PandaAI QuantFlow 是一个集成的量化交易和机器学习工作流平台，旨在为量化研究人员提供完整的端到端解决方案，降低AI门槛，打破传统量化高门槛壁垒，让主观交易者、学生乃至普通投资者都能参与策略研发。
🔧 可视化工作流编排
- 基于节点的可视化工作流设计器，支持拖拽式构建复杂的量化研究和交易策略流程
- 丰富的内置工作节点，涵盖数据处理、特征工程、机器学习、因子分析和回测等各个环节
- 灵活的插件系统，支持自定义工作节点开发和扩展
🤖 机器学习集成
- 支持主流机器学习算法：XGBoost、LightGBM、RandomForest、SVM、神经网络等
- 提供多任务学习(MTL)和深度学习解决方案
- 自动化模型训练、验证和预测流程
📈 因子分析与回测策略验证
- 高性能回测引擎，支持股票、期货
- 完整的事件驱动架构，精确模拟真实交易环境
- 兼容PandaFactor分析框架
🌐 企业级服务架构
- 基于FastAPI的高性能REST API服务
- 支持多用户工作流管理和权限控制
- 分布式任务执行，支持云端和本地部署
- 完善的日志系统和实时监控
- 量化研究：因子挖掘、策略开发、模型验证
- 算法交易：策略回测、实盘验证、风险管理
- 金融数据分析：市场研究、投资组合优化
- 机器学习应用：金融预测模型、智能投顾
- 微服务架构：模块化设计，易于扩展和维护
- 插件化设计：通过
@work_node装饰器轻松开发自定义节点 - 工作流支持json导入导出：通过json文件快速传播和复现工作流
- 容器化部署：支持Docker和Docker Compose快速部署
我们为零基础用户准备了详细的入门教程系列，帮助你快速掌握 PandaAI QuantFlow 的使用方法。
| 课程 | 标题 | 时长 | 难度 |
|---|---|---|---|
| 第1课 | 项目介绍与环境搭建 | 1小时 | ⭐ |
| 第2课 | 快速开始 - 第一个工作流 | 1小时 | ⭐ |
| 第3课 | 核心概念理解 | 1.5小时 | ⭐⭐ |
| 第4课 | 因子构建与分析 | 2小时 | ⭐⭐ |
| 第5课 | 策略回测实战 | 2小时 | ⭐⭐⭐ |
| 第6课 | 机器学习节点使用 | 2小时 | ⭐⭐⭐ |
| 第7课 | 自定义插件开发 | 2小时 | ⭐⭐⭐ |
| 第8课 | 完整实战项目 | 3小时 | ⭐⭐⭐ |
👉 查看完整教程目录
LLM支持
API代码式调用工作流
CTP实盘交易
QMT实盘交易
数字货币支持
- 若是您不想花时间搭环境，可以用我们打包好的客户端，一键解压，可直接运行，因为内置数据库和行情数据，文件略大。
内含工作流、超级图表、因子模块。
- MacOS 系统: [准备中]
- Windows 系统: 下载 Windows 安装包（因为文件大小限制，做了分包，请下载全部文件再解压）
- 安装 ANACONDA 环境 (官网下载)
- 下载并启动PandaAI提供的数据库(含有行情数据)
请联系小助理从网盘下载最新的数据库- MacOS 系统: 下载并解压后运行
chmod 600 conf/mongo.keybin/mongod -replSet rs0 --dbpath data/db --keyFile conf/mongo.key --port 27017 --quiet --auth - Windows 系统: 下载并解压后运行
bin\mongod.exe --replSet rs0 --dbpath data\db --keyFile conf\mongo.key --port 27017 --quiet --auth
- MacOS 系统: 下载并解压后运行
- 安装 panda_factor 相关依赖，并且启动factor服务
panda_factor还有若干功能，例如数据自动更新等，具体请查看(PandaFactor)
git clone https://github.com/PandaAI-Tech/panda_factor.git cd panda_factor pip install -r requirements.txt pip install -e ./panda_common ./panda_factor ./panda_data ./panda_data_hub ./panda_llm ./panda_factor_server python ./panda_factor_server/panda_factor_server/__main__.py
- 安装 panda_quantflow
git clone https://github.com/PandaAI-Tech/panda_quantflow.git cd panda_quantflow pip install -e .
