QuantContext — MCP-сервер для Claude Code: скрининг акций и бэктест
Превращает словесное описание стратегии в расчёты на реальных рыночных данных: скрининг акций, бэктест, разложение доходности по факторам. Пригодится, когда нужен воспроизводимый результат, а не ответ языковой модели.
claude mcp add quantcontext -- uvx quantcontext-mcpЧто делает QuantContext
Сервер даёт агенту три инструмента, которые стыкуются в одну цепочку: screen_stocks отбирает бумаги по фундаментальным показателям, моментуму, качеству или техническим сигналам, backtest_strategy прогоняет стратегию по истории с движком ребалансировки и возвращает CAGR, Sharpe, максимальную просадку, кривую капитала и журнал сделок, а factor_analysis раскладывает доходность на факторы Фамы — Френча и показывает альфу с t-статистикой.
Все числа считаются из рыночных данных, а не генерируются моделью, поэтому один и тот же запрос даёт один и тот же результат. Ключи API не нужны: цены и фундаментальные показатели тянутся из Yahoo Finance, факторы — из библиотеки Kenneth French, списки бумаг — из Wikipedia. Первый вызов скачивает данные и кэширует их, дальше скрининг идёт меньше секунды, бэктест — несколько секунд. Прогреть кэш заранее можно командой quantcontext-warmup --url https://quantcontext.ai/api/data.
Инструменты импортируются и напрямую из Python — from quantcontext.server import screen_stocks, backtest_strategy, factor_analysis. Все функции асинхронные и возвращают JSON-строки, так что существующий скрипт можно дополнить бэктестом без агента. Стратегии описываются теми же типами скринов, что и в скрининге.
Какие задачи решает
- отобрать акции по PE, ROE и долговой нагрузке
- прогнать стратегию по истории с месячной ребалансировкой
- понять, альфа это или просто факторная экспозиция
- сравнить моментум-стратегии на разных вселенных
- добавить бэктест в готовый Python-скрипт
Примеры запросов агенту
- Отбери в S&P 500 недооценённые бумаги: PE меньше 15, ROE выше 12%
- Прогони моментум-стратегию на Nasdaq 100 с месячной ребалансировкой за последние 2 года
- Разложи доходность этой стратегии по факторам — это альфа или экспозиция?
Как установить QuantContext
Командой платформы
claude mcp add quantcontext -- uvx quantcontext-mcpuvx запускает команду с именем пакета; если в README она другая — uvx --from quantcontext-mcp <команда>
Командой платформы
codex mcp add quantcontext -- uvx quantcontext-mcpuvx запускает команду с именем пакета; если в README она другая — uvx --from quantcontext-mcp <команда>
Файл настроек
{
"mcpServers": {
"quantcontext": {
"command": "uvx",
"args": [
"quantcontext-mcp"
]
}
}
}uvx запускает команду с именем пакета; если в README она другая — uvx --from quantcontext-mcp <команда>
Файл настроек
{
"servers": {
"quantcontext": {
"type": "stdio",
"command": "uvx",
"args": [
"quantcontext-mcp"
]
}
}
}uvx запускает команду с именем пакета; если в README она другая — uvx --from quantcontext-mcp <команда>
Командой платформы
gemini mcp add quantcontext uvx quantcontext-mcpuvx запускает команду с именем пакета; если в README она другая — uvx --from quantcontext-mcp <команда>
По шагам, с командами для каждой платформы: Как подключить MCP-сервер: Claude Code, Codex, Cursor, VS Code, Gemini CLI и другие
Вопросы о QuantContext
Как установить QuantContext в Claude Code?
Одной командой: claude mcp add quantcontext -- uvx quantcontext-mcp. После этого сервер доступен агенту как quantcontext.
Что делает QuantContext?
Даёт агенту три инструмента: скрининг акций по заданным критериям, бэктест стратегии на исторических данных и факторный анализ доходности. Все расчёты идут по реальным рыночным данным.
Нужны ли ключи API?
Нет. Данные берутся из открытых источников: Yahoo Finance, Kenneth French Data Library и Wikipedia. Первый вызов скачивает их и кладёт в локальный кэш.
