aigroup-quant-mcp

# aigroup-quant-mcp - AI量化分析MCP服务 [](https://www.python.org/) [](https://modelcontextprotocol.io/) [](LICENSE) [](https://pypi.org/project/aigroup-quant-mcp/) > 🎯 **专业量化分析MCP服务** - 提供完整的量化分析工作流，支持15种机器学习算法和Alpha158因子库 --- ## ✨ 核心特性 ### 🚀 完整量化工作流 - **数据预处理**: 智能中英文列名识别，自动数据清洗 - **因子计算**: 支持单因子和Alpha158因子库（158个技术因子） - **因子评估**: IC评估和因子质量分析 - **机器学习建模**: 15种传统机器学习算法 - **模型预测**: 样本外预测和结果导出 ### 🤖 丰富的机器学习算法 - **线性模型**: linear, ridge, lasso, elasticnet, logistic - **基于树的模型**: lightgbm, xgboost, catboost, random_forest, gradient_boosting, decision_tree - **支持向量机**: svm, svr - **其他算法**: naive_bayes, knn ### 🧠 智能数据处理 - **智能标准化**: 自动识别单商品/多商品数据，优化标准化方法 - **中英文列名识别**: 自动识别和转换各种列名格式 - **数据质量检查**: 自动检测和处理缺失值、异常值 --- ## 🛠️ 快速开始 ### 安装方式 #### 方式1: 使用uvx（推荐） ```bash uvx aigroup-quant-mcp ``` #### 方式2: 使用pip ```bash # 基础安装（快速启动） pip install aigroup-quant-mcp # 安装机器学习支持 pip install aigroup-quant-mcp[full] # 完整安装（所有功能） pip install aigroup-quant-mcp[full,viz] ``` ### MCP配置 在RooCode的设置中添加以下配置： ```json { "mcpServers": { "aigroup-quant-mcp": { "command": "uvx", "args": [ "aigroup-quant-mcp" ], "env": {}, "alwaysAllow": [ "preprocess_data", "calculate_factor", "generate_alpha158", "merge_factor_data", "evaluate_factor_ic", "apply_processor_chain", "train_ml_model", "predict_ml_model", "list_factors" ] } } } ``` --- ## 📊 完整工作流示例 ### 步骤1: 数据预处理 ```python preprocess_data( file_path="./data/stock_data.csv", data_id="stock_2023", auto_clean=True, export_path="./exports/cleaned_data.csv" ) ``` ### 步骤2: 生成Alpha158因子 ```python generate_alpha158( data_id="stock_2023", export_path="./exports/alpha158_factors.csv" ) ``` ### 步骤3: 训练模型 ```python train_ml_model( data_id="stock_2023", model_type="lightgbm", train_start="2023-01-01", train_end="2023-10-31", test_start="2023-11-01", test_end="2023-12-31", export_path="./exports/trained_model.pkl" ) ``` ### 步骤4: 模型预测 ```python predict_ml_model( data_id="stock_2023", model_path="./exports/trained_model.pkl", predict_start="2023-12-01", predict_end="2023-12-31", export_path="./exports/predictions.csv" ) ``` --- ## 📚 文档 - [开发指南](DEVELOPING.md) - [性能优化指南](docs/PERFORMANCE_OPTIMIZATION.md) - [API参考](docs/API.md) --- ## 📃 许可证 本项目采用MIT许可证，详见[LICENSE](LICENSE)文件。