基于 Flask 的市场分析仪表盘，集成振荡统计、多资产横向比较、期权损益分析、隐含波动率曲面以及盈亏赔率评估等功能。数据来源于 Yahoo Finance，可选 SQLite 缓存；后端使用 matplotlib 生成图表，前端采用原生 JavaScript。
| 标签页 |
功能说明 |
| Parameter |
配置分析参数（标的、频率、时间区间、风险阈值、偏差模式）、可选期权持仓及仓位管理 |
| Market Review |
以目标标的为锚，与 USD、US10Y、黄金、SPX、CSI300、HSI、NKY、STOXX 等全球基准横向