Quant Research MCP

quant_research_mcp

論文に裏付けられた定量取引手法のレジストリと、決定論的なLLM不使用の意思決定ヘルパーを提供するMCP サーバーです。サーバーは再現可能な計算（スクリーニング、インジケーター、レジーム検出、手法シグナル、スコア付きエントリー判断）を提供し、呼び出し元のエージェントは判断（例：見出しを読み取ってセンチメントシグナルにすること）を担います。claude -pも、サブプロセスも、サーバー内のLLMもありません。

⚠️ 金融アドバイスではありません。 これは読み取り専用の調査・教育用ツールです。定量計算のみを行い、注文は一切発注しません。出力内容は投資アドバイスでも推奨でもありません。市場データには遅延や誤りがある場合があり、バックテストは予測ではありません。また、取引には大きな損失リスクが伴います。リスクにさらす資金については、すべてご自身の責任となります。 保証なしの「現状有姿」で提供されます。詳細はLICENSEをご覧ください。

これが作られた理由

稼働実績のあるデイトレードパイプラインを、組み合わせ可能なMCP ツールとして再構成したもので、目標は2つあります。

1. 将来の論文にも拡張できます。 各戦略はレジストリに登録されたTradingMethodです。新しい論文の手法を追加するには、モジュールを1つ置き、register(...)を呼び出してインポートします。それ以外の変更は不要です。
2. 意思決定は生成的ではなく、科学的です。 以前のパイプラインでは、エントリー判定にLLM呼び出しを使っていました。ここではそれを、リスクリワード、レジームの強さ、出来高、RSIの位置、ATRで正規化したストップの質を組み合わせて、監査可能なスコアを出す純粋関数quant_score_decisionに置き換えています。同じ入力なら、同じ出力になります。

ツール（13）

ツール	ネットワーク	用途
quant_list_methods	なし	登録済み手法（キー、論文、時間枠、レジーム）を一覧表示します。
quant_describe_method	なし	1つの手法の詳細と引用情報を表示します。
quant_screen_universe	あり	ギャップ／相対出来高／ATR%でティッカーを順位付けします。
quant_compute_indicators	あり	ティッカーのEMA9/20、RSI、ATR、VWAP、ハースト指数を計算します。
quant_detect_regime	あり	ハースト指数からTRENDING／MEAN_REVERTING／RANDOM_WALKを判定します。
quant_analyze_setup	あり	ティッカーごとに手法を実行し、シグナル＋エントリー／ストップ／ターゲット（HTFコンテキストを含む）を返します。
quant_analyze_universe	あり	ユニバース向け手法を実行します。モメンタム順位付けやペアのスプレッドなどが対象です。
quant_backtest_method	あり	手法を検証します：過去データに対して手法自身のanalyze()を再実行し、勝率、期待値、ドローダウン、IS/OOSの各期間の結果を返します。
quant_check_events	あり	次回の決算発表（までの日数）、配当落ち日を確認し、二値イベントのリスクを調べます。
quant_portfolio_risk	あり	ステートレスなリスク量／相関／集中度チェックと、候補の判定を行います。
quant_market_context	あり	SPY/QQQ/IWM、VIX、順位付けされた11セクター、リスクオン／オフの市場の広がりを確認します。
quant_score_decision	なし	意思決定ヘルパー：セットアップ（＋センチメント、決算発表、リスク量）から、スコア、判定、サイズ、時間枠を考慮した実行プランを返します。決定論的です。
quant_fetch_news	あり	最近の見出しを取得します（データのみ。センチメントの判断はエージェントが行います）。

すべてのツールは読み取り専用で、response_format: markdown | jsonに対応しています。

ワークフロー

デイトレード

quant_market_context                  # tape read: risk-on/off, sectors
  → quant_screen_universe             # find movers
  → quant_analyze_setup               # hurst_regime_orb on the top name
  → quant_check_events + quant_fetch_news   # binary risk + agent sentiment
  → quant_portfolio_risk              # heat/correlation vs your open book
  → quant_score_decision(setup, news_sentiment, days_to_earnings,
                         portfolio_heat_pct)

スイング（数日） — quant_analyze_setup／quant_analyze_universe から rsi2_reversion、pairs_cointegration を実行します。ここでは決算による除外が最も重要です （quant_check_events → days_to_earnings）。

ポジション（数週間以上） — ティッカーごとに donchian_trend、ユニバース全体で xs_momentum を使用します。毎月再ランク付けし、執行プランに従って毎週ストップを見直します。

手法を信頼する前に：対象のティッカーと期間で quant_backtest_method を実行します。手法独自のシグナルロジックをコスト込みで再現し、インサンプルとアウトオブサンプルの期間を分けて報告するため、パフォーマンスの劣化を確認できます。

