Quantconnect MCP

🚀 QuantConnect MCP Server

QuantConnect MCP Server 是一個面向量化交易領域的強大工具，它為 QuantConnect 算法交易平臺提供了生產就緒的模型上下文協議服務器。該服務器能夠無縫集成 QuantConnect 的研究環境、統計分析和投資組合優化功能，讓你可以輕鬆地將這些高級功能融入到自己的 AI 工作流程中。本地部署的方式不僅保證了數據的安全性，還能顯著提高工作效率。

🚀 快速開始

在不到 2 分鐘的時間內啟動並運行服務器：

⚠️ 重要提示

在運行服務器之前，你必須擁有 QuantConnect 憑證（用戶 ID 和 API 令牌）。沒有正確的身份驗證，服務器將無法正常工作。有關獲取這些憑證的詳細信息，請參閱 身份驗證 部分。

使用 uvx 安裝（推薦）

# 直接從 PyPI 安裝並運行 - 無需克隆！
uvx quantconnect-mcp

# 或者使用 uv/pip 安裝
uv pip install quantconnect-mcp
pip install quantconnect-mcp

一鍵式 Claude 桌面安裝（推薦）

1. 下載：從 “Releases” 頁面獲取最新的 quantconnect-mcp.dxt 文件。
2. 安裝：雙擊該文件，Claude 桌面應用將打開並提示你進行 安裝。
3. 配置：在 Claude 桌面應用中，依次點擊 設置 → 擴展 → QuantConnect MCP，粘貼你的用戶 ID 和 API 令牌。
4. 開始使用：啟動一個新的 Claude 聊天會話，即可調用任何 QuantConnect 工具。

為什麼選擇 DXT？

桌面擴展文件（.dxt）將服務器、依賴項和清單文件打包在一起，用戶只需 一鍵操作 即可從下載過渡到使用 MCP 服務器，無需使用終端、編輯 JSON 文件，也不會出現版本衝突問題。

2. 設置 QuantConnect 憑證（必需）

服務器需要以下環境變量才能正常運行：

export QUANTCONNECT_USER_ID="your_user_id"        # 必需
export QUANTCONNECT_API_TOKEN="your_api_token"    # 必需
export QUANTCONNECT_ORGANIZATION_ID="your_org_id" # 可選

3. 啟動服務器

# STDIO 傳輸（默認） - 推薦用於 MCP 客戶端
uvx quantconnect-mcp

# HTTP 傳輸
MCP_TRANSPORT=streamable-http MCP_PORT=8000 uvx quantconnect-mcp

4. 使用自然語言進行交互

你可以使用自然語言與連接的 AI 客戶端（如 Claude、GPT 或任何其他兼容 MCP 的接口）進行交互，而無需以編程方式調用工具。

“初始化一個研究環境，添加 GOOGL、AMZN 和 MSFT，然後對它們在 2023 年的數據進行主成分分析（PCA）。”

✨ 主要特性

QuantConnect MCP 服務器開箱即用，為你提供以下功能：

• 完整的項目生命週期管理：可以通過編程方式 創建、讀取、更新、編譯 和管理 QuantConnect 項目及文件。
• 端到端的回測功能：能夠 編譯 項目、創建回測、讀取詳細結果，並分析 圖表、訂單 和 洞察信息。
• 交互式研究環境：與 QuantBook 全面集成，可進行動態金融分析，包括歷史和 替代數據 的檢索。
• 高級分析功能：支持執行 主成分分析（PCA）、Engle-Granger 協整檢驗、均值迴歸分析 和 相關性研究。
• 投資組合優化：利用複雜的 稀疏優化 方法，結合 Huber 下行風險最小化策略，計算投資組合的績效並進行策略基準測試。
• 投資範圍選擇：可以根據多個標準動態 篩選資產，分析 ETF 成分股，並基於相關性選擇資產。
• 企業級安全保障：通過安全的 SHA-256 認證 API 與 QuantConnect 進行集成。
• 高性能核心：採用 異步優先 的設計，實現併發數據處理，確保系統響應迅速。
• AI 原生接口：專為通過 自然語言 與高級 AI 客戶端進行無縫交互而設計。

📦 安裝指南

使用 uvx 安裝（推薦）

# 直接從 PyPI 安裝並運行 - 無需克隆！
uvx quantconnect-mcp

# 或者使用 uv/pip 安裝
uv pip install quantconnect-mcp
pip install quantconnect-mcp

一鍵式 Claude 桌面安裝（推薦）

1. 下載：從 “Releases” 頁面獲取最新的 quantconnect-mcp.dxt 文件。
2. 安裝：雙擊該文件，Claude 桌面應用將打開並提示你進行 安裝。
3. 配置：在 Claude 桌面應用中，依次點擊 設置 → 擴展 → QuantConnect MCP，粘貼你的用戶 ID 和 API 令牌。
4. 開始使用：啟動一個新的 Claude 聊天會話，即可調用任何 QuantConnect 工具。

💻 使用示例

基礎用法

以下是使用自然語言與服務器交互的示例：

"初始化一個研究環境，添加 GOOGL、AMZN 和 MSFT，然後對它們在 2023 年的數據進行主成分分析（PCA）。"

