Microsoft Qlib + RD-Agent を Claude Code + Codex で自律駆動する量的投資 R&D フレームワーク。
OpenAI API 依存を Claude Code サブエージェント + Codex CLI に置き換え、 「Python → LLM API」から「Claude Code → Python/Qlib を道具として使う」制御の反転を実現。
Qlib/ ← このリポジトリ(親)
├── .claude/ ← Claude Code 設定・スキル・サブエージェント定義
│ ├── skills/ # RD ループ・仮説生成・ファクター実装 etc.
│ ├── subagents/ # Planner / Coder / Evaluator 定義
│ ├── settings.json # 共有パーミッション
│ └── artifacts/ # 実験アーティファクト
├── Qlib-with-Claudex/ ← microsoft/qlib フォーク(サブプロジェクト)
├── RD-Agent-with-Claudex/ ← microsoft/RD-Agent フォーク(サブプロジェクト)
└── docs/plans/ ← 設計ドキュメント
# 1. サブモジュールごとクローン(1コマンド)
git clone --recurse-submodules git@github.com:rozwer/Qlib-with-Claudex.git Qlib
cd Qlib
# すでにクローン済みの場合:
# git submodule update --init --recursive
# 2. RD-Agent 仮想環境セットアップ
cd RD-Agent-with-Claudex
uv venv --python 3.12 && source .venv/bin/activate
uv pip install -e ".[dev]"
# 3. Qlib をvenvにインストール
uv pip install -e ../Qlib-with-Claudex/
# 4. Qlib 市場データダウンロード (~50MB, CSI300 2005-2021)
cd ../Qlib-with-Claudex/scripts
python get_data.py qlib_data --name qlib_data_simple \
--target_dir ~/.qlib/qlib_data/cn_data --region cn
cd ../..
# 5. source_data.h5 生成(クイックテスト)
python scripts/prepare_source_data.py --output /tmp/source_data.h5
# 6. データ品質チェック
python scripts/check_data_quality.py /tmp/source_data.h5 /tmp/data_quality.json| スクリプト | 用途 |
|---|---|
scripts/prepare_source_data.py |
Qlib 市場データから source_data.h5 を生成 |
scripts/calc_ic.py |
バックテスト結果から IC/IR/RankIC を計算 |
scripts/check_data_quality.py |
カラム欠損率を検査、data_quality.json を出力 |
# R&D ループ用に source_data.h5 を生成(5ラウンド、50銘柄、2019-2020)
source RD-Agent-with-Claudex/.venv/bin/activate
python scripts/prepare_source_data.py --output_dir .claude/artifacts/rdloop/my_run --rounds 5
# カスタマイズ: 100銘柄、長期間
python scripts/prepare_source_data.py --output_dir .claude/artifacts/rdloop/my_run \
--rounds 10 --n_instruments 100 --start_time 2015-01-01 --end_time 2020-12-31Claude Code が以下のサブエージェントを順に呼び出してファクター探索を自動化:
| ステップ | コンポーネント | 役割 |
|---|---|---|
| 仮説生成 | Planner (Agent tool) | TraceView 分析 → 新仮説提案 |
| コード生成 | Codex CLI (codex exec --full-auto) |
ファクター計算コード生成 |
| 実行 | Bash (RD-Agent venv) | factor.py 実行 + IC 計算 |
| 評価 | Evaluator (Agent tool) | 結果分析 → フィードバック |
本プロジェクトは Microsoft Qlib(AI 駆動の量的投資プラットフォーム)の上に構築されています。
Qlib はデータ処理・モデル学習・バックテストまでの ML パイプラインを提供し、アルファ探索から注文執行まで量的投資の全工程をカバーします。
- モデル Zoo — 20+ の SOTA モデル(LightGBM, LSTM, Transformer, TRA, HIST 等)
- データセット Zoo — Alpha158, Alpha360(米国・中国市場)
- 自動ワークフロー —
qrunでエンドツーエンドのリサーチ - 強化学習 — 注文執行の最適化
- オンライン配信 — 自動ローリングでモデルをデプロイ
Microsoft RD-Agent は LLM 駆動の自律型 R&D エージェントフレームワークです。本プロジェクトでは OpenAI バックエンドを Claude Code サブエージェントに置き換えています。
MIT(Microsoft Qlib / RD-Agent から継承)