- 启动 panda_quantflow 服务
python src/panda_server/main.py
- 打开 UI 图形界面
超级图表：http://127.0.0.1:8000/charts/ 工作流：http://127.0.0.1:8000/quantflow/
- 开发者可以在项目目录
.src/panda_plugins/custom/中编写自定义插件, 以在工作流中使用 - 自定义插件需要继承
BaseWorkNode并实现input_model,output_model和run3 个方法 - 自定义插件示例 (更多示例在
.src/panda_plugins/custom/examples/中)from typing import Optional, Type from panda_plugins.base import BaseWorkNode, work_node from pydantic import BaseModel class InputModel(BaseModel): """ Define the input model for the node. Use pydantic to define, which is a library for data validation and parsing. Reference: https://pydantic-docs.helpmanual.io 为工作节点定义输入模型. 使用 Pydantic 定义, Pydantic 是一个用于数据验证和解析的库. 参考文档: https://pydantic-docs.helpmanual.io """ number1: int number2: int class OutputModel(BaseModel): """ Define the output model for the node. Use pydantic to define, which is a library for data validation and parsing. Reference: https://pydantic-docs.helpmanual.io 为工作节点定义输出模型. 使用 Pydantic 定义, Pydantic 是一个用于数据验证和解析的库. 参考文档: https://pydantic-docs.helpmanual.io """ result: int @work_node(name="示例-两数求和", group="测试节点") class ExamplePluginAddition(BaseWorkNode): """ Implement a example node, which can add two numbers and return the result. 实现一个示例节点, 完成一个简单的加法运算, 输入 2 个数值, 输出 2 个数值的和. """ # Return the input model # 返回输入模型 @classmethod def input_model(cls) -> Optional[Type[BaseModel]]: return InputModel # Return the output model # 返回输出模型 @classmethod def output_model(cls) -> Optional[Type[BaseModel]]: return OutputModel # Node running logic # 节点运行逻辑 def run(self, input: BaseModel) -> BaseModel: result = input.number1 + input.number2 return OutputModel(result=result) if __name__ == "__main__": node = ExamplePluginAddition() input = InputModel(number1=1, number2=2) print(node.run(input))
我们欢迎每一位用户加入节点贡献行列，共同点燃量化开源的火焰🔥
如果有新的节点需求，也欢迎进群告诉我们，只要有助于项目发展，我们都愿意免费支持开发。
panda_workflow/
├── src/ # 所有源代码
│ ├── common/ # 通用工具和配置
│ ├── panda_ml/ # 机器学习组件
│ ├── panda_plugins/ # 插件系统
│ ├── panda_server/ # API服务
│ ├── panda_backtest/ # 回测系统
│ └── panda_trading/ # 交易执行系统
├── tests/ # 测试目录
├── pyproject.toml # 项目配置和依赖
├── Dockerfile # Docker配置
└── docker-compose.yml # Docker Compose配置
┌─────────────────────────────────────────────────────────────────────────┐
│ 前端界面层 (panda_web) │
│ ┌──────────────┐ ┌──────────────┐ │
│ │ 工作流编辑器 │ │ 超级图表 │ │
│ └──────┬───────┘ └──────┬───────┘ │
└────────────────────────────┼────────────────┼──────────────────────────┘
│ │
▼ ▼
┌─────────────────────────────────────────────────────────────────────────┐
│ API 服务层 (panda_server) │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ 工作流路由 │ │ 插件路由 │ │ 回测路由 │ │
│ └──────┬───────┘ └──────┬───────┘ └──────┬───────┘ │
│ │ │ │ │
│ └────────┬────────┴────────┬─────────┘ │
│ ▼ ▼ │
│ ┌──────────────────────────────────┐ │
│ │ 工作流执行引擎 │ │
│ │ (拓扑排序 + 分层执行) │ │
│ └──────────────┬───────────────────┘ │
└────────────────────────┼────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────────────┐
│ 插件系统层 (panda_plugins) │
│ ┌──────────────────────────────────────────────────────────────┐ │
│ │ 插件注册表 (ALL_WORK_NODES) │ │
│ └──────┬───────────────────────────────────────────┬──────────────┘ │
│ │ │ │
│ ┌────▼─────┐ ┌──────────┐ ┌──────────┐ ┌───▼────┐ │
│ │ 内置插件 │ │ 数据处理 │ │ 机器学习 │ │ 回测节点│ │
│ │ internal │ │ 节点 │ │ 节点 │ │ │ │
│ └──────────┘ └──────────┘ └──────────┘ └────────┘ │
│ │ │ │
│ ┌────▼───────────────────────────────────────────▼────┐ │
│ │ 自定义插件 (custom) │ │
