Qbot 量化交易平台本地部署教程零基础 10 分钟跑通第一个 AI 投资助手【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/QbotQbot 是一个可以完全在本地部署的 AI 量化交易平台它把数据获取、策略开发、回测验证到模拟/实盘交易串成了一条完整流水线让你的投资决策从拍脑袋变成看数据。整个平台免费开源你的行情数据和策略模型都留在自己的电脑里不用担心信息泄露。这篇教程会带你从零开始一步步把 Qbot 装好、跑起来并完成第一次策略回测。先搞清楚Qbot 到底替你做了什么在动手之前先花一分钟了解它解决什么问题。如果你之前炒股靠盯盘、选基金靠感觉那么量化交易的核心思路就是用规则代替情绪你提前写好什么条件买入、什么条件卖出再让程序用历史数据反复验证这套规则靠不靠谱最后再交给它自动执行。Qbot 把这条链路全部包办了它由数据、策略、回测、交易四层模块组成架构图如下你会发现从网络数据源到回测引擎、从自动交易到风险评估报告它基本覆盖了个人量化投研需要的所有环节。支持的投资品种包括股票、基金、期货和虚拟货币策略层面则内置了从经典指标到深度学习的一整套模型——这也是它和大多数回测脚本最大的区别。本地部署三步走装环境、拉代码、跑起来了解了它是什么接下来我们直接上手。整个过程只需要终端里的三条命令但有几个前提条件要先核对。环境要求Qbot 目前只在 Python 3.8 或 3.9 下测试过其他版本未做验证。所以如果你的电脑上是 Python 3.10 及以上建议先准备一个 3.8/3.9 的虚拟环境比如用 conda 创建一个名为 qbot 的环境。内存建议 8GB 以上磁盘预留 10GB。第一步克隆仓库到本地git clone https://gitcode.com/GitHub_Trending/qbot/Qbot --depth 1第二步进入目录安装依赖cd Qbot pip install -r dev/requirements.txt第三步启动图形界面python main.py⚠️ 注意macOS 用户请使用pythonw main.py启动否则界面可能不会正常弹出Windows 用户推荐在 PowerShell 中执行命令。✅ 检查点你应该看到一个标题为AI智能量化投研平台的窗口弹出左侧是Qbot 投研智库等功能区。看到它说明部署成功了。如果安装依赖时一路报错别慌官方文档 docs/Install_guide.md 里有更完整的说明项目仓库的 dev/ 目录下其实已经准备好了 wxPython 和 Ta-Lib 对应各系统的安装包.whl 文件遇到装不上的库时可以直接指定这些本地文件安装比从网上下载省心很多。边做边看界面里藏着哪些核心能力程序跑起来后我们一边点一遍看重点了解四块功能。参数配置打开设置里的参数配置这是整个平台的总开关。你可以在这里选择数据源Tushare、Baostock或者本地 csv / SQLite配置消息推送邮箱还能接入各家证券和加密交易平台的模拟/实盘接口可视化回测系统这是最常用的功能。选一个基准指数比如沪深 300、选一只回测股票、指定起止时间再从策略下拉框里挑一个——从 RSI 相对强弱指标到机器学习-支持向量机 SVM、机器学习-LGBM 模型价格预测都有现成的——点开始回测收益曲线、夏普比率、最大回撤等指标和逐年收益对比图就会自动画出来模型库模型动物园平台内置的策略分经典策略和智能策略两档。经典档包括布林线均值回归、移动均线KDJ、多因子选股、小市值、配对交易等智能档则覆盖了 GBDTXGBoost、LightGBM、RNNLSTM、ALSTM、强化学习和 Transformer 系列模型可以直接拿来回测也可以照着源码二次开发基金策略分析不玩股票的朋友也能用。输入基金编号、设定每月定投金额和止盈规则比如持有收益大于 5% 就卖出 10% 份额平台会帮你回测出这套定投方案的历史表现还能把多个方案放在一起比较如果你想看代码层面是怎么实现的可以翻一翻 qbot/strategies/ 目录下的策略源码以及 docs/tutorials_code/ 里的分步教学代码MACD、KDJ、形态识别都有配套实例。卡住了别急五个高频坑的排查手册下面这些坑都是新手最容易踩的按现象 → 原因 → 解决的顺序给你排好序对号入座即可。坑 1执行python main.py后没有任何界面弹出现象终端没报错但窗口不出现或报No module named wx。 原因Qbot 的图形界面依赖 wxPython 这个 GUI 库而它没装上或版本不对。 解决确认 Python 是 3.8/3.9Linux/Windows 用户直接装仓库里现成的包例如pip install dev/wxPython-4.2.1-cp39-cp39-linux_x86_64.whl按你的版本选对应文件macOS 用户执行brew install wxpython即可。坑 2pip install -r dev/requirements.txt中途报版本冲突现象依赖安装到一半提示某两个包互相冲突装不下去。 