: 先装系统ta-lib库，再 pip install dev/TA_Lib-0.4.28-cp39-cp39-linux_x86_64.whl

whl 文件名里的cp38/cp39对应 Python 版本，linux/win/macosx对应系统，按自己的环境挑 dev/ 目录下对应的那个。⚠️ TA-Lib 源码编译是高频翻车点，走预打包 whl 可以绕开。

预期结果：pip install走完没有 ERROR，pip list | grep -i wx能看到 wxpython。

4. 让 Python 认识你的项目

# macOS/Linux export PYTHONPATH=$PYTHONPATH:$(pwd) # Windows PowerShell $env:PYTHONPATH="$env:PYTHONPATH;$PWD"

预期结果：运行python -c "import qbot"不报 ModuleNotFoundError。

5. 点亮第一个窗口

python main.py # macOS 用户建议: pythonw main.py

预期结果：弹出标题为「Qbot - AI智能量化投研平台」的窗口，默认停在可视化回测页。

第一次打开 Qbot：首屏界面与核心入口

窗口是六个标签页的布局：投研智库、ChatGPT 策略编写、AI 选股/选基、基金投资策略分析、可视化股票/基金回测系统、在线交易（实盘/虚拟盘）。默认落在回测页，这也是你第一个要碰的地方：左侧一列是回测参数——策略下拉框（单因子 RSI、LSTM、SVM 等二三十种）、回测起止日期、基准与标的代码；右侧一大块留给回测完成后的绩效报告。

菜单栏的「设置 → 参数配置」里可以配数据源和交易接口，界面和仓库docs/里的配置说明对得上。

Qbot 三大能力深潜：帮你省掉哪些事

策略模型库，省掉从零写策略。内置策略从布林线、RSRS 择时到机器学习、强化学习模型都有模板，你想先验证一个想法时，选一个最接近的模板改参数，比对着文档从零写代码快得多。

可视化回测，省掉手写回测框架。回测（拿过去一两年的行情把策略模拟跑一遍，看当年能赚多少、最大回撤多少）在这里变成三件事：选策略、选区间、点运行。报告直接给出净值曲线、收益指标和回撤，不用自己搭 quantstats 环境。

虚拟盘与实盘切换，省掉「回测好看、实盘翻车」的尴尬。回测通过后可以先进虚拟盘跑，按接近实盘的滑点和手续费撮合；确认没问题再在在线交易面板接实盘通道，两步之间不用改策略代码。

踩坑速查：Qbot 常见问题与修复动作

症状	原因	修复动作
`ImportError: No module named 'wx'`	wxPython 没装进虚拟环境	装 dev/ 下与 Python 版本和系统匹配的 wxPython whl
TA-Lib 安装时编译报错	系统缺少 ta-lib C 库	Linux 先装系统库，macOS 用 brew install ta-lib，再装 dev/ 下的 TA_Lib whl
pip 依赖冲突、反复安装失败	依赖版本互相打架	删掉 venv 重建，装依赖时切国内 pip 镜像源
回测中途崩溃或数据缺失	标的代码错或时间范围过长	先用默认代码把区间缩到一年，跑通再放大
策略信号一直不生成	参数与数据频率不匹配	换回默认策略和默认参数先验证链路是否正常