全A解析

要解决什么问题

做 A 股量化时，常见路径是：查资料、复述观点，或在本地写脚本逐票循环。全市场 5000+ 只股票、上百个字段，一旦要算因子 IC、做截面回测或对比多组筛选条件，循环写法慢且容易在持仓矩阵、复权价上踩坑。你更需要的是：用同一套矩阵数据，让结论来自可复现的运算，而不是二手说法。

技能如何工作

QuantAll（全A解析） 是跑在本机的 HTTP MCP 计算引擎（默认 localhost:8686），底层用 DuckDB 存行情与因子相关数据。AI 连接后通过 MCP 工具下发 向量化 Python 片段（禁止逐行循环、axis=1 等反模式），在数秒内完成全市场运算。

典型能力包括：

• 因子与回测：factor_analysis、strategy_backtest 及批量 IC、因子相关性
• 选股与权重：select_by_code、batch_select、weight_by_code、batch_weight 等集合与多方案对比
• 可视化与任务流：热力图、new_layer_from_code，以及 run_task_file / execute_python_script 固化流程

数据侧可与可选的 UpdateStock（stdio MCP）共用同一 DB_setting.json 路径；仅用内置 Test.duckdb 也能验证接口，但覆盖范围有限。工具参数与代码模板在连接后由 ai_prompts.toml 供给，应先 ping 与 available_data，且工具调用需串行。

适用边界与注意点

• 代码必须向量化；每股因子需按文档处理（如除以 close、复权用 adj_close = close * adj_factor），持仓用内置 hold_until 等函数。
• QuantAll 可独立运行，不依赖 UpdateStock；正式全市场数据需自备库或经 tushare 积分方案维护。
• 首次启动有用户协议门控；detail 类结果体量极大，适合内部分析后汇报结论，不宜整段贴给用户。
• 安装会涉及本地 venv、mcp.json 与后台 HTTP 服务，AI 侧应按 SKILL 规范事先说明并征得同意。