AI导哈

股票回测工具

一款轻量级模块化的回测应用，通过自然语言交易策略解析和执行结构化策略。

  • by SCGR-1
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 SCGR-1/MCP_hackathon

使用说明

标题：股票回测MCP 表情符号📈 颜色来源：蓝色 颜色To：绿色 sdk：毕业 app_file：app.py 固定：false 标签：

  • “建设mcp轨道xx”

LinkedIn帖子：https://www.linkedin.com/feed/update/urn:li:activity:7400976801524629504/

演示视频：https://youtu.be/EKdxNMhcD8I

LLM驱动的策略回溯测试

一个轻量级的模块化回溯测试应用程序，可以转换 自然语言交易策略 使用OpenAI GPT-4o-mini将其转化为结构化的可执行策略。

技术支持：

  • 格拉迪奥 --交互式web UI
  • 模态 --云托管LLM策略解析器端点
  • OpenAI GPT-4o-mini --自然语言理解
  • python --可插拔回溯测试引擎
  • AlphaVantage --历史每日价格数据（免费等级：~100个交易日）

特性

自然语言策略解析（LLM模式）

用户可以编写自由形式的策略描述，系统会自动将其转换为结构化配置：

示例：

  • “当10天均线超过50天均线时买入，当均线低于50天时卖出”
  • “每7天投资1000美元，初始现金为5000美元”
  • “DCA每周500美元”
  • “买入并长期持有”

LLM（OpenAI GPT-4o-mini）解析描述并返回结构化配置：

{
  "type": "ma_cross",
  "params": {"short_window": 10, "long_window": 50},
  "initial_cash": 5000
}

手动模式

或者，用户可以直接通过UI手动选择策略类型并设置参数。

支持的策略

  1. 移动平均线交叉（ma_cross）

    • 当空头MA超过多头MA时买入
    • 当空头MA跌破多头MA时卖出
    • 参数： short_window, long_window

  2. 美元成本平均值（dca）

    • 定期投资固定金额
    • 参数： interval_days, buy_amount
    • 支持 initial_cash 从LLM中提取
    • 注：对于DCA，显示的“初始现金”指标表示总投资（初始现金+所有定期投资）

  3. 买入并持有

    • 在开始时购买并持有至结束
    • 参数： buy_fraction （默认值：1.0）

  4. 其他

    • 当策略描述与上述任何一项都不匹配时返回
    • 参数： {} （空）

回溯测试指标

  • 初始现金/最终权益
  • 总回报/年化回报
  • 最大跌幅
  • 交易次数/胜率
  • 股权曲线可视化

设置

先决条件

  • Python 3.8+
  • 模态账户（用于LLM端点）
  • OpenAI API密钥
  • AlphaVantage API密钥（提供免费层）

安装

  1. 克隆仓库

    git clone <repository-url>
cd "MCP Hackathon"

  2. 安装依赖项

    pip install -r requirements.txt

  3. 设置环境变量

    创建一个 .env 项目根目录中的文件：

    ALPHAVANTAGE_API_KEY=your_alphavantage_api_key
MODAL_STRATEGY_URL=https://your-username--strategy-config-service-strategy-config-web.modal.run

    注： OPENAI_API_KEY 不需要 .env 为了地方发展。模态端点使用来自模态机密的API密钥。但是，如果你想在本地测试LLM解析，你可以选择添加它。

  4. 部署模态端点

    Modal应用程序托管LLM策略解析器。使用以下方式进行部署：

    modal deploy modal_app.py

    部署后，Modal将提供一个URL。更新 MODAL_STRATEGY_URL 在你的 .env 文件。

  5. 设置模态秘密

    在Modal web UI中，创建一个名为 openai-secret 与：

    OPENAI_API_KEY=your_openai_api_key

运行应用程序

python app.py

Gradio界面将在 http://127.0.0.1:7860

用法

LLM模式（推荐）

  1. 选择 LLM 从“策略模式”下拉列表中
  2. 输入自然语言策略描述
  3. 在描述中可选地指定初始现金（例如，“初始现金为5000美元”）
  4. 点击“运行回溯测试”

输入示例：

  • “当10天均线超过50天均线时买入，当均线低于50天时卖出”
  • “DCA每7天1000美元，初始现金=5000”
  • “每周投资500美元，起始资本为10000美元”
  • “用初始现金20000美元购买并长期持有”

注： LLM自动提取 initial_cash 如果在描述中提及。如果没有提及，系统将使用UI中的默认值（10000）。

手动模式

  1. 选择 “手册” 从“策略模式”下拉列表中
  2. 选择策略类型（ma_cross、dca或buy_and_hold）
  3. 设置所需参数
  4. 设定初始现金
  5. 点击“运行回溯测试”

数据限制

AlphaVantage免费套餐：

  • 提供约100个交易日的历史数据
  • 每天25个API请求
  • 开始日期必须在最近100天内

UI包括验证，以确保日期在可用范围内。

项目结构

.
├── app.py                 # Main Gradio UI application
├── llm_strategy.py        # Client-side LLM strategy parser (calls Modal)
├── modal_app.py           # Modal deployment: LLM endpoint (OpenAI GPT-4o-mini)
├── mcp_server.py          # MCP server implementation (FastMCP tools for strategy parsing and backtesting)
├── backtest/
│   ├── __init__.py        # Package initialization
│   ├── engine.py          # Backtest orchestrator
│   ├── strategies.py      # Strategy implementations (ma_cross, dca, buy_and_hold)
│   ├── data.py            # AlphaVantage data fetcher
│   └── metrics.py         # Performance metrics calculation
├── requirements.txt       # Python dependencies
├── README.md             # This file
└── .env                  # Environment variables (create this file)

注： 其他文件，如 mcp_client_http.py 和 test_client.py 可以用于MCP客户端测试，但不是核心回测功能所必需的。

运作原理

  1. 用户输入 → Gradio用户界面(app.py)
  2. LLM解析 → 模态端点(modal_app.py)调用OpenAI GPT-4o-mini
  3. 策略配置 → 返回给客户端的结构化JSON(llm_strategy.py)
  4. 数据获取 → AlphaVantage API(backtest/data.py)
  5. 回溯测试 → 战略执行(backtest/strategies.py)
  6. 度量与可视化 → 结果显示在UI中

API密钥

AlphaVantage

  • 免费层：从获取您的API密钥https://www.alphavantage.co/support/#api-钥匙
  • 速率限制：每天25个请求

OpenAI

  • 从获取API密钥https://platform.openai.com/api-keys
  • 由Modal端点用于策略解析

模态

  • 注册地址：https://modal.com
  • 部署端点并获取的URL MODAL_STRATEGY_URL

故障排除

“模态端点返回非200状态：404”

  • 确保已部署Modal应用程序： modal deploy modal_app.py
  • 检查一下 MODAL_STRATEGY_URL 在 .env 与部署的端点URL匹配

“超过AlphaVantage API费率限制”

  • 免费套餐每天允许25个请求
  • 等待24小时或升级到高级计划

“指定日期范围内没有数据”

  • AlphaVantage免费套餐仅提供约100个交易日
  • 使用过去100天内的开始日期

“LLM策略解析失败”

  • 检查一下 OPENAI_API_KEY 设置在模态秘密中
  • 验证模态端点是否正在运行
  • 检查与Modal的网络连接

相关 MCP