ナラティブはエージェントが作成し、数値はサーバーが保証します。

判断ヘルパー（quant_score_decision）

純粋関数です。複合スコアの重みは config.DECISION_WEIGHTS で指定します。

• reward_risk — 実現したリスクリワードと目標倍率の比較。
• regime_strength — ランダムウォークからの距離を示す、スケーリングされた |Hurst − 0.5|。
• volume_confirmation — 相対出来高と下限値の比較。
• momentum_position — 方向に対して健全な範囲内にあるRSI（過熱していない状態）。
• stop_quality — 日次ATRで正規化したストップ幅（ノイズに近すぎるストップは減点）。

オプションの news_sentiment（エージェントが算出）は、スコアと一致する場合は加点し、 信頼度が0.5以上で矛盾する場合は除外します。出力には要因ごとの内訳、固定比率方式の position_size（ノイズに近すぎるストップに対する減額を含む）、および機械的に導出した execution_plan（エントリートリガー、注文タイプ、ストップの段階設定、利益確定、 時間ベースのストップ、中止条件）が含まれます。

同梱メソッド（5）

キー	時間軸	論文
hurst_regime_orb	日中	arXiv:2205.11122 — ハースト・レジーム → ORB／VWAPフェード
rsi2_reversion	スイング	Connors & Alvarez 2009 — 200日SMAを上回るRSI(2)の押し目
pairs_cointegration	スイング	Gatev et al. 2006 — Engle-GrangerのスプレッドZスコア
donchian_trend	ポジション	Faith、Turtle Rules、Moskowitz et al. 2012 — 55日ブレイクアウト、20日／ATRトレール
xs_momentum	ポジション	Jegadeesh & Titman 1993 — 12-1のクロスセクショナル・モメンタム、上位N銘柄のポートフォリオ

データプロバイダー

デフォルトはyfinance（無料、約15分遅延）です。データレイヤーはプロバイダーインターフェース （quant_research_mcp/providers/）の背後にあります。Alpaca／Polygon／IBKR用に DataProviderプロトコルを実装し、ファクトリーを登録してから、 QUANT_DATA_PROVIDER=<name>を指定して実行してください。すべての呼び出しはプロセス内で TTLキャッシュされます（日次データは15分、日中データは60秒、ニュースは5分、イベント／セクターは1時間）。

今後、論文を追加する

# quant_research_mcp/methods/my_paper.py
from . import register
from .base import TradingMethod, TradeSetup

def analyze(daily, session, context) -> TradeSetup:
    ...  # compute signal, entry, stop, target

register(TradingMethod(
    key="my_paper_method",
    name="My Method",
    paper="Author et al., Title",
    paper_url="https://arxiv.org/abs/...",
    regime_applicability="TRENDING",
    description="One paragraph on the mechanics.",
    analyze=analyze,
))

次に、methods/__init__.pyにfrom . import my_paperを追加します。これで quant_list_methodsに表示され、quant_analyze_setup(method_key=...)から実行できるようになります。

クイックスタート（Makefile）

make install      # create venv + install deps (uv sync)
make smoke        # import server, list the 13 tools (no network)
make run          # run the server over stdio
make help         # list every target

シェルバイナリとしてインストール

make install-cli              # installs `quant-research-mcp` onto your PATH (uv tool)
quant-research-mcp            # runs the server over stdio from anywhere

インストール後にコマンドが見つからない場合は、uv tool update-shellを実行してシェルを再起動してください （uvのツール用バイナリディレクトリ。通常は~/.local/binがPATHに含まれている必要があります）。

ターゲット	内容
make install	uv sync — 仮想環境と依存関係をセットアップ
make install-cli	quant-research-mcpバイナリをPATHにインストール
make uninstall-cli	バイナリを削除
make dev	インストールと、リント用ruffのセットアップ
make run	MCP サーバーを実行（stdio）
make smoke	インポートとツール一覧の表示（ネットワーク接続なし）
make test	pytestスイートを実行（ネットワーク接続なし）
make inspect	MCP Inspectorを起動
make check	テスト、リント、LLM／サブプロセス呼び出しがないことの確認
make register	stdioクライアント設定のJSONを出力
make claude-add	ローカルクローンをClaude Codeに登録（ユーザースコープ）
make claude-remove	Claude Codeから削除
make build	dist/にsdistとwheelをビルド
make docker-build	Dockerイメージをローカルでビルド
make mcpb	Claude Desktop用の.mcpbバンドルをパッケージ化
make clean	キャッシュ、仮想環境、ビルド成果物を削除

