Quantconnect MCP

🚀 QuantConnect MCP Server

QuantConnect MCP Server 是一个面向量化交易领域的强大工具，它为 QuantConnect 算法交易平台提供了生产就绪的模型上下文协议服务器。该服务器能够无缝集成 QuantConnect 的研究环境、统计分析和投资组合优化功能，让你可以轻松地将这些高级功能融入到自己的 AI 工作流程中。本地部署的方式不仅保证了数据的安全性，还能显著提高工作效率。

🚀 快速开始

在不到 2 分钟的时间内启动并运行服务器：

⚠️ 重要提示

在运行服务器之前，你必须拥有 QuantConnect 凭证（用户 ID 和 API 令牌）。没有正确的身份验证，服务器将无法正常工作。有关获取这些凭证的详细信息，请参阅 身份验证 部分。

使用 uvx 安装（推荐）

# 直接从 PyPI 安装并运行 - 无需克隆！
uvx quantconnect-mcp

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

一键式 Claude 桌面安装（推荐）

1. 下载：从 “Releases” 页面获取最新的 quantconnect-mcp.dxt 文件。
2. 安装：双击该文件，Claude 桌面应用将打开并提示你进行 安装。
3. 配置：在 Claude 桌面应用中，依次点击 设置 → 扩展 → QuantConnect MCP，粘贴你的用户 ID 和 API 令牌。
4. 开始使用：启动一个新的 Claude 聊天会话，即可调用任何 QuantConnect 工具。

为什么选择 DXT？

桌面扩展文件（.dxt）将服务器、依赖项和清单文件打包在一起，用户只需 一键操作 即可从下载过渡到使用 MCP 服务器，无需使用终端、编辑 JSON 文件，也不会出现版本冲突问题。

2. 设置 QuantConnect 凭证（必需）

服务器需要以下环境变量才能正常运行：

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" # 可选

3. 启动服务器

# STDIO 传输（默认） - 推荐用于 MCP 客户端
uvx quantconnect-mcp

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

4. 使用自然语言进行交互

你可以使用自然语言与连接的 AI 客户端（如 Claude、GPT 或任何其他兼容 MCP 的接口）进行交互，而无需以编程方式调用工具。

“初始化一个研究环境，添加 GOOGL、AMZN 和 MSFT，然后对它们在 2023 年的数据进行主成分分析（PCA）。”

✨ 主要特性

QuantConnect MCP 服务器开箱即用，为你提供以下功能：

• 完整的项目生命周期管理：可以通过编程方式 创建、读取、更新、编译 和管理 QuantConnect 项目及文件。
• 端到端的回测功能：能够 编译 项目、创建回测、读取详细结果，并分析 图表、订单 和 洞察信息。
• 交互式研究环境：与 QuantBook 全面集成，可进行动态金融分析，包括历史和 替代数据 的检索。
• 高级分析功能：支持执行 主成分分析（PCA）、Engle-Granger 协整检验、均值回归分析 和 相关性研究。
• 投资组合优化：利用复杂的 稀疏优化 方法，结合 Huber 下行风险最小化策略，计算投资组合的绩效并进行策略基准测试。
• 投资范围选择：可以根据多个标准动态 筛选资产，分析 ETF 成分股，并基于相关性选择资产。
• 企业级安全保障：通过安全的 SHA-256 认证 API 与 QuantConnect 进行集成。
• 高性能核心：采用 异步优先 的设计，实现并发数据处理，确保系统响应迅速。
• AI 原生接口：专为通过 自然语言 与高级 AI 客户端进行无缝交互而设计。

📦 安装指南

使用 uvx 安装（推荐）

# 直接从 PyPI 安装并运行 - 无需克隆！
uvx quantconnect-mcp

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

一键式 Claude 桌面安装（推荐）

1. 下载：从 “Releases” 页面获取最新的 quantconnect-mcp.dxt 文件。
2. 安装：双击该文件，Claude 桌面应用将打开并提示你进行 安装。
3. 配置：在 Claude 桌面应用中，依次点击 设置 → 扩展 → QuantConnect MCP，粘贴你的用户 ID 和 API 令牌。
4. 开始使用：启动一个新的 Claude 聊天会话，即可调用任何 QuantConnect 工具。

💻 使用示例

基础用法

以下是使用自然语言与服务器交互的示例：

"初始化一个研究环境，添加 GOOGL、AMZN 和 MSFT，然后对它们在 2023 年的数据进行主成分分析（PCA）。"

高级用法

因子驱动的投资组合构建流程

“构建一个 2025 年的全球股票多空投资组合：
1. 提取截至 2024 年 12 月 31 日的 QQQ、SPY 和 EEM 的成分股（无幸存者偏差）。
2. 对于每个符号，使用 2022 年 1 月 1 日至 2024 年 12 月 31 日的每日数据计算 Fama-French 五因子和质量减垃圾因子的载荷。
3. 根据价值（市净率）和动量（12 - 1）将股票排名为三分位数；做多顶部三分位数，做空底部三分位数，并与标准普尔 500 指数保持贝塔中性。
4. 在每个类别中，应用分层风险平价（HRP）方法确定仓位规模，每一侧的总风险敞口上限为 5%。
5. 目标年化预期波动率 ≤ 10%；在 95% 的置信水平下使用 CVaR 最小化方法进行求解。
6. 以 MSCI 世界指数为基准；报告 2023 年 1 月 1 日至 2024 年 12 月 31 日期间的年化收益率、波动率、夏普比率、索提诺比率、最大回撤、命中率和换手率。
7. 将最优权重和完整的分析报告导出为 `pdf` 和 `csv` 文件。
8. 安排每月的再平衡任务，并将信号推送到实时交易端点。”