原因你在全局 Python 环境里装和已有包的版本打架了。 解决建一个干净的虚拟环境再装python -m venv qbot-env激活后Linux/macOS 用source qbot-env/bin/activateWindows 用qbot-env\Scripts\activate再执行依赖安装。坑 3回测时报数据获取失败或画不出图现象策略跑完但 K 线是空的日志里提示行情拉取失败。 原因数据源没配置好或网络访问不到行情接口。 解决先进参数配置界面确认选中的数据源Tushare / Baostock / 本地 csv如果是纯离线场景可以下载好股票 csv 文件放到本地目录改用本地数据源跑通流程。坑 4启动报No module named: Crypto现象启动或运行时报缺 Crypto 模块。 原因装了大写的crypto包这是旧版同名包会干扰。 解决先pip uninstall crypto再pip uninstall pycryptodome最后pip install pycryptodome重装正确版本。坑 5报错AttributeError: unexpected attribute plot_width现象网页版分析页面打不开日志里是 bokeh 相关报错。 原因bokeh 版本太新旧参数已移除。 解决pip install bokeh2.3.3锁定到项目验证过的版本。更多问题的汇总可以参考官方 FAQdocs/FQA.md。跑通之后给你的三个下一步到这里你的本地已经有一套能用的量化投研系统了。接下来可以按自己的节奏推进读一遍策略原理从 docs/01-新手指引/量化策略的分类和原理.md 开始理解选股、择时、仓位管理这几个概念后面的操作会顺畅很多复现一个完整回测在可视化回测系统里挑一只你熟悉的股票分别用双均线和RSI两个策略各回测一次对比一下收益曲线和最大回撤建立对回测指标年化收益、夏普比率、回撤的直觉改造一个策略打开 qbot/strategies/ 里最简单的均线策略把均线周期从默认值改成 5/20 再跑一次体会参数如何影响结果——这就是量化策略优化的起点。先别急着实盘平台提供模拟交易环境建议任何策略都先在模拟盘里跑一段时间确认表现稳定后再考虑接入真实账户。祝你在 Qbot 上跑出自己的第一条策略曲线。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/9 13:38:09 · 阅读 1.2k Qbot 量化交易平台本地部署教程：零基础 10 分钟跑通第一个 AI 投资助手
Qbot 量化交易平台本地部署教程零基础 10 分钟跑通第一个 AI 投资助手【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/QbotQbot 是一个可以完全在本地部署的 AI 量化交易平台它把数据获取、策略开发、回测验证到模拟/实盘交易串成了一条完整流水线让你的投资决策从拍脑袋变成看数据。整个平台免费开源你的行情数据和策略模型都留在自己的电脑里不用担心信息泄露。这篇教程会带你从零开始一步步把 Qbot 装好、跑起来并完成第一次策略回测。先搞清楚Qbot 到底替你做了什么在动手之前先花一分钟了解它解决什么问题。如果你之前炒股靠盯盘、选基金靠感觉那么量化交易的核心思路就是用规则代替情绪你提前写好什么条件买入、什么条件卖出再让程序用历史数据反复验证这套规则靠不靠谱最后再交给它自动执行。Qbot 把这条链路全部包办了它由数据、策略、回测、交易四层模块组成架构图如下你会发现从网络数据源到回测引擎、从自动交易到风险评估报告它基本覆盖了个人量化投研需要的所有环节。支持的投资品种包括股票、基金、期货和虚拟货币策略层面则内置了从经典指标到深度学习的一整套模型——这也是它和大多数回测脚本最大的区别。本地部署三步走装环境、拉代码、跑起来了解了它是什么接下来我们直接上手。整个过程只需要终端里的三条命令但有几个前提条件要先核对。环境要求Qbot 目前只在 Python 3.8 或 3.9 下测试过其他版本未做验证。所以如果你的电脑上是 Python 3.10 及以上建议先准备一个 3.8/3.9 的虚拟环境比如用 conda 创建一个名为 qbot 的环境。内存建议 8GB 以上磁盘预留 10GB。第一步克隆仓库到本地git clone https://gitcode.com/GitHub_Trending/qbot/Qbot --depth 1第二步进入目录安装依赖cd Qbot pip install -r dev/requirements.txt第三步启动图形界面python main.py⚠️ 注意macOS 用户请使用pythonw main.py启动否则界面可能不会正常弹出Windows 用户推荐在 PowerShell 中执行命令。✅ 检查点你应该看到一个标题为AI智能量化投研平台的窗口弹出左侧是Qbot 投研智库等功能区。看到它说明部署成功了。