│ │ 继承 BaseWorkNode + @work_node 装饰器 │ │
│ └─────────────────────────────────────────────────────┘ │
└────────────────────────┬────────────────────────────────────────────────┘
│
┌───────────────┼───────────────┐
│ │ │
▼ ▼ ▼
┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│ 回测引擎 │ │ 机器学习组件 │ │ 交易执行系统 │
│(panda_backtest│ │ (panda_ml) │ │(panda_trading)│
│ │ │ │ │ │
│ 事件驱动架构 │ │ XGBoost │ │ CTP/QMT │
│ 股票/期货 │ │ LightGBM │ │ 实盘交易 │
│ 策略回测 │ │ PyTorch │ │ 风险控制 │
└──────┬───────┘ └──────────────┘ └──────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────────────┐
│ 数据存储层 │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ MongoDB │ │ Redis │ │ GridFS │ │
│ │ │ │ │ │ │ │
│ │ 工作流定义 │ │ 缓存/队列 │ │ 节点输出数据 │ │
│ │ 运行状态 │ │ 任务队列 │ │ 回测结果 │ │
│ │ 用户数据 │ │ │ │ │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
└─────────────────────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────────────┐
│ 消息队列层 (可选) │
│ ┌──────────────┐ │
│ │ RabbitMQ │ │
│ │ │ │
│ │ CLOUD模式使用 │ │
│ │ 分布式任务执行 │ │
│ └──────────────┘ │
└─────────────────────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────────────────────┐
│ 工作流执行完整流程 │
└─────────────────────────────────────────────────────────────────────────┘
【1. 工作流定义阶段】
┌──────────────┐
│ 用户创建/编辑 │
│ 工作流定义 │
└───────┬───────┘
│
▼
┌──────────────────┐
│ MongoDB 存储 │
│ - workflow │
│ - nodes[] │
│ - links[] │
└───────┬──────────┘
│
▼
【2. 工作流执行触发】
┌──────────────────┐
│ API 请求执行 │
│ /workflow/run │
└───────┬──────────┘
│
▼
┌──────────────────┐
│ 创建运行实例 │
│ workflow_run │
│ status: PENDING │
└───────┬──────────┘
│
▼
┌──────────────────┐ ┌──────────────┐
│ LOCAL 模式 │ │ CLOUD 模式 │
│ 直接执行 │ │ 消息队列 │
└───────┬──────────┘ └──────┬───────┘
│ │
│ ▼
│ ┌──────────────┐
│ │ RabbitMQ │
│ │ 任务队列 │
│ └──────┬───────┘
│ │
└────────┬───────────────┘
│
▼
【3. 拓扑排序与分层】
┌──────────────────────────────┐
│ 拓扑排序算法 │
│ - 构建依赖图 │
│ - 计算入度 │
│ - 分层组织节点 │
└───────┬──────────────────────┘
│
▼
┌──────────────────────────────┐
│ 执行层序列 │
│ Layer 1: [Node1, Node2] │
│ Layer 2: [Node3] │
│ Layer 3: [Node4, Node5] │
└───────┬──────────────────────┘
│
▼
【4. 分层执行节点】
┌──────────────────────────────┐
│ 遍历每一层 │
└───────┬──────────────────────┘
│
▼
┌──────────────────────────────┐
│ 并行执行当前层节点 │
│ (同一层节点可并行) │
└───────┬──────────────────────┘
│
▼
┌──────────────────────────────┐
│ 对每个节点: │
│ 1. 加载节点类 │
│ 2. 收集输入数据 │
│ - 静态输入 │
│ - 前置节点输出 │
│ 3. Pydantic 验证 │
│ 4. 执行 run() 方法 │
│ 5. 保存输出到 GridFS │
└───────┬──────────────────────┘
│
▼
┌──────────────────────────────┐
│ 节点输出存储 │
│ MongoDB GridFS │
│ - workflow_run_id │
│ - node_id │
│ - output_data │
└───────┬──────────────────────┘
│
▼
┌──────────────────────────────┐
│ 更新执行状态 │
│ - success_node_ids[] │
│ - progress: 0-100% │
│ - running_node_ids[] │
└───────┬──────────────────────┘
│
▼
┌──────────────────────────────┐
│ 所有层执行完成? │
│ ┌──────┐ ┌──────┐ │
│ │ 是 │ │ 否 │ │
│ └──┬───┘ └──┬───┘ │
│ │ │ │
│ │ └──► 继续下一层
│ │ │
│ ▼ │
└──────────────────────────────┘
│
▼
【5. 回测节点执行】
┌──────────────────────────────┐
│ 回测节点 (backtest_stock/ │
│ backtest_future) │
│ - 接收因子数据 (df_factor) │
│ - 接收回测参数 │
└───────┬──────────────────────┘
│
▼
┌──────────────────────────────┐
│ 回测引擎初始化 │
│ - 加载策略代码 │
│ - 初始化账户 │
│ - 设置时间范围 │
└───────┬──────────────────────┘
│
▼
┌──────────────────────────────┐
│ 事件驱动回测循环 │
│ ┌────────────────────────┐ │
│ │ 1. initialize(context) │ │
│ │ 2. before_trading() │ │
│ │ 3. handle_data() │ │
│ │ - 计算信号 │ │
│ │ - 执行交易 │ │
