QuantContext

Name: QuantContext
Author: zomma-dev

제작자: zomma-dev버전 0.1.2i★ –i내 컴퓨터에서 실행

레지스트리 이름io.github.zomma-dev/quantcontext

설치

개요

제작자가 쓴 설명(영어 원문)

Deterministic stock screening, backtesting, and factor analysis for AI trading agents

PopNx MCP의 세 기둥

이 세 가지는 절대 하나의 점수로 합치지 않아요. 의견, 측정, 인기는 서로 다른 것이니까요.

사용자 의견i아직 리뷰가 없어요리뷰는 다음 단계에서 계정 기능과 함께 열려요
우리의 기본 점검i1개 중 1개 통과공개된 정보로 점검했으며, 코드는 아직 스캔하지 않았어요
사용 정도i아직 측정 안 함★ –

할 수 있는 일

이 서버는 아직 쉬운 말로 된 요약을 쓰지 못했어요. 아래는 레지스트리에서 읽어 온 사실이에요.

연결 방식: 내 컴퓨터에서 실행
전송 방식: stdio
카테고리: 회계, 재무 및 세금

설치

쓰고 있는 AI 앱을 고른 다음 설정을 복사하세요.

설치하기 전에

기본 점검: 1개 중 1개 통과
내 컴퓨터에서 내 사용자 계정의 권한(파일, 네트워크, 앱)으로 실행돼요.
레지스트리에 입력해야 할 키가 나와 있지 않아요.

필요한 것

PyPIPython의 uv 설치(uvx 명령어용)

어떤 앱을 쓰세요?

ClaudeClaude CodeCursorVS CodeChatGPT

위에서 앱을 고르세요. 기억해 두었다가 다음부터는 버튼에 “…에 설치”라고 표시해요.

Claude Desktop → Settings → Developer → Edit Config를 열고 claude_desktop_config.json에 이 내용을 붙여 넣으세요

{
  "mcpServers": {
    "quantcontext": {
      "command": "uvx",
      "args": [
        "quantcontext-mcp"
      ]
    }
  }
}

터미널에서 이 명령어를 실행하세요

claude mcp add quantcontext -- uvx quantcontext-mcp

Cursor에서 열기

또는 설정을 직접 복사하기

프로젝트의 .cursor/mcp.json 또는 ~/.cursor/mcp.json에 붙여 넣으세요

{
  "mcpServers": {
    "quantcontext": {
      "command": "uvx",
      "args": [
        "quantcontext-mcp"
      ]
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

VS Code에서 열기

또는 설정을 직접 복사하기

프로젝트의 .vscode/mcp.json에 붙여 넣으세요

{
  "servers": {
    "quantcontext": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "quantcontext-mcp"
      ]
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

이 서버는 내 컴퓨터에서 실행되는데, ChatGPT는 인터넷에 있는 서버에만 연결할 수 있어요. 다른 앱을 고르세요.

선택한 앱은 이 기기의 쿠키에만 저장돼요. 계정은 필요 없어요.

이 설정은 제작자의 레지스트리 정보로 만들었어요. README와 다르면 README를 따르세요.

할 수 있는 일

내 컴퓨터에서 실행돼요. 설치하면 AI 앱에 도구 목록이 나타나요.

기본 점검i

누구나 볼 수 있는 정보를 점검했고, 코드는 읽지 않았어요. 해당하지 않는 항목은 개수에서 뺐어요. · 2026년 11월 7일 점검

✓ 통과
제작자와 저장소 일치
레지스트리 이름이 GitHub 계정 zomma-dev 기준으로 확인되었고, 이 계정이 저장소를 소유하고 있어요
… 아직 점검 안 함
계속 관리되고 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
… 아직 점검 안 함
라이선스 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
– 해당 없음
엔드포인트 응답
내 컴퓨터에서 실행되는 서버라 인터넷 엔드포인트가 없어요
– 해당 없음
OAuth로 로그인
내 컴퓨터에서 실행되며, 대신 로컬 설정을 사용해요
… 아직 점검 안 함
도구 설명에 숨겨진 지시 없음
내 컴퓨터에서 실행돼요. 도구 목록은 인터넷 엔드포인트가 있는 서버에서만 읽을 수 있어요

회계, 재무 및 세금 카테고리의 다른 서버와 비교i

이 카테고리의 다른 서버 1730개 중 0%보다 스타가 많아요
이 카테고리의 다른 서버 1730개 중 2%보다 최근에 레지스트리에 공개됐어요
기본 점검 결과가 이 카테고리의 다른 서버 1730개 중 100%와 같거나 더 좋아요

레지스트리에서 이 카테고리의 활성 서버 전체와 비교했어요. 스타는 게시자가 저장소를 소유한 경우에만 세요.

자주 묻는 질문

QuantContext, 안전한가요?

해당하는 기본 점검 1개 중 1개를 통과했어요. 코드는 읽지 않았어요. 키나 토큰을 넣기 전에 서버가 어떤 권한을 요구하는지 확인하고, 꼭 필요한 권한만 있는 키를 쓰세요.

어떤 키나 코드가 필요한가요?

레지스트리에 필수 키가 나와 있지 않아요. 다만 처음 쓸 때 로그인을 요구하는 서버도 있어요.

내 컴퓨터에서 실행되나요, 클라우드에서 실행되나요?

내 컴퓨터에서 실행돼요. AI 앱이 필요할 때 실행하고, 데이터는 제작자의 서버를 거치지 않아요(서버 자체가 온라인 서비스를 호출하는 경우는 제외).

