全A解析（QuantAll）MCP Server

# QuantAll-mcp 技能

**让 AI 从“数据搬运工”升级为“数据分析师”——用代码算出客观结果。**

QuantAll (全A解析)是一个通过 MCP（Model Context Protocol）协议提供服务的**本地 股市全市场向量化计算引擎**。它基于 DuckDB，支持任意市场（A股/港股/美股等）股票的因子计算、策略回测、因子 IC 分析及 GPU 多维可视化，完全免费且独立运行（不依赖外部 API）——只要本地准备好对应市场的数据并配置好数据库即可。

---

## ✨ 功能特性

- **全市场向量化计算**：将本地数据库中的全市场（任意市场）股票、150+ 维度的数据抽象为统一矩阵，AI 编写向量化代码即可快速运算。

- **策略回测**：支持自定义持仓矩阵，一键获取收益、夏普、回撤、胜率等绩效指标。

- **因子分析**：单因子 IC 分析、批量因子横向对比，支持 IC 时序稳定性和散点分布可视化。

- **可视化探索**：通过图层标记、坐标平移、权重控制、热力图统计，直观挖掘数据规律。

- **交互式分析**：用户可在 GUI 端框选散点，AI 获取选中内容并深入分析，形成“展示 → 观察 → 提问 → 验证”的闭环。

- **完全本地化**：所有数据存储在本地 DuckDB 中，无需联网（除数据更新外），保护隐私且免费。

---

## 🚀 快速开始

### 1. 安装 QuantAll 包

本技能的核心计算引擎已发布至 PyPI，推荐使用虚拟环境隔离依赖。

\# 克隆或下载技能包（假设已从 SkillHub 获取）

cd \~/.workbuddy/skills/quantall



\# 创建虚拟环境（以 Windows 为例）

python -m venv scripts/.venv



\# 激活虚拟环境并安装 QuantAll（务必使用清华镜像源）

scripts/.venv/Scripts/python.exe -m pip install quantall -i https://pypi.tuna.tsinghua.edu.cn/simple

**注意**：QuantAll 依赖约 45 个包（含 PySide6 等大型库），总大小约 300MB，强烈建议使用国内镜像源加速。

### 2. 配置 MCP 客户端

在 MCP 客户端的配置文件（如 \~/.workbuddy/mcp.json）中添加以下条目：

{

  "mcpServers": {

    "全A解析": {

      "url": "http://127.0.0.1:8686/mcp",

      "disabled": false

    }

  }

}

如果已有其他 MCP 配置，请合并到 mcpServers 中，不要覆盖已有条目。

### 3. 启动 QuantAll 服务

进入 scripts/ 目录，运行启动脚本：

scripts/.venv/Scripts/python.exe scripts/Start\_QuantAll.py

服务将在 http://127.0.0.1:8686 启动，提供 HTTP MCP 接口。

**推荐做法**：创建桌面快捷方式，方便一键启动。具体方法参见技能包中的 SKILL.md。

### 4. 信任 MCP 连接（WorkBuddy 用户）

由于 QuantAll 是 HTTP MCP（非 stdio），WorkBuddy 不会自动发现新服务。请在 **连接器管理** 页面中找到 **全A解析**，点击 **信任** 按钮授权，或直接重启 WorkBuddy。

---

## 🧰 可用工具一览

| 工具 | 功能 |

|------|------|

| ping | 健康检查 |

| available\_data | 查看当前数据库中可用的数据字段 |

| strategy\_backtest | 策略回测（支持 summary/detail/segments/timeline 视图） |

| factor\_analysis | 单因子 IC 分析（summary/daily/scatter 模式） |

| batch\_factor\_analysis | 批量因子 IC 分析（一次传入多个因子） |

| save\_factor\_result | 保存因子分析结果到数据库 |

| new\_layer\_from\_code | 创建自定义图层（标记感兴趣的事件/条件） |

| move\_by\_code | 将数据维度映射到 X/Y 轴（坐标平移） |

| weight\_by\_code | 设置统计权重 |

| select\_by\_code | 筛选子集（支持 6 种集合运算） |

| heat\_map | 获取二维热力图统计矩阵（支持自定义范围） |

| get\_user\_selection | 获取用户在 GUI 端框选的散点信息 |

| MCP\_Close | 关闭服务（谨慎使用） |

详细参数说明和使用示例请参考技能包中的 SKILL.md。

---

## 📊 典型工作流

### 策略回测

1. ping 确认服务就绪

2. available\_data 确认所需字段

3. strategy\_backtest（先 view=summary 快速评估，再根据需要深入 detail/segments/timeline）

### 因子分析

1. factor\_analysis（mode=summary）判断因子有效性（|IC_IR|>0.3）

2. 若有效，切换 mode=daily 或 scatter 查看时序和分布

3. 使用 batch\_factor\_analysis 横向对比多个因子

4. 将有效因子用于策略回测验证

### 可视化探索

1. new\_layer\_from\_code 标记感兴趣的事件（如买入信号、全市场点）

2. move\_by\_code 将因子映射到 X/Y 轴

3. weight\_by\_code 设置权重（可选）

4. heat\_map 获取分布矩阵

5. select\_by\_code 筛选子集，迭代分析

6. 用户框选感兴趣的散点 → get\_user\_selection → AI 深入分析

---

## 📁 数据管理

QuantAll 本身不生产数据，而是读取用户本地 DuckDB 数据库。技能包内置了一个测试数据库（仅含沪深 300 近两年基础行情，A 股示例），仅供功能验证。QuantAll 不限定市场：只要你的 DuckDB 按引擎约定表结构组织好任意市场（A股/港股/美股/期货等）的行情数据，即可统一计算。

- **使用自有数据库**：修改 scripts/DB\_setting.json 中的 db\_path 指向您的 DuckDB 文件，并确保表结构符合要求（详见 SKILL.md）。

- **使用 UpdateStock 辅助工具**：如果需要通过 AI 自动创建和更新数据库，可以额外配置 UpdateStock MCP（需 tushare API key，具体见技能包中的说明）。

---

## ⚠️ 注意事项

- 所有需要 code 参数的工具均运行在 **Python Exec 环境**，代码必须**向量化**，禁止使用 import、循环、lambda、df.apply() 等。

- 每股类因子必须除以 d\['close']（非复权价）以消除量纲。

- 回测中持仓矩阵使用内置函数 hold\_until(buy, sell) 生成。

- **不支持并行工具调用**——所有 MCP 工具必须串行执行。

• 🪟 平台要求：当前技能仅支持 Windows。安装脚本、.venv 路径（Scripts/python.exe）、桌面 .lnk 快捷方式均为 Windows 形态，macOS / Linux 暂不支持。

---

## 🔄 更新技能

当技能包版本更新时，请同步升级 Python 库：

scripts/.venv/Scripts/python.exe -m pip install --upgrade quantall -i https://pypi.tuna.tsinghua.edu.cn/simple

然后重启 QuantAll 服务，并在客户端中重连 MCP。

---

## 📄 许可证

本技能遵循 [MIT License](LICENSE)或具体参见技能包中的许可证文件。

备注：仅本技能，非python包quantall

---

## 📖 更多文档

详细的使用模式、代码模板、实战案例和踩坑记录，请参阅技能包中的 SKILL.md 和 references/quantall\_playbook.md。

---

**享受用代码探索市场的乐趣！** 🚀