│ │ 4. after_trading() │ │
│ └────────────────────────┘ │
└───────┬──────────────────────┘
│
▼
┌──────────────────────────────┐
│ 交易执行 │
│ - 订单生成 │
│ - 撮合模拟 │
│ - 持仓更新 │
│ - 账户结算 │
└───────┬──────────────────────┘
│
▼
┌──────────────────────────────┐
│ 回测结果计算 │
│ - 收益率曲线 │
│ - 最大回撤 │
│ - 夏普比率 │
│ - 交易统计 │
└───────┬──────────────────────┘
│
▼
┌──────────────────────────────┐
│ 结果存储 │
│ MongoDB │
│ - backtest_result │
│ - 回测报告数据 │
└───────┬──────────────────────┘
│
▼
【6. 工作流完成】
┌──────────────────────────────┐
│ 更新最终状态 │
│ status: SUCCESS │
│ progress: 100% │
│ output_data_obj: {...} │
└───────┬──────────────────────┘
│
▼
┌──────────────────────────────┐
│ 前端获取结果 │
│ - 工作流执行状态 │
│ - 节点输出数据 │
│ - 回测结果报告 │
└──────────────────────────────┘
┌─────────────┐
│ 用户操作 │
└──────┬──────┘
│
▼
┌─────────────────────────────────────────────────────────────┐
│ FastAPI 服务 (panda_server) │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ workflow_ │ │ plugins_ │ │ backtest_ │ │
│ │ routes │ │ routes │ │ routes │ │
│ └──────┬──────┘ └──────┬───────┘ └──────┬───────┘ │
│ │ │ │ │
│ └────────┬───────┴────────┬─────────┘ │
│ ▼ ▼ │
│ ┌──────────────────────────────────┐ │
│ │ workflow_run_logic │ │
│ │ - 权限验证 │ │
│ │ - 创建运行实例 │ │
│ │ - 触发执行 │ │
│ └──────────────┬───────────────────┘ │
└───────────────────────┼────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────┐
│ 工作流执行引擎 (run_workflow_utils) │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ determine_workflow_execution_order() │ │
│ │ - 拓扑排序 │ │
│ │ - 分层组织 │ │
│ └───────────────────────┬───────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ 按层执行: │ │
│ │ for layer in execution_layers: │ │
│ │ for node in layer: │ │
│ │ 1. 加载节点类 │ │
│ │ 2. 收集输入 (静态+前置输出) │ │
│ │ 3. Pydantic 验证 │ │
│ │ 4. 执行 node.run() │ │
│ │ 5. 保存输出到 GridFS │ │
│ └───────────────────────┬───────────────────────────────┘ │
└──────────────────────────┼────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────┐
│ 插件系统 (panda_plugins) │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ ALL_WORK_NODES 注册表 │ │
│ │ - 内置插件 (internal/) │ │
│ │ - 自定义插件 (custom/) │ │
│ └───────────────────────┬───────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ BaseWorkNode 基类 │ │
│ │ - input_model() → Pydantic 模型 │ │
│ │ - output_model() → Pydantic 模型 │ │
│ │ - run() → 业务逻辑 │ │
│ │ - logger → 日志记录 │ │
│ └───────────────────────┬───────────────────────────────┘ │
└──────────────────────────┼────────────────────────────────────┘
│
┌─────────────────┼─────────────────┐
│ │ │
▼ ▼ ▼
┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│ 数据处理节点 │ │ 机器学习节点 │ │ 回测节点 │
│ - CSV读取 │ │ - XGBoost │ │ - 股票回测 │
│ - 公式计算 │ │ - LightGBM │ │ - 期货回测 │
│ - 因子构建 │ │ - PyTorch │ │ - 结果分析 │
└──────┬───────┘ └──────┬───────┘ └──────┬───────┘
│ │ │
└────────────────┼─────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────┐
│ 数据存储层 │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ MongoDB │ │ GridFS │ │ Redis │ │
│ │ │ │ │ │ │ │
│ │ workflow │ │ 节点输出数据 │ │ 缓存/队列 │ │
│ │ workflow_run│ │ 回测结果 │ │ │ │
│ │ backtest_ │ │ │ │ │ │
│ │ result │ │ │ │ │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
└─────────────────────────────────────────────────────────────┘
欢迎贡献代码、提出 Issue 或 PR:
- Fork 本项目
- 新建功能分支 git checkout -b feature/AmazingFeature
- 提交更改 git commit -m 'Add some AmazingFeature'
- 推送分支 git push origin feature/AmazingFeature
- 发起 Pull Request
感谢量化李不白的粉丝们对我们的支持
感谢所有开源社区的贡献者
本项目采用 GPLV3 许可证