OnePunchMonk/AgentQuant

LangGraph 기반 자율 AI 에이전트가 시장 레짐을 분석하고 트레이딩 전략을 생성·검증·학습하는 정량 연구 플랫폼

완성 앱확인 필요투자·금융Python난이도
162+5이번 주0 찜
24포크3이슈

중간맛 분석

스택: Python 3.10+, LangGraph, LLM(Gemini/OpenAI 옵션), yfinance, VectorBT, SQLite / 난이도: 중상 - 키 없어도 그리드 서치로 동작하지만, 실제 에이전트 루프를 이해하려면 LangGraph와 ReAct 패턴 이해 필요 / 바로 쓸 수 있는가: 네 - 클론 후 pip install -e . → .env 설정 → agentquant run --ticker SPY --trace 또는 python run_app.py로 웹 대시보드 실행. 데이터 페칭부터 백테스트까지 자동 / 데모: Colab 노트북(notebooks/agentquant_colab_spy.ipynb) 제공, 키 없어도 실행 가능

이런 레포예요

이럴 때 쓰면 좋아요

  • 퀀트 트레이더가 새로운 시장 레짐에서 기존 전략을 자동으로 재최적화하고 성과 기록 조회
  • 금융 AI 리서치팀이 수백 개의 전략 후보를 병렬로 검증하고 핵심 인사이트만 추출
  • 교육용으로 AI 에이전트·ReAct 루프·금융 백테스트 파이프라인을 한 곳에서 학습

핵심 기능

LangGraph 기반 ReAct 에이전트 루프(분석→가설→백테스트→성찰→저장)레짐 적응형 전략 파라미터 생성(LLM 또는 그리드 서치)크로스세션 메모리(SQLite α 스토어 + NLA 서사)로 반복 실행 간 학습

대안 대비 차별점

진정한 에이전트 루프(LangGraph ReAct) + 금융특화 백테스트 메트릭(Sharpe/Calmar/Sortino) + 과학적 파라미터 그리드 + 명시적 크로스세션 메모리로, 프롬프트 템플릿 기반 도구와 달리 투명하고 재현 가능한 정량 연구 워크플로우 제공.

준비물

  • Python 3.10+

바로 시작하기

  1. 레포 클론
git clone https://github.com/OnePunchMonk/AgentQuant.git
cd AgentQuant
  1. 코어 패키지 설치
pip install -e .
  1. LLM 지원 설치 (선택)
pip install -e ".[llm]"
  1. 환경 변수 설정
cp .env.example .env
  1. 에이전트 실행 (기본)
python -m src.agent.runner

또는 CLI로 실행 (권장)

agentquant run --ticker SPY --trace

별 추이 · 7일

162+5 / 7일

활용성 · 따라 만들기 좋은가

샘플 점수 32/100
  • 관대한 라이선스
  • 테스트 있음
  • 예제 디렉토리
  • 최근 활동
  • AGENTS.md
  • llms.txt
  • 템플릿

🟢 최근 활동 있음 · 2025년 생성

이 레포에 깃밥 배지 달기

[![깃밥](https://www.gitbap.com/badge/OnePunchMonk/AgentQuant.svg)](https://www.gitbap.com/r/OnePunchMonk/AgentQuant)

🔌 클로드에서 바로 써보기

깃밥을 클로드에 연결하면 이런 레포를 클로드·커서·Codex에서 바로 찾고 체험할 수 있어요.

방법 ① 커넥터 URL

클로드 설정 → 커넥터에 이 주소를 붙여넣기.

https://www.gitbap.com/api/mcp
방법 ② 플러그인 (체험까지)

플러그인을 설치하면 /gitbap-trending·/gitbap-try 슬래시 커맨드로 레포를 그 자리에서 체험. Claude Code에서 아래 두 줄을 차례로 실행하세요.

/plugin marketplace add jakeparkcolde/gitbap-cowork
/plugin install gitbap-cowork@gitbap
연결 방법 자세히 →

AI가 README 기반으로 요약했습니다 · 원문 보기