稳健的统计套利工作流程

“测试并优化一个配对交易策略：
• 投资范围：美国必需消费品行业，市值 > 50 亿美元，股价 > 10 美元。
• 数据：2023 年 1 月 2 日至 2025 年 6 月 30 日的 15 分钟 K 线数据。
• 步骤 1 – 对于所有配对，计算滚动 60 天的距离相关性；保留距离相关性 ≥ 0.80 的配对。
• 步骤 2 – 对筛选后的配对进行 Johansen 协整检验（滞后阶数 = 2）；保留迹统计量 < 5% 临界值的配对。
• 步骤 3 – 对于每个协整配对：
  – 估计均值回归的半衰期；如果半衰期 > 7 天则剔除。
  – 计算赫斯特指数；要求赫斯特指数 < 0.4。
• 步骤 4 – 模拟贝叶斯卡尔曼滤波价差，以实现时变对冲比率。
• 入场条件：z 分数穿越 ±2（两根 K 线确认）；出场条件：z = 0 或 t_max = 3 × 半衰期。
• 风险控制：每对名义价值上限为净资产的 3%，投资组合总杠杆 ≤ 3 倍，止损点为 z = 4。
• 输出：交易日志、盈亏归因、阿尔法的自助法 p 值以及制度转换的似然比检验结果。”

自动化项目、回测和超参数扫描

“在 QuantConnect 中启动一个实验套件：
1. 创建名为 ‘DynamicPairs_Kalman’ 的 Python 项目。
2. 添加以下文件：
  • `alpha.py` – 信号生成（占位符）
  • `risk.py` – 自定义仓位规模
  • `config.yaml` – 参数网格：
      ```yaml
      entry_z:  [1.5, 2.0, 2.5]
      lookback: [30, 60, 90]
      hedge:    ['OLS', 'Kalman']
      ```
3. 触发一个标记为 ‘GridSearch-v1’ 的参数扫描回测，使用 2022 - 2023 年的样本内数据。
4. 当任务完成后，根据信息比率和最大回撤 < 10% 对运行结果进行排名；保留前 3 个配置。
5. 自动为获胜配置启动 2024 年至今的样本外回测。
6. 生成一份执行摘要：包含表格和图表（权益曲线、滚动夏普比率、风险敞口直方图）。
7. 将最佳模型打包为 Docker 镜像，推送到镜像仓库，并部署到实时交易集群，设置当单日损失 > 3σ 时停止交易。”

📚 详细文档

身份验证工具

项目管理工具

文件管理工具

QuantBook 研究工具

数据检索工具

统计分析工具

投资组合优化工具

投资范围选择工具

回测管理工具

🔧 技术细节

项目架构

quantconnect-mcp/
├── ◆  quantconnect_mcp/          # 主包目录
│   ├── main.py                   # 服务器入口点和配置文件
│   └── src/                      # 源代码模块
│       ├── ⚙  server.py          # FastMCP 服务器核心
│       ├── ⚙  tools/             # 工具实现
│       │   ├── ▪  auth_tools.py      # 身份验证管理
│       │   ├── ▪  project_tools.py   # 项目 CRUD 操作
│       │   ├── ▪  file_tools.py      # 文件管理
│       │   ├── ▪  quantbook_tools.py # 研究环境
│       │   ├── ▪  data_tools.py      # 数据检索
│       │   ├── ▪  analysis_tools.py  # 统计分析
│       │   ├── ▪  portfolio_tools.py # 投资组合优化
│       │   ├── ▪  universe_tools.py  # 投资范围选择
│       │   └── ▪  backtest_tools.py  # 回测管理
│       ├── ◆  auth/              # 身份验证系统
│       │   ├── __init__.py
│       │   └── quantconnect_auth.py   # 安全的 API 身份验证
│       └── ◆  resources/         # 系统资源
│           ├── __init__.py
│           └── system_resources.py   # 服务器监控
├── ◆  tests/                     # 全面的测试套件
│   ├── test_auth.py
│   ├── test_server.py
│   └── __init__.py
├── ◆  pyproject.toml             # 项目配置文件
└── ◆  README.md                  # 本文件

核心设计原则

• 模块化架构：每个工具类别都进行了清晰的分离，便于维护。
• 安全至上：采用 SHA-256 认证 API 和安全的凭证管理系统。
• 异步高性能：非阻塞操作确保最大吞吐量。
• 类型安全：使用 mypy 进行全面的类型注解验证。
• 可扩展性：基于插件的架构，便于轻松添加新功能。

📄 许可证

本项目采用 MIT 许可证，详情请参阅 LICENSE 文件。