AI导哈

量化分析工具

一个基于模型上下文协议（MCP）的协作式量化金融项目，支持实时金融数据检索、机器学习工作流和结构化工具调用，适用于研究、实验和团队开发。

  • by HarishBankai
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 HarishBankai/STOCK-FUND-MCP-HACKATHON

使用说明

📊 量化分析师MCP

基于 模型上下文协议（MCP）。此存储库演示了如何 代理人工智能系统 可以使用轻量级的本地工具来编排实时财务数据检索、机器学习工作流和结构化工具调用 服务器-客户端架构.

设计用于 研究、实验和基于团队的开发.

🚀 主要特点

  • 📈 实时和历史市场数据通过 雅虎财经
  • 🤖 代理请求/响应处理使用 主控程序
  • 🧠 用于预测分析的机器学习模型
  • 🔁 客户端驱动的工具编排循环
  • 📊 自动生成的图表和趋势分析
  • 🌍 全球股票支持（纽约证券交易所、纳斯达克、NSE等）

🗂️ 项目结构

quant-analyst/
│
├── server.py        # MCP server: market data ingestion + ML models
├── client.py        # Agentic client orchestrating tool calls
├── requirements.txt # Python dependencies
├── .env             # Environment variables (not committed)
├── plots/           # Generated charts and analysis outputs
└── README.md

文件概述

  • server.py 实现MCP服务器并公开以下工具：

    • 使用以下工具获取财务数据 yfinance
    • 运行预测模型 scikit-learn

  • client.py 充当编排层，管理：

    • 工具调用
    • 请求路由
    • 来自MCP服务器的结构化响应

  • plots/ 生成的可视化和报告的输出目录。

⚙️ 需求

  • Python 3.10+
  • 推荐：Python虚拟环境(venv)

🛠️ 设置

1.️⃣ 创建和激活虚拟环境

python -m venv .venv
.\.venv\Scripts\activate

2.️⃣ 安装MCP CLI和核心实用程序

uv add mcp[cli] httpx use

3.️⃣ 更新 pip

python -m ensurepip --upgrade
pip install --upgrade pip

4.️⃣ 安装依赖项

pip install -r requirements.txt

5.️⃣ 配置环境变量

创建 .env 项目根目录中的文件：

OPENAI_API_KEY=your_api_key_here

🔐 安全说明 确保 .env 被包含在 .gitignore 以防止敏感凭据的意外提交。

▶️ 运行项目

通过客户端启动Quant‑Analyst MCP服务器：

python client.py server.py

这将启动：

  • MCP服务器公开财务分析工具
  • 处理代理工作流的客户端编排循环

🌍 市场覆盖率

系统支持 国际股票代码 遵循雅虎财经惯例：

  • AAPL –苹果（美国）
  • TSLA –特斯拉（美国）
  • RELIANCE.NS –信实工业（印度-NSE）
  • INFY.NS –印孚瑟斯（印度–NSE）

🔐 安全最佳实践

  • 永远不要提交API密钥或机密
  • 始终使用 .env 用于敏感配置
  • 定期旋转API密钥
  • 在共享之前审查生成的输出

🤝 贡献

欢迎投稿！

您可以通过以下方式提供帮助：

  • 添加技术指标（RSI、MACD、布林带）
  • 改进ML模型
  • 整合情绪或新闻分析
  • 增强MCP工具工作流程

如何做出贡献

  1. 克隆该仓库
  2. 创建要素分支
  3. 提交您的更改
  4. 提交拉取请求

🛣️ 路线图

  • []扩大技术指标
  • []新闻与情绪分析
  • []回溯测试框架
  • []多资产组合建模
  • []交互式仪表板

📄 许可证

该项目旨在 教育和研究目的. 如果您计划公开或商业分发，请添加许可证文件。

作者：团队经纪人（Harish Ambalgikar、Vaishnavi Patane、Aniket Bade）

相关 MCP