原创内容第1037篇，专注AGI+，AI量化投资、个人成长与财富自由。春有百花秋有月，夏有凉风冬有雪。
若无闲事挂心头，便是人间好时节。
| Quant 1.0 | | | 过于依赖特定人才，策略研究效率低，难以处理复杂数据和模型。 |
| Quant 2.0 | | 建立标准化流水线，大规模挖掘有效的Alpha因子。 | |
| Quant 3.0 | | 利用深度学习的端到端学习能力和非线性拟合能力预测市场。 | 模型构建耗时、是难以解释的"黑箱"，且严重依赖大量数据，难以应用于低频投资。 |
| Quant 4.0 | | 融合自动化AI、可解释AI(XAI)和知识驱动AI，实现更智能、透明、全面的投资决策。 | 面临计算力需求、另类数据融合、因果推断等技术挑战，同时需关注模型稳定性、数据隐私等问题。 |
从上面表格的描述，很多量化投资是停留在quant1.0的阶段，整合了个人主观念投资理念和量化规则，去构建一个模型或者策略。2.0的流水式因子挖掘，在大型私募公司广泛应用。但筛选因子和因子维护其实代价不小。3.0深度学习，在高频领域用得比较多，对算力和建模能力要求高。在AGI时代，咱们直接跳过2.0和3.0，直接到4.0。让智能体自动化去构建因子和策略，从“数据驱动”转为“知识驱动”。让投资过程透明且可解释。重拾kensho理念，数据驱动，智能问答的金融量化引擎。 跳过“静态的”因子构造和挖掘，跳过深度学习模型的拟合。 直面市场的动态和逻辑。 首先，是不是内置openai like。这个很关键，因内的大模型api，基本都兼容openai-like的格式。其实看接口封装是否合理，比较同步流，异步流是否能够轻松支持。有了基础判断之后，首先测试调用函数，其中重要的一个功能就是联网能力扩展。
from datetime import datetime
from agentscope.agent import ReActAgent, UserAgentfrom agentscope.model import DashScopeChatModel, OpenAIChatModelfrom agentscope.formatter import DashScopeChatFormatter, OpenAIChatFormatterfrom agentscope.memory import InMemoryMemoryfrom agentscope.tool import Toolkit, execute_python_code, execute_shell_commandimport os, asynciofrom utils import modelimport agentscope
current_date = datetime.now().strftime("%Y年%m月%d日")sys_prompts = f'''AI智能量化投资助手。擅长A股，港股，美股，ETF，期货等量化投资。当前日期：{current_date}'''
from tools.mcp_utils import map_mcp
async def main(): toolkit = Toolkit() toolkit.register_tool_function(execute_python_code) toolkit.register_tool_function(search) toolkit.register_tool_function(execute_shell_command)
await toolkit.register_mcp_client( map_mcp, )
print("注册的 MCP 工具总数：", len(toolkit.get_json_schemas()))
agent = ReActAgent( name="AI量化小助手", sys_prompt=sys_prompts, model=model, memory=InMemoryMemory(), formatter=OpenAIChatFormatter(), toolkit=toolkit, )
user = UserAgent(name="user")
msg = None while True: msg = await agent(msg) msg = await user(msg) if msg.get_text_content() == "exit": breakagentscope.init(studio_url="http://localhost:3000")asyncio.run(main())
代码和数据下载：AI量化实验室——2025量化投资的星辰大海AI量化实验室 星球，已经运行三年多，1900+会员。
aitrader代码，因子表达式引擎、遗传算法（Deap）因子挖掘引擎等，支持vnpy，qlib，backtrader和bt引擎，内置多个年化30%+的策略，每周五迭代一次，代码和数据在星球全部开源。
点击 “查看原文”，直接访问策略集合。