아직 관리되고 있나요?

GitHub 저장소는 마지막으로 – 변경됐고, 최신 버전(0.1.2)은 8개월 전 레지스트리에 올라왔어요.

어떤 앱에서 쓸 수 있나요?

Claude Desktop, Claude Code, Cursor, VS Code처럼 MCP를 지원하는 앱에서 쓸 수 있어요. 내 컴퓨터에 Python (uv)도 있어야 해요.

대신 쓸 수 있는 건 뭐가 있나요?

같은 카테고리에는: Finance Toolkit, SolidInvoice, Korea Tax Calculator

대안

같은 카테고리에서 다른 제작자가 만든 서버예요. 스타 순으로 정렬했어요.

카드 보는 법:★ GitHub 스타i세 기둥: 리뷰 · 점검 · 사용 정도i업데이트 = 최신 버전을 레지스트리에 공개한 날i

Finance Toolkit

제작자: JerBouma

500+ transparent financial methods calculated from raw statements, not third-party endpoints.

컴퓨터 또는 클라우드★ 5,496MIT오늘 업데이트

설치

SolidInvoice

제작자: SolidInvoice

Create and send invoices and quotes, manage clients, and track payments in SolidInvoice.

클라우드에서 실행★ 981MIT8일 전 업데이트

설치

Korea Tax Calculator

제작자: UpstageAI

Korean tax calculation and tax-audit judgment MCP: 96 tools with statutory citations.

내 컴퓨터에서 실행★ 97MIT어제 업데이트

설치

제작자의 README

README 열기

제작자의 저장소에서 쓰인 그대로 가져왔어요. PopNx MCP가 검토하거나 보증한 내용이 아니에요. HTML, 이미지, 스크립트는 제거했어요. 링크를 누르면 이 사이트를 벗어나요.

QuantContext

QuantContext is an MCP server that turns plain-English strategy descriptions into executable quant research: screen stocks by any criteria, backtest over historical data, and run factor analysis to see where the returns come from. Every number is computed from real market data, not generated by an LLM. Results are fully reproducible.

Works with Claude, Codex, OpenCode, or any other MCP-compatible coding agent.

Install

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" } } }

No API keys. No configuration.

Tools

Three tools that compose into a full research workflow:

screen_stocks -> backtest_strategy -> factor_analysis

Tool	What it does
`screen_stocks`	Filter S&P 500, Nasdaq 100, or Russell 2000 by fundamentals, momentum, quality, technical signals, or a multi-factor blend. Returns ranked candidates.
`backtest_strategy`	Test a strategy over history with a rebalance-loop engine. Returns CAGR, Sharpe, max drawdown, equity curve, and trade log.
`factor_analysis`	Decompose strategy returns into Fama-French factors (market, size, value, momentum). Returns alpha with t-statistic, factor loadings, and R-squared.

Sample Prompts

Stock screening:

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

Backtesting:

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

Full research workflow:

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?

Screen Types

Screen	Description	Key parameters
`fundamental_screen`	Filter by PE, ROE, leverage, revenue growth	`pe_lt`, `roe_gt`, `debt_equity_lt`, `revenue_growth_gt`
`quality_screen`	Profitability and balance sheet health	`roe_gt`, `debt_equity_lt`, `profit_margin_gt`
`momentum_screen`	Rank by N-day price momentum	`lookback_days`, `top_pct`
`value_screen`	Cheapest stocks by valuation	`pe_lt`, `top_n`
`factor_model`	Multi-factor composite score	`weights` (value/momentum/quality/volatility), `top_n`
`technical_signal`	RSI and SMA crossover signals	`rsi_period`, `sma_short`, `sma_long`
`mean_reversion`	Stocks below z-score threshold	`lookback_days`, `z_threshold`

Use from Python

The tools are also importable directly — no agent required. Useful if you have an existing script and want to plug in backtesting or factor analysis.

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"])

Strategies are expressed using the built-in screen types from the table above. All functions are async and return JSON strings.

Data

All public data, no API keys required.

Data	Source	Cache
Daily OHLCV prices	Yahoo Finance (`yfinance`)	`~/.cache/quantcontext/prices.parquet`
Fundamentals (PE, ROE, margins, etc.)	Yahoo Finance	`~/.cache/quantcontext/financials/`, 24h TTL
Fama-French factors (Mkt-RF, SMB, HML, Mom)	Kenneth French Data Library	`~/.cache/quantcontext/ff_factors.parquet`
Universe lists (S&P 500, Nasdaq 100)	Wikipedia	`~/.cache/quantcontext/sp500_tickers.json`

The first tool call downloads and caches data (10-30 seconds). All subsequent calls use the local cache: screening under 1s, backtesting 3-8s.

To skip the cold start, run once after install:

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

License

MIT

QuantContext

개요

PopNx MCP의 세 기둥

할 수 있는 일

설치

설치하기 전에

할 수 있는 일

기본 점검i

제작자와 저장소 일치

계속 관리되고 있음

라이선스 있음

엔드포인트 응답

OAuth로 로그인

도구 설명에 숨겨진 지시 없음

회계, 재무 및 세금 카테고리의 다른 서버와 비교i

자주 묻는 질문

대안

Finance Toolkit

SolidInvoice

Korea Tax Calculator

제작자의 README

QuantContext

Install

Tools

Sample Prompts

Screen Types

Use from Python

Screen

Backtest

Factor analysis — pipe the equity curve straight in

Data

Links

License