用问题开启研究
用自然语言描述目标。Agent 调用数据和量化工具,把分析过程与结果留在同一段对话里。
Q › 比较样本 A 与基准的走势,看看风险来自哪里。
Source.fetch_bars价格窗口 · 数据日期 · 覆盖检查完成
Quant.Factor动量 · 波动率 · RSI完成
Quant.Risk最大回撤 · 风险分布完成
这个示例中,样本的涨幅更高,回撤也更深。
把收益、风险和数据区间放在一起,判断才有上下文。
Q › 把两组观察标的放在相同区间里比较。
共同日期先对齐日期、权重与计价币种完成
比较共同窗口内的表现,保留权重和缺失原因。
观察组模拟收益与真实账户业绩分别理解。
Q › 留下这次研究的报告,下次从这里继续。
研究区间与数据覆盖
因子、回测与风险指标
调用轨迹与来源会话
在终端开启 Auto Artifacts 后生成;通过 /artifact 浏览已有报告。
少一点在工具之间切换,
多一点对问题本身的思考。
用自然语言描述目标。Agent 调用数据和量化工具,把分析过程与结果留在同一段对话里。
从动量、波动率到双均线策略,用因子、回测与风险指标检验想法,并查看数据覆盖。
在设置中开启报告生成,用 Dashboard 看结果,用 Trajectory 回看工具调用和研究过程。
选好模型与数据源,
检查研究环境。
/config · /doctor
建立自己的观察组,
把标的与问题放在一起。
/portfolio
自然语言发起分析,
对照回测、风险与依据。
Q › 分析这个想法
回看报告与会话,
继续尚未结束的问题。
/artifact · /resume
在终端的 /config 中连接模型、管理数据源,调整工作区。让工具适应自己的研究习惯。
阅读配置指南下方是网页交互演示。涨跌配色和 Overview 开关会同步到上方工作台,不连接模型、不读取本机配置。
/config
全工作区统一的涨跌约定
显示侧边行情与观察组
只调整本网页的动效
在终端选择 Provider 与实际模型 ID
选择模型支持的推理级别
保存连接并发送小型验证请求
选择市场、数据源与样本区间
检查当前连接的样本响应
保存通过验证的数据连接
在独立桌面窗口中开始研究,安装包已包含运行环境。
此处下载的是最新公开版本。网站预览展示的新视觉设计,可能尚未包含在该安装包中。
WhyJ Quant 是安装在本机的量化研究终端。这是它的产品介绍与交互演示页面;网页不连接证券账户,也不执行交易。
需要。在 /config 中选择模型连接与适合研究市场的数据源。部分数据源需要 API key,AKShare 路径需要本机 Python 环境和相应依赖。模型和数据服务费用由各提供方收取。
配置、研究会话与报告保存在本地工作区。分析时会向你选择的模型和数据提供方发送必要请求;本地存储不等于所有计算都离线。官网仅在浏览器保存演示偏好。
项目采用 MIT 许可证。你可以在 GitHub 阅读代码、提出问题或提交改进。界面能力以所安装版本和配置为准。