インストール

どの方法でも同じ stdio サーバーが実行されます。環境に合った方法を選んでください。

方法	コマンド	必要なもの
GitHub から uvx（クローン不要）	uvx --from git+https://github.com/FlawlessByte/quant-research-mcp quant-research-mcp	uv
PyPI	uvx quant-research-mcp · pipx install quant-research-mcp	uv / pipx
Docker	docker run -i --rm ghcr.io/flawlessbyte/quant-research-mcp	Docker
ソースから	git clone … && cd quant-research-mcp && make install	git + uv
Claude Desktop	最新リリースから .mcpb をインストール	Claude Desktop

PyPI と Docker イメージはタグ付きリリースで公開されます。最初の リリースまでは、GitHub から uvx または ソースから の行を使用してください。

Claude Code での使用

最も手軽な方法です。クローンせず、GitHub から直接実行します。

claude mcp add quant_research -- \
  uvx --from git+https://github.com/FlawlessByte/quant-research-mcp quant-research-mcp

PyPI リリース後は、次のように短縮できます。

claude mcp add quant_research -- uvx quant-research-mcp

コンテナー化する場合：

claude mcp add quant_research -- docker run -i --rm ghcr.io/flawlessbyte/quant-research-mcp

ローカルのクローンから（開発用）：make claude-add は、このチェックアウトを ユーザースコープに登録します。make register は、貼り付けて使える .mcp.json ブロックを出力します。

Claude Code 内で確認します。

/mcp                       # should list 'quant_research' as connected

次のように尋ねます。「対象銘柄全体をスクリーニングし、ハースト法で上位銘柄を分析してから、エントリー判断をスコアリングしてください。」 すると、quant_screen_universe → quant_analyze_setup → quant_score_decision の順に呼び出します。

ソースから（開発用）

git clone https://github.com/FlawlessByte/quant-research-mcp
cd quant-research-mcp
make install      # uv sync — venv + dependencies
make smoke        # list the 13 tools (no network)
make test         # 40 offline tests

オプション：make install-cli を実行すると、uv tool 経由で quant-research-mcp バイナリが PATH に追加されます。その後見つからない場合は、uv tool update-shell を実行して、シェルを再起動してください。make inspect でツールのスキーマを確認できます。

リリース（メンテナー向け）

CI はプッシュまたは PR ごとに、ruff とオフラインテスト 40 件を実行します（Python 3.12 と 3.13）。 リリースはタグで管理します。

# bump version in pyproject.toml + server.json + manifest.json, commit, then:
git tag v0.1.0 && git push origin v0.1.0

これにより、2 つのワークフローが実行されます。

• release.yml → uv build を実行し、Trusted Publishing （OIDC、保存済みトークン不要）を介して PyPI に公開し、wheel／sdist と .mcpb バンドルを GitHub Release に添付します。
• docker.yml → ghcr.io/flawlessbyte/quant-research-mcp をビルドしてプッシュします。

初回のみ必要な設定：

1. PyPI： プロジェクトを作成し、Trusted Publisher を追加します（owner FlawlessByte、 repo quant-research-mcp、workflow release.yml、environment pypi）。
2. GHCR： 初回のプッシュ後、パッケージの公開範囲を public に設定します。
3. MCP registry： 初回の PyPI リリース後、mcp-publisher CLI で登録します。 mcp-publisher login github を実行してから mcp-publisher publish を実行します（server.json を使用します。 GitHub ログインにより、io.github.FlawlessByte/… 名前空間の所有権が証明されます）。

Claude Desktop の .mcpb は内部で uvx を呼び出すため、ワンクリックでインストールする場合も、 マシンに uv が必要です。pandas／scipy／statsmodels の wheel を直接バンドルすると、 サイズが大きくなり、プラットフォーム固有になるためです。

制限事項（本格的なトレーダーが別途必要とするもの）

• リアルタイムデータプロバイダーのキーを設定するまでは遅延データです（インターフェースは準備済みです。 yfinance のデータは約 15 分遅延し、ニュースフィードも限定的です）。
• マクロ経済カレンダーはありません（FOMC／CPI／NFP）。信頼できる無料フィードがないため、news_sentiment／news_confidence を通じて 独自の判断を渡してください。
• オプションデータはありません（IV、タームストラクチャー、ガンマ水準）。空売り残高／浮動株数、Level 2 データもありません。今後の課題です。
• バックテストはパラメーター検証であり、予測ではありません：yfinance の過去データには サバイバーシップバイアスがあり、コストは推定値です。プロバイダーにより、5 分足を使った日中のリプレイは約 60 日分に制限されます。
• 設計上、永続化は行いません。サーバーは何も保存しません。呼び出しごとにオープンポジションを渡してください（quant_portfolio_risk）。トレードジャーナルは、利用を選択できるモジュールとして開発を予定しています。