FinQ4Cn: 基于 MCP 协议的中国 A 股量化分析

项目简介

FinQ4Cn 是一个基于 Model Context Protocol (MCP) 协议构建的开源项目，旨在为中国 A 股市场的量化分析提供一个强大、便捷、标准化的数据访问网关。它无缝集成了 akshare 强大的金融数据获取能力，并将其封装为一系列可通过 MCP 调用的工具，使得大型语言模型（LLM）、智能代理（Agent）或任何兼容 MCP 的客户端能够轻松、高效地获取中国股市的多维度数据，从而赋能更复杂的量化分析、策略研究和智能决策。

FinQ4Cn 不仅仅是一个数据获取工具，它更是一个连接 AI 与金融市场的桥梁。通过标准化的 MCP 接口，它将 akshare 的强大功能以服务化的形式呈现，极大地降低了 AI 应用接入中国 A 股市场数据的门槛。其全面的数据覆盖、内置的分析能力和可扩展的架构，使其成为金融 AI 领域极具竞争力的解决方案，有望在量化投资、智能投顾等场景中发挥重要作用。

核心优势与创新点

1. 标准化接口 (MCP 驱动)：

   • 本项目的核心创新在于采用 MCP 协议 作为数据和服务暴露的标准接口。这使得任何支持 MCP 的 AI 应用（如 Cherry Studio, MCP Inspector 等）都能以统一的方式发现、理解和调用 FinQ4Cn 提供的所有功能，极大地简化了集成过程，提升了互操作性。

2. 全面的中国 A 股数据覆盖：

   • 基础数据：通过股票名称精准查询股票代码。
   • 历史行情：获取指定时间段内（日线、周线、月线）的开盘价、收盘价、最高价、最低价、成交量等历史价格数据，并支持前复权/后复权。
   • 财务分析：深入获取上市公司的主营业务构成、关键财务指标（如净利润、营收增长率、ROE、毛利率等）的摘要数据，支持按报告期、年度、季度查询。
   • 市场情绪：获取个股及市场的融资融券明细，洞察市场资金流向和杠杆情况。
   • 公司事件：查询个股详细的历史分红送配记录，辅助价值投资分析。

3. 实时资讯与事件驱动：

   • 提供宏观财经新闻和市场趋势，帮助把握整体市场动向。
   • 提供与特定股票高度相关的新闻资讯，捕捉可能影响个股价格的事件，为事件驱动型策略提供数据支持。

4. 内置量化分析能力：

   • 集成基础的技术分析功能，例如计算 相对强弱指数 (RSI) 和 双均线 (MA)，并基于此生成简单的买卖信号（超买/超卖、金叉/死叉），为策略构建提供初步的量化依据。

5. 回测框架：

   • 集成了 pybroker 回测引擎，允许用户快速实现并回测自己的交易策略。项目内置了一个示例策略（带止盈的买入持有策略），展示了如何将策略逻辑封装并通过 MCP 调用进行评估。

6. 易于集成与部署：

   • 结构清晰，依赖项明确 (FastMCP, akshare, pydantic, pandas, pybroker)。
   • 提供了详细的配置指南（如与 Cherry Studio 和 MCP Inspector 的集成方法），方便用户快速上手和部署。

应用场景

• AI 金融助手: 为 LLM 提供实时、准确的金融数据查询能力，使其能回答复杂的股票相关问题。
• 量化策略研究: 为量化分析师提供便捷的数据源，用于因子挖掘、策略开发和历史回测。
• 智能投顾: 为智能投顾平台提供底层数据支持，用于生成投资建议和风险评估。
• 金融教育: 为学习量化金融的学生和爱好者提供一个易于使用的实践平台。

技术栈

• 后端框架 : FastMCP (构建 MCP 服务器)
• 数据源 : akshare (获取中国金融市场数据)
• 数据处理 : pandas (数据清洗与分析)
• 数据校验 : Pydantic (数据模型定义与校验)
• 回测引擎 : pybroker (策略回测)
• 可视化 : matplotlib (通过 MCP 工具调用进行图表生成)

项目结构

mcp-server/
├── utils    
├── |──modules.py # 数据校验模块
├── |──stocks_common_metrics.py # 常用指标数据
├── |──stocks_risk_alert.py     # 股票风险提示信息
├── |──backtesting.py   # 策略回测
├── |──news_report.py # 新闻报告
├── |──quant_analysis.py #量化分析
├── |──tools.py  #工具
├──fs_server.py # mcp server启动文件

安装依赖方法：

pip install -r requirements.txt

建议使用以下方式安装回测包：

pip install lib-pybroker -i https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

1. 克隆仓库：

git clone https://github.com/jinhongzou/FinQ4Cn-mcp-server.git
cd FinQ4Cn-mcp-server

2. 创建并激活虚拟环境：

python -m venv venv
source venv/bin/activate

3. 安装依赖：

pip install -r requirements.txt

使用方法

如需跨 Cherry Studio 的详细MCP配置说明，请访问：
Cherry Studio MCP 配置指南

与 Cherry Studio 集成

{
  "mcpServers": {
    "FinQ4Cn-mcp-server": {
      "name": "FinQ4Cn",
      "command": "your_path/python.exe",
      "args": [
        "your_path/FinQ4Cn-mcp-server/mcp-server/fs_server.py"
      ]
    }
  }
}

有关如何配置和使用此工具包进行深入股票数据分析的详细说明，请参考文档或示例代码。

可用工具

stocks_common_metrics

• get_stock_code: 通过股票名称获取对应的股票代码。
• get_stock_zygc_em: 获取上市公司主营业务结构，用于分析公司核心业务、产品、服务和收入分布。
• get_stock_financial_abstract: 获取上市公司财务报告摘要数据。
• get_stock_margin_detail: 获取上市公司融资融券明细。
• get_stock_fhps_detail: 获取上市公司历史分红和配股详情。
  

新闻资讯

• financial_news: 获取指定日期范围内的最新财经新闻和市场趋势。
• stock_news: 获取指定日期范围内与特定股票相关的最新新闻文章和信息。

回测功能

• strategy_buy_with_stop_loss: 使用指定交易策略对历史股票数据进行回测以评估其表现。该策略如下：如果当前未持有该股票，则根据指定持仓比例（percent）买入股票，并设置止盈百分比（stop_profit_pct）。
  

#Qwen3 Coder挑战赛#，本项目由Qwen3 Coder协助编写