QuantContext

Name: QuantContext
Author: zomma-dev

作者：zomma-dev版本 0.1.2i★ –i在你的电脑上运行

注册名称io.github.zomma-dev/quantcontext

安装

概览

作者提供的说明（英文原文）

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

PopNx MCP 的三大支柱

这三项永远不会合并成一个分数：意见、测量和人气是不同的东西。

用户评价i暂无评价评价功能将在后续阶段与账户功能一起开放
我们的基础检查i1 项中通过 1 项依据公开信息检查；尚未扫描代码
使用情况i尚未统计★ –

它能帮你做什么

我们还没有为它写通俗的介绍。下面是我们从注册中心读取到的事实。

连接方式: 在你的电脑上运行
传输方式: stdio
分类: 会计、财务与税务

安装

选择你使用的 AI 应用，然后复制设置。

安装之前

基础检查：1 项中通过 1 项
在你的电脑上运行，拥有你的用户账户的权限（文件、网络、应用）。
注册中心没有列出需要填写的密钥。

你需要

PyPI已安装 Python 的 uv（用于 uvx 命令）

你用的是哪个应用？

ClaudeClaude CodeCursorVS CodeChatGPT

在上方选择你的应用。我们会记住它，下次按钮会显示“安装到 …”。

打开 Claude Desktop → Settings → Developer → Edit Config，把下面的内容粘贴到 claude_desktop_config.json

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

在终端中运行这条命令

claude mcp add quantcontext -- uvx quantcontext-mcp

在 Cursor 中打开

或者自己复制设置

粘贴到项目中的 .cursor/mcp.json，或 ~/.cursor/mcp.json

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

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

在 VS Code 中打开

或者自己复制设置

粘贴到项目中的 .vscode/mcp.json

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

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

这个服务器在你的电脑上运行，而 ChatGPT 只能连接互联网上的服务器。请选择其他应用。

你的选择通过 Cookie 保存在这台设备上，无需账户。

这些设置是根据作者在注册中心的条目生成的。如果 README 的写法不同，请以 README 为准。

它能做什么

它在你的电脑上运行；安装后，工具列表会显示在你的 AI 应用中。

基础检查i

我们检查的是任何人都能看到的信息；我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月6日

✓ 通过
作者与仓库一致
注册名称已通过 GitHub 账户 zomma-dev 验证，该账户拥有此仓库
… 尚未检查
仍在维护
我们还没有从 GitHub 读取这个仓库
… 尚未检查
有许可证
我们还没有从 GitHub 读取这个仓库
– 不适用
端点有响应
它在你的电脑上运行，没有互联网端点
– 不适用
使用 OAuth 登录
在你的电脑上运行，改用本地设置
… 尚未检查
工具描述中没有隐藏指令
它在你的电脑上运行；我们只能读取互联网端点的工具列表

与“会计、财务与税务”中的其他服务器比较i

星标数多于此分类中其他 1720 个服务器的 0%
发布到注册中心的时间比此分类中其他 1720 个服务器的 2% 更新
基础检查结果等于或优于此分类中其他 1720 个服务器的 100%

与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时，星标数才计入。

常见问题

QuantContext 安全吗？

它在 1 项适用的基础检查中通过了 1 项。我们没有阅读代码。在添加密钥或令牌之前，请先看看这个服务器要求哪些权限，并使用只具备所需权限的密钥。

它需要哪些密钥或代码？

注册中心没有列出必需的密钥，不过有些服务器会在首次使用时要求你登录。

它在我的电脑上运行还是在云端？

它在你的电脑上运行。你的 AI 应用会在需要时启动它，数据不会经过作者的服务器（除非它自己调用在线服务）。

它还在维护吗？

GitHub 仓库最后更新于–，最新版本（0.1.2）于8个月前进入注册中心。

哪些应用可以使用它？

支持 MCP 的应用，例如 Claude Desktop、Claude Code、Cursor 和 VS Code。你的电脑上还需要有 Python (uv)。

有什么可以替代它？

同一分类中有：Finance Toolkit, SolidInvoice, Korea Tax Calculator

替代选择

同一分类中其他作者的服务器，按星标数排序。

如何看卡片：★ GitHub 星标i三大支柱：评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i

Finance Toolkit

作者：JerBouma

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

电脑或云端★ 5,496MIT昨天更新

安装

SolidInvoice

作者：SolidInvoice

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

在云端运行★ 981MIT7天前更新

安装

Korea Tax Calculator

作者：UpstageAI

Korean tax calculation and tax-audit judgment MCP: 95 tools with statutory citations.

在你的电脑上运行★ 97MIT今天更新

安装

作者的 README

打开 README

按原文从作者的仓库复制。PopNx MCP 没有审查或背书其内容。HTML、图片和脚本已被移除。链接会离开本站。

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

概览

PopNx MCP 的三大支柱

它能帮你做什么

安装

安装之前

它能做什么

基础检查i

作者与仓库一致

仍在维护

有许可证

端点有响应

使用 OAuth 登录

工具描述中没有隐藏指令

与“会计、财务与税务”中的其他服务器比较i

常见问题

替代选择

Finance Toolkit

SolidInvoice

Korea Tax Calculator

作者的 README

QuantContext

Install

Tools

Sample Prompts

Screen Types

Use from Python

Screen

Backtest

Factor analysis — pipe the equity curve straight in

Data

Links

License