QuantDinger 全网最全保姆级教程：5分钟搭建AI量化系统

在这个连菜市场大妈都在讨论股票的时代你有没有想过一个问题为什么明明看了那么多研报学了那么多战法一到实操还是变成“韭菜”说白了人的大脑在处理海量数据、克服贪婪与恐惧时是有天然瓶颈的。而“量化交易”就是把那些复杂的计算、严苛的纪律全部交给冰冷的机器和代码去执行。一提到量化很多人脑海里马上浮现出西装革履的华尔街精英或者密密麻麻的彭博终端机觉得这是普通人高攀不起的领域。但今天我要给大家拆解一个开源界的“宝藏项目”——QuantDinger。它不仅能帮你做基本面分析、技术面分析甚至还能让你用自然语言让 AI 自动生成交易策略代码并且一键跑回测最爽的是它完全部署在你自己的电脑上数据安全不用看别人的脸色。今天这篇文章我会用最接地气的大白话手把手带你把这个神器跑起来。全程保姆级教程只要你会敲键盘就能跟着做。目录第一阶段兵马未动粮草先行环境准备第二阶段四步走把量化系统拉回本地第一步把代码“偷”回来第二步配置“门禁卡”极其重要第三步一键启动见证奇迹的时刻第四步Windows 用户的专属“避坑指南”第五步敲开系统的大门第三阶段注入灵魂——接入大模型第四阶段实战演练感受 AI 的降维打击场景一AI 资产分析——一秒出具研报场景二预测市场——窥探未来的水晶球场景三指标 IDE——不会写代码让 AI 写给你看场景四交易机器人——解放双手的终极形态附录日常使用与保养指南结语第一阶段兵马未动粮草先行环境准备别被“部署”两个字吓到现在的技术早就把门槛踩在脚底下了。我们不需要去配什么乱七八糟的 Python 环境也不需要装数据库我们只需要一个神器Docker。什么是 Docker 说人话它就是一个装软件的“集装箱”。以前装软件各种依赖冲突能把人逼疯有了 Docker人家把运行环境打包好了你直接搬过来用就行。你需要准备的只有三样电脑系统Windows 10/11推荐、macOS 或者 Linux 都行。Docker去官网下载个 Docker Desktop安装完之后确保你的电脑任务栏或顶栏里能看到一个小鲸鱼的图标说明它正在运行。Git一个用来下载代码的小工具。怎么确认准备好了在你的电脑上打开终端Windows 用户按 Win 键搜 “PowerShell”Mac 用户打开“终端”输入下面三行命令docker -v docker compose version # 注意新版 Docker 自带 docker compose不带横线 git --version只要这三行命令没有报错而是弹出一串版本号恭喜你最难的坎你已经迈过去了第二阶段四步走把量化系统拉回本地接下来的操作堪称“傻瓜式一键部署”。打开你的终端跟着我一步步复制粘贴。第一步把代码“偷”回来在终端里敲入下面这行代码回车。它会把 GitHub 上的最新代码完整下载到你电脑上。git clone https://github.com/brokermr810/QuantDinger.git cd QuantDinger说明这个仓库已经包含前端预构建产物frontend/dist所以不需要安装 Node.js。第二步配置“门禁卡”极其重要系统为了安全需要你设置一把专属的钥匙SECRET_KEY。如果你不改后端会傲娇地拒绝启动。Mac / Linux 用户直接复制这两行cp backend_api_python/env.example backend_api_python/.env chmod x ./scripts/generate-secret-key.sh # 如果没有执行权限就先加上 ./scripts/generate-secret-key.shWindows PowerShellCopy-Item backend_api_python\env.example -Destination backend_api_python\.env powershell -ExecutionPolicy Bypass -File .\scripts\generate-secret-key.ps1注意主配置就是 backend_api_python/.env根目录下是否创建 .env 是可选的只用于镜像前缀、自定义端口等。脚本会自动在 backend_api_python/.env 中写入一个随机密钥并提示成功。可选如果你想手工改也可以直接编辑 backend_api_python/.env把下面这行改成你自己的随机字符串SECRET_KEY这里改成你自己的随机字符串第三步一键启动见证奇迹的时刻在项目目录下敲下这行拥有魔力的命令docker-compose up -d --build回车之后你可以去泡杯咖啡了。因为这是第一次启动系统要跑去网上拉取 PostgreSQL 数据库、Redis 缓存、Python 后端和 Nginx 前端的镜像还要安装依赖。根据你的网速大概需要 3 到 10 分钟。你只要看着终端里哗啦啦滚动的代码日志感受科技的魅力就好。第四步Windows 用户的专属“避坑指南”Windows 有一个臭名昭著的机制叫 Hyper-V它每次重启都会随机“霸占”一批端口通常是 5000-6000 之间。