高級用法

因子驅動的投資組合構建流程

“構建一個 2025 年的全球股票多空投資組合：
1. 提取截至 2024 年 12 月 31 日的 QQQ、SPY 和 EEM 的成分股（無倖存者偏差）。
2. 對於每個符號，使用 2022 年 1 月 1 日至 2024 年 12 月 31 日的每日數據計算 Fama-French 五因子和質量減垃圾因子的載荷。
3. 根據價值（市淨率）和動量（12 - 1）將股票排名為三分位數；做多頂部三分位數，做空底部三分位數，並與標準普爾 500 指數保持貝塔中性。
4. 在每個類別中，應用分層風險平價（HRP）方法確定倉位規模，每一側的總風險敞口上限為 5%。
5. 目標年化預期波動率 ≤ 10%；在 95% 的置信水平下使用 CVaR 最小化方法進行求解。
6. 以 MSCI 世界指數為基準；報告 2023 年 1 月 1 日至 2024 年 12 月 31 日期間的年化收益率、波動率、夏普比率、索提諾比率、最大回撤、命中率和換手率。
7. 將最優權重和完整的分析報告導出為 `pdf` 和 `csv` 文件。
8. 安排每月的再平衡任務，並將信號推送到實時交易端點。”

穩健的統計套利工作流程

“測試並優化一個配對交易策略：
• 投資範圍：美國必需消費品行業，市值 > 50 億美元，股價 > 10 美元。
• 數據：2023 年 1 月 2 日至 2025 年 6 月 30 日的 15 分鐘 K 線數據。
• 步驟 1 – 對於所有配對，計算滾動 60 天的距離相關性；保留距離相關性 ≥ 0.80 的配對。
• 步驟 2 – 對篩選後的配對進行 Johansen 協整檢驗（滯後階數 = 2）；保留跡統計量 < 5% 臨界值的配對。
• 步驟 3 – 對於每個協整配對：
  – 估計均值迴歸的半衰期；如果半衰期 > 7 天則剔除。
  – 計算赫斯特指數；要求赫斯特指數 < 0.4。
• 步驟 4 – 模擬貝葉斯卡爾曼濾波價差，以實現時變對沖比率。
• 入場條件：z 分數穿越 ±2（兩根 K 線確認）；出場條件：z = 0 或 t_max = 3 × 半衰期。
• 風險控制：每對名義價值上限為淨資產的 3%，投資組合總槓桿 ≤ 3 倍，止損點為 z = 4。
• 輸出：交易日誌、盈虧歸因、阿爾法的自助法 p 值以及制度轉換的似然比檢驗結果。”

自動化項目、回測和超參數掃描

“在 QuantConnect 中啟動一個實驗套件：
1. 創建名為 ‘DynamicPairs_Kalman’ 的 Python 項目。
2. 添加以下文件：
  • `alpha.py` – 信號生成（佔位符）
  • `risk.py` – 自定義倉位規模
  • `config.yaml` – 參數網格：
      ```yaml
      entry_z:  [1.5, 2.0, 2.5]
      lookback: [30, 60, 90]
      hedge:    ['OLS', 'Kalman']
      ```
3. 觸發一個標記為 ‘GridSearch-v1’ 的參數掃描回測，使用 2022 - 2023 年的樣本內數據。
4. 當任務完成後，根據信息比率和最大回撤 < 10% 對運行結果進行排名；保留前 3 個配置。
5. 自動為獲勝配置啟動 2024 年至今的樣本外回測。
6. 生成一份執行摘要：包含表格和圖表（權益曲線、滾動夏普比率、風險敞口直方圖）。
7. 將最佳模型打包為 Docker 鏡像，推送到鏡像倉庫，並部署到實時交易集群，設置當單日損失 > 3σ 時停止交易。”

📚 詳細文檔

身份驗證工具

項目管理工具

文件管理工具

QuantBook 研究工具

數據檢索工具

統計分析工具

投資組合優化工具

投資範圍選擇工具

回測管理工具

🔧 技術細節

項目架構

quantconnect-mcp/
├── ◆  quantconnect_mcp/          # 主包目錄
│   ├── main.py                   # 服務器入口點和配置文件
│   └── src/                      # 源代碼模塊
│       ├── ⚙  server.py          # FastMCP 服務器核心
│       ├── ⚙  tools/             # 工具實現
│       │   ├── ▪  auth_tools.py      # 身份驗證管理
│       │   ├── ▪  project_tools.py   # 項目 CRUD 操作
│       │   ├── ▪  file_tools.py      # 文件管理
│       │   ├── ▪  quantbook_tools.py # 研究環境
│       │   ├── ▪  data_tools.py      # 數據檢索
│       │   ├── ▪  analysis_tools.py  # 統計分析
│       │   ├── ▪  portfolio_tools.py # 投資組合優化
│       │   ├── ▪  universe_tools.py  # 投資範圍選擇
│       │   └── ▪  backtest_tools.py  # 回測管理
│       ├── ◆  auth/              # 身份驗證系統
│       │   ├── __init__.py
│       │   └── quantconnect_auth.py   # 安全的 API 身份驗證
│       └── ◆  resources/         # 系統資源
│           ├── __init__.py
│           └── system_resources.py   # 服務器監控
├── ◆  tests/                     # 全面的測試套件
│   ├── test_auth.py
│   ├── test_server.py
│   └── __init__.py
├── ◆  pyproject.toml             # 項目配置文件
└── ◆  README.md                  # 本文件

核心設計原則

• 模塊化架構：每個工具類別都進行了清晰的分離，便於維護。
• 安全至上：採用 SHA-256 認證 API 和安全的憑證管理系統。
• 異步高性能：非阻塞操作確保最大吞吐量。
• 類型安全：使用 mypy 進行全面的類型註解驗證。
• 可擴展性：基於插件的架構，便於輕鬆添加新功能。

📄 許可證

本項目採用 MIT 許可證，詳情請參閱 LICENSE 文件。