开放式自主迭代量化研究引擎
Discover. Reason. Validate. Evolve.
An open research engine connecting economic hypotheses, timestamped judgements, mature outcome checks, and reusable feedback. Keep your data, models and accounts in your own workspace.
QuantItera 把经济机制研究、事前判断、到期验证和历史经验连成一个持续积累的研究过程。它是 Python 开源引擎，也可以作为 ChatGPT 的研究工作空间：每次正式研究先读历史反馈，研究者形成判断后以结构化请求归档，程序在结果成熟时验证明确条件，再把支持、反驳、错误和证据缺口送回下一轮研究。
“自主迭代”包含自动到期检查、客观验证、知识整理和报告更新。最新信息搜集、经济机制推理和复杂因果评价仍由研究者或 ChatGPT 完成；引擎没有后台大模型、收费 API 或交易执行。
flowchart LR
A[读取历史知识与验证反馈] --> B[研究者搜集原始信息]
B --> C[经济机制、事前预期与竞争解释]
C --> D[调用自己的资产与组合模型]
D --> E[归档判断与验证条件]
E --> F[定时检查结果成熟情况]
F --> G{证据是否足够}
G -->|明确客观条件| H[程序对照结果]
G -->|复杂机制或资料不足| I[整理证据并等待研究者评价]
H --> J[复盘、错误与新假设]
I --> J
J --> A
J --> K[研究成绩与真实投资成绩]
普通回测回答某个规则在历史数据中的表现。QuantItera 还记录判断在何时、基于什么证据提出，后来哪些部分得到支持或反驳，以及下一次研究是否取得这些反馈。回测、前向代理观察、模型模拟和真实账户成绩分别保存；历史结果也不会自动成为因果结论或策略权重。
| 能力 | 实际行为 |
|---|---|
| V6 经济机制探索 | 分开保存事件、事前预期和机制证据；保留时间、单位、修订、支持、反证、竞争解释及下一观察 |
| 判断归档与到期任务 | inbox 请求自动处理，追加不可覆盖事件，按 review_at 登记验证任务并生成回执 |
| 客观验证 | 同标的、币种、收益口径和完整窗口匹配后，验证收盘收益或点位阈值；缺数据继续待评价 |
| 复杂研究与政策 | 保存证据缺口和竞争解释，由研究者完成评价；政策核对约束，不按价格涨跌评分 |
| 知识反馈 | discuss 先推进到期检查，再返回本资产及 all 通用经验；旧观点被替代后，复盘经验仍可检索 |
| 统一模型接口 | 私人 provider 调用独立资产模型和用户级组合模型，显式传入研究反馈并检查反馈版本 |
| 研究成绩 | 按资产、期限和模型版本统计原判断、复盘、前向观察、机制与因子进度；未打分保持未打分 |
| 真实投资成绩 | 完整资料下处理外部资金流、分红、费用、汇率、TWR、风险和可比基准；缺失指标说明所需资料 |
| 空白工作空间与 Actions | 独立数据目录、ChatGPT 入口和串行定时模板；不带个人持仓、策略或默认模型 |
核心能力复用原 V6 / P1 实现，来源与迁移边界 可以核对。完整模块关系见 架构说明。
需要 Git 和 Python 3.12+。在自己的 Python 环境运行：
git clone --branch v0.5.0 https://github.com/wysking/quantitera.git
cd quantitera
python -m pip install -e .
python -m research_engine init --workspace ../my-research
python -m research_engine refresh --workspace ../my-research
python -m research_engine discuss --workspace ../my-research --asset my_asset空白运行不会出现默认持仓、模型或研究结论。接下来按 新用户使用指南 添加自己的研究对象、行情、模型和判断。
两个可以直接运行的完整示例，目标目录须不存在或为空：
python -m examples.research_demo --workspace ../quantitera-tutorial
python -m examples.performance_demo --workspace ../quantitera-performance-demo第一个示例从空白目录走过经济证据、两项市场判断、复杂机制评价、下一轮判断和资产/组合模型反馈。第二个示例演示带入金、出金及费用的账户收益计算。两个示例的证据、行情和账户均为合成数据。
| 内容 | 可直接阅读 | 本地运行后的路径 |
|---|---|---|
| 经济机制、验证与下一轮反馈 | 研究闭环示例 / 结构化结果 | exports/tutorial/ |
| 长期研究成绩 | 研究成绩示例 | exports/research_performance.md / .json |
| 实际账户绩效的展示口径 | 合成账户报告 | exports/live_portfolio_performance.md / .json |
| 可选公开摘要 | 合成分享示例 | exports/shareable/ |
真实成绩只在个人工作空间生成。config/performance.json 的 sharing.research / sharing.live 默认关闭；未选择时摘要只显示未选择状态。选择后也仅生成允许字段的摘要文件，没有自动发布动作。公开引擎不需要账户明细。计算口径和缺失资料见 成绩报告说明。
公开仓库保存通用引擎、空白模板、测试和合成示例。个人账户、资产模型、策略、组合、因子定义和研究成果由独立工作空间保存；已有系统可以保持原账本及运行方式，通过 provider 读取原资料和调用原模型。
{"schema_version":1,"mechanisms":{},"provider":"my_models:provide"}入口为 provide(workspace, clock, operation, **kwargs)。资产模型收到本资产及通用验证反馈；组合模型收到全部资产结果和缺失项。详细契约、已有系统接入和可选因子/成绩能力见 模型与工作空间接口。
每次 discuss 都从当前知识重新取反馈，所以历史不会只是留在文件里。研究者仍须说明反馈如何影响新判断；接口不自动修改模型参数，也不据样本收益宣布研究能力改善。
把初始化目录保存到自己的私有 GitHub 仓库 main 分支，模板内的 .github/workflows/research.yml 使用标准 Ubuntu runner，串行处理请求、检查到期任务并保存报告。配置完成后不需要每天手动运行 Actions。
行情仍由自己的数据入口更新 inputs/market.json。数据尚未更新时，任务明确等待；复杂经济研究通过工作空间 CHATGPT_WORKFLOW.md 继续。默认分支、写入权限、调度时区和免费额度边界见 自动刷新指南。
python -m pip install -e '.[test]'
python -m pytest -qCI 测试公开引擎，并从安装后的 wheel、空白 Git 仓库和复制出的示例验证完整使用流程，不需要私人仓库或密钥。复现记录、已有真实模型兼容性及待改进项见 v0.5.0 验收与发布说明。参与维护见 CONTRIBUTING.md 和 CHANGELOG.md。
当前交易日历登记到 2026 年；未知年份或标的明确拒绝，需要有来源的扩展。引擎没有内置行情抓取、通用回测器、默认因子库、自动策略调权或实盘下单。复杂机制的因果识别和可比研究能力评估仍需专门证据与研究设计。