如果安装依赖时一路报错别慌官方文档 docs/Install_guide.md 里有更完整的说明项目仓库的 dev/ 目录下其实已经准备好了 wxPython 和 Ta-Lib 对应各系统的安装包.whl 文件遇到装不上的库时可以直接指定这些本地文件安装比从网上下载省心很多。边做边看界面里藏着哪些核心能力程序跑起来后我们一边点一遍看重点了解四块功能。参数配置打开设置里的参数配置这是整个平台的总开关。你可以在这里选择数据源Tushare、Baostock或者本地 csv / SQLite配置消息推送邮箱还能接入各家证券和加密交易平台的模拟/实盘接口可视化回测系统这是最常用的功能。选一个基准指数比如沪深 300、选一只回测股票、指定起止时间再从策略下拉框里挑一个——从 RSI 相对强弱指标到机器学习-支持向量机 SVM、机器学习-LGBM 模型价格预测都有现成的——点开始回测收益曲线、夏普比率、最大回撤等指标和逐年收益对比图就会自动画出来模型库模型动物园平台内置的策略分经典策略和智能策略两档。经典档包括布林线均值回归、移动均线KDJ、多因子选股、小市值、配对交易等智能档则覆盖了 GBDTXGBoost、LightGBM、RNNLSTM、ALSTM、强化学习和 Transformer 系列模型可以直接拿来回测也可以照着源码二次开发基金策略分析不玩股票的朋友也能用。输入基金编号、设定每月定投金额和止盈规则比如持有收益大于 5% 就卖出 10% 份额平台会帮你回测出这套定投方案的历史表现还能把多个方案放在一起比较如果你想看代码层面是怎么实现的可以翻一翻 qbot/strategies/ 目录下的策略源码以及 docs/tutorials_code/ 里的分步教学代码MACD、KDJ、形态识别都有配套实例。卡住了别急五个高频坑的排查手册下面这些坑都是新手最容易踩的按现象 → 原因 → 解决的顺序给你排好序对号入座即可。坑 1执行python main.py后没有任何界面弹出现象终端没报错但窗口不出现或报No module named wx。 原因Qbot 的图形界面依赖 wxPython 这个 GUI 库而它没装上或版本不对。 解决确认 Python 是 3.8/3.9Linux/Windows 用户直接装仓库里现成的包例如pip install dev/wxPython-4.2.1-cp39-cp39-linux_x86_64.whl按你的版本选对应文件macOS 用户执行brew install wxpython即可。坑 2pip install -r dev/requirements.txt中途报版本冲突现象依赖安装到一半提示某两个包互相冲突装不下去。 原因你在全局 Python 环境里装和已有包的版本打架了。 解决建一个干净的虚拟环境再装python -m venv qbot-env激活后Linux/macOS 用source qbot-env/bin/activateWindows 用qbot-env\Scripts\activate再执行依赖安装。坑 3回测时报数据获取失败或画不出图现象策略跑完但 K 线是空的日志里提示行情拉取失败。 原因数据源没配置好或网络访问不到行情接口。 解决先进参数配置界面确认选中的数据源Tushare / Baostock / 本地 csv如果是纯离线场景可以下载好股票 csv 文件放到本地目录改用本地数据源跑通流程。坑 4启动报No module named: Crypto现象启动或运行时报缺 Crypto 模块。 原因装了大写的crypto包这是旧版同名包会干扰。 解决先pip uninstall crypto再pip uninstall pycryptodome最后pip install pycryptodome重装正确版本。坑 5报错AttributeError: unexpected attribute plot_width现象网页版分析页面打不开日志里是 bokeh 相关报错。 原因bokeh 版本太新旧参数已移除。 解决pip install bokeh2.3.3锁定到项目验证过的版本。更多问题的汇总可以参考官方 FAQdocs/FQA.md。跑通之后给你的三个下一步到这里你的本地已经有一套能用的量化投研系统了。接下来可以按自己的节奏推进读一遍策略原理从 docs/01-新手指引/量化策略的分类和原理.md 开始理解选股、择时、仓位管理这几个概念后面的操作会顺畅很多复现一个完整回测在可视化回测系统里挑一只你熟悉的股票分别用双均线和RSI两个策略各回测一次对比一下收益曲线和最大回撤建立对回测指标年化收益、夏普比率、回撤的直觉改造一个策略打开 qbot/strategies/ 里最简单的均线策略把均线周期从默认值改成 5/20 再跑一次体会参数如何影响结果——这就是量化策略优化的起点。先别急着实盘平台提供模拟交易环境建议任何策略都先在模拟盘里跑一段时间确认表现稳定后再考虑接入真实账户。祝你在 Qbot 上跑出自己的第一条策略曲线。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考