QuantContext

QuantContext

QuantContext は、平易な英語で記述された戦略を実行可能なクオンツリサーチに変換する MCP サーバーです。任意の条件で銘柄をスクリーニングし、過去のデータでバックテストを行い、ファクター分析でリターンの源泉を確認できます。すべての数値は LLM が生成したものではなく、実際の市場データから算出されます。結果は完全に再現可能です。

Claude、Codex、OpenCode、その他の MCP 互換コーディングエージェントで動作します。

インストール

pip install quantcontext-mcp

Claude Code:

claude mcp add quantcontext -- quantcontext

Claude Desktop（~/Library/Application Support/Claude/claude_desktop_config.json）:

{
  "mcpServers": {
    "quantcontext": {
      "command": "quantcontext"
    }
  }
}

API キーも設定も不要です。

ツール

3 つのツールを組み合わせて、リサーチのワークフロー全体を実行できます。

screen_stocks -> backtest_strategy -> factor_analysis

ツール	機能
screen_stocks	S&P 500、Nasdaq 100、または Russell 2000 を、ファンダメンタルズ、モメンタム、クオリティ、テクニカルシグナル、または複数ファクターの組み合わせで絞り込みます。順位付けされた候補を返します。
backtest_strategy	リバランスループエンジンを使って、過去のデータで戦略を検証します。CAGR、シャープレシオ、最大ドローダウン、資産曲線、取引ログを返します。
factor_analysis	戦略のリターンを Fama-French ファクター（市場、サイズ、バリュー、モメンタム）に分解します。t 統計量付きのアルファ、ファクター負荷量、決定係数を返します。

プロンプトの例

銘柄スクリーニング:

Screen S&P 500 for value stocks: PE under 15, ROE above 12%

Find the top 20% momentum stocks in the Nasdaq 100 over the last 200 days

Rank S&P 500 stocks by a blend of value, momentum, and quality, equal weight each factor

Find S&P 500 stocks with RSI under 40 and price above the 200-day moving average

バックテスト:

Backtest a top-20% momentum strategy on Nasdaq 100, monthly rebalance, last 2 years

How would a value screen (PE under 15, ROE above 12%) have performed on S&P 500 over the last 3 years?

Test a momentum strategy with a 15% stop loss and 20% max portfolio drawdown circuit breaker

リサーチのワークフロー全体:

Screen S&P 500 for cheap, high-quality stocks. Backtest monthly over 3 years,
then run factor analysis. Is the return real alpha or just factor exposure?

スクリーニングの種類

スクリーニング	説明	主なパラメーター
fundamental_screen	PE、ROE、レバレッジ、売上高成長率で絞り込みます	pe_lt、roe_gt、debt_equity_lt、revenue_growth_gt
quality_screen	収益性と貸借対照表の健全性で絞り込みます	roe_gt、debt_equity_lt、profit_margin_gt
momentum_screen	N 日間の価格モメンタムで順位付けします	lookback_days、top_pct
value_screen	バリュエーションが最も低い銘柄を選びます	pe_lt、top_n
factor_model	複数ファクターの総合スコアを算出します	weights（バリュー／モメンタム／クオリティ／ボラティリティ）、top_n
technical_signal	RSI と SMA のクロスオーバーシグナルを検出します	rsi_period、sma_short、sma_long
mean_reversion	z スコアのしきい値を下回る銘柄を選びます	lookback_days、z_threshold

Python から使用する

ツールは直接インポートして使用することもでき、エージェントは不要です。既存のスクリプトにバックテストやファクター分析を組み込みたい場合に便利です。

from quantcontext.server import screen_stocks, backtest_strategy, factor_analysis
import asyncio, json

# Screen
result = json.loads(asyncio.run(screen_stocks(
    universe="sp500",
    screen_type="fundamental_screen",
    config={"pe_lt": 15, "roe_gt": 12},
)))

# Backtest
bt = json.loads(asyncio.run(backtest_strategy(
    stages=[{"order": 1, "type": "screen", "skill": "fundamental_screen", "config": {"pe_lt": 15, "roe_gt": 12}}],
    universe="sp500",
    rebalance="monthly",
    start_date="2022-01-01",
)))
print(bt["metrics"])

# Factor analysis — pipe the equity curve straight in
fa = json.loads(asyncio.run(factor_analysis(
    equity_curve=bt["full_equity_curve"]
)))
print(fa["alpha_annualized"], fa["alpha_tstat"])

戦略は上の表にある組み込みのスクリーニングタイプを使って記述します。すべての関数は非同期で、JSON 文字列を返します。

データ

すべて公開データで、API キーは不要です。

データ	ソース	キャッシュ
日次 OHLCV 価格	Yahoo Finance（yfinance）	~/.cache/quantcontext/prices.parquet
ファンダメンタルズ（PE、ROE、利益率など）	Yahoo Finance	~/.cache/quantcontext/financials/、24 時間 TTL
Fama-French ファクター（Mkt-RF、SMB、HML、Mom）	Kenneth French Data Library	~/.cache/quantcontext/ff_factors.parquet
ユニバースの銘柄リスト（S&P 500、Nasdaq 100）	Wikipedia	~/.cache/quantcontext/sp500_tickers.json

最初のツール呼び出しでは、データをダウンロードしてキャッシュするため、10〜30 秒かかります。それ以降の呼び出しではローカルキャッシュを使用します。スクリーニングは 1 秒未満、バックテストは 3〜8 秒で完了します。

初回の待ち時間を省くには、インストール後に一度実行してください。

quantcontext-warmup --url https://quantcontext.ai/api/data

リンク

• ドキュメント — リファレンス、例、方法論の全容
• PyPI

ライセンス

MIT