如果你的运气不太好刚好系统占用了 5432 端口数据库就起不来了。 怎么办 别慌在 PowerShell 里敲下面这条命令看看哪些端口被占了。netsh interface ipv4 show excludedportrange protocoltcp然后用记事本打开项目里的docker-compose.yml找到ports那一行把原来的ports:- 127.0.0.1:5432:5432改成ports:- 127.0.0.1:5151:5432 # 只改了左边的右边的 5432 别动(注意冒号左边的 5151 是你电脑访问的端口冒号右边的 5432 是容器内部的端口只能改左边)保存文件。在 PowerShell 里重新启动docker-compose up -d这次应该就能顺利跑起来了补充提示改完之后如果你以后想用本机的数据库可视化工具连这个项目的数据库记得端口要填 5151用户名密码看docker-compose.yml里的POSTGRES_USER和POSTGRES_PASSWORD。查看容器是否正常运行docker-compose ps # 查看各容器状态StateUp、Healthhealthy docker-compose logs -f backend # 实时看后端日志官方提供了健康检查端点也可以用浏览器或 curl 验证后端健康检查http://localhost:5000/api/health第五步敲开系统的大门等终端不再滚动后打开浏览器在地址栏输入http://localhost:8888看到登录界面的那一刻你应该给自己鼓个掌。默认账号密码是quantdinger/123456。登录进去的第一件事赶紧去把默认密码改了第三阶段注入灵魂——接入大模型如果只是个跑数据的空壳那 QuantDinger 最多算个软件。但它之所以叫“神器”是因为它能接入目前最前沿的大语言模型LLM让 AI 成为你私人定制的分析师。系统设置里它支持接入各类大模型甚至兼容 Azure OpenAI 的接口。在这里我拿蓝耘官方最新上线的 GLM-5.1 模型来做个测试。拿到 API KEY 后回到 QuantDinger 的系统设置页面。你会看到几个输入框我们需要把刚才的信息填进去API Base URL填入蓝耘平台提供的接口地址。API Key把你刚才复制的那串密钥贴进来。模型名称填入 /maas/zhipuai/GLM-5.1。这里没有“测试连接”的按钮有点小粗糙但没关系我们直接去实战检验第四阶段实战演练感受 AI 的降维打击配置好大模型后我们终于可以进入正题了。QuantDinger 里有几个核心模块每一个都能让你惊呼“原来还可以这样”。场景一AI 资产分析——一秒出具研报我们在“AI资产分析”模块里输入美股代码MSFT微软点击“开始分析”。这时候你配置的 GLM-5.1 大模型就开始在后台疯狂运转了。稍微等个几分钟取决于大模型的响应速度一份极其详尽的分析报告就出来了。你看看它给了什么结论“MSFT处于强势上升趋势中MACD金叉且均线多头排列基本面极为强劲ROE 34.4%、净利率39%、EPS持续增长支撑中长期看多逻辑。但RSI已达68.71接近超买区域价格临 近阻力位$427.43短期存在回调风险建议轻仓做多并严格止损。 [多周期客观共识综合评分-45.0分明显利空建议SELL]”看到没有它不仅懂技术面的 MACD、RSI、布林带还懂基本面的 ROE、净利率。最可怕的是它最后还能克制住“看多”的冲动通过多周期打分给出了“SELL”的客观建议。这种兼顾细节与宏观且不带人类主观情绪的分析就是 AI 最大的价值。场景二预测市场——窥探未来的水晶球前面试过了即时分析我们再点开“预测市场”模块。同样是输入代码等待大概一分钟的时间系统会结合更多的宏观因子和情绪指标给出来一份关于未来走势的预测逻辑推演。这对于我们做仓位管理和风控有着极大的参考意义。场景三指标 IDE——不会写代码让 AI 写给你看这是我个人最喜欢的模块。很多散户想玩量化卡在哪儿卡在不会写 Python看不懂 pandas。在 QuantDinger 的指标 IDE 里你可以直接用大白话对 AI 说“帮我写一个优化版的布林带反转策略加宽布林带与止损空间增加移动止盈锁定利润。”话音刚落AI 瞬间生成了几十行极其规范的策略代码(代码展示包含了 period 参数、mult标准差倍数、止损止盈比例、移动止盈逻辑甚至精细到买卖标记在 K 线上的偏移比例df[low].iloc[i] * 0.995。)my_indicator_name [示例] 布林带触及 my_indicator_description 优化版布林带反转策略加宽布林带与止损空间增加移动止盈锁定利润降低单笔仓位。 # param period int 30 布林带周期 # param mult float 2.5 布林带标准差倍数 # strategy stopLossPct 0.03 # strategy takeProfitPct 0.06 # strategy entryPct 0.25 # strategy trailingEnabled true # strategy trailingStopPct 0.02 # strategy trailingActivationPct 0.03 # strategy tradeDirection long df df.copy() period int(params.get(period, 30)) mult float(params.get(mult, 2.5)) mid df[close].rolling(period, min_periods1).mean() std df[close].rolling(period, min_periods1).std().fillna(0) upper mid mult * std lower mid - mult * std raw_buy df[close] lower raw_sell df[close] upper buy raw_buy.fillna(False) (~raw_buy.shift(1).fillna(False)) sell raw_sell.fillna(False) (~raw_sell.shift(1).fillna(False)) df[buy] buy.astype(bool) df[sell] sell.astype(bool) buy_marks [df[low].iloc[i] * 0.995 if bool(buy.iloc[i]) else None for i in range(len(df))] sell_marks [df[high].iloc[i] * 1.005 if bool(sell.iloc[i]) else None for i in range(len(df))] output { name: my_indicator_name, plots: [ {name: BOLL 上, data: upper.tolist(), color: #69c0ff, overlay: True}, {name: BOLL 中, data: mid.tolist(), color: #d9d9d9, overlay: True}, {name: BOLL 下, data: lower.tolist(), color: #69c0ff, overlay: True} ], signals: [ {type: buy, text: B, data: buy_marks, color: #00E676}, {type: sell, text: S, data: sell_marks, color: #FF5252} ] }这还不算完点击“运行回测”系统会直接把这段代码扔进历史数据里跑一遍。几秒钟后屏幕上出现了一条回测收益曲线。看着那根在长时间维度里稳步向上、几乎“一马平川”的权益曲线你的内心绝对会掀起波澜。以前你在软件上手动画线、瞎猜涨跌现在你只要能想到逻辑AI 就能帮你变成可以回测的代码场景四交易机器人——解放双手的终极形态在“交易机器人”模块里你可以把前面写好的策略配置成不同的 Agent智能体。设定好条件后它甚至可以帮你自动盯盘、自动下发交易指令。不过这里我要敲个黑板 AI 交易虽然酷炫但市场是残酷的。量化回测里的“一马平川”不代表实盘一定能赚钱因为有滑点、手续费等现实因素。这个功能适合有经验的玩家去折腾行外小白千万别轻易拿真金白银去让机器人自动交易附录日常使用与保养指南把系统跑起来只是一半日常怎么维护呢这里送你几句“口诀”全在项目根目录的终端里操作想看状态docker-compose ps看四个容器是不是都是健康的 Up 状态想看后端日志docker-compose logs -f backend排查大模型有没有报错就用这个只改了后端配置docker-compose restart backend不用整体重启省时间大改了一通代码docker-compose up -d --build重新构建并启动今天不玩了关机docker-compose down放心你的数据都在 Docker 卷里不会丢如果你是个喜欢折腾的极客还可以在根目录建一个.env文件把前端的8888端口改成3000或者加上国内的镜像加速前缀比如docker.m.daocloud.io/library/这样拉取镜像的速度能起飞。结语在这个信息过载的时代散户和机构的差距往往就是“数据处理能力”的差距。QuantDinger 这样的开源项目的出现就像是给普通投资者发了一把赛博朋克时代的武器。它把复杂的金融工程、枯燥的代码编写、昂贵的大模型算力全部封装成了一个个可视化的按钮。不需要你懂底层逻辑不需要你买昂贵的服务器只要一台能跑 Docker 的电脑你就能拥有一个堪比小型私募投研团队的辅助系统。当然工具再好也只是工具。AI 能帮你排除情绪干扰、处理海量数据但最终按下“买入”或“卖出”按钮的依然是你自己。保持对市场的敬畏用理性去驾驭工具这才是量化交易带给我们最大的意义。赶紧去部署试试吧开启你的 AI 量化第一步如果觉得文章对你有帮助欢迎点赞、在看、转发三连你的支持是我持续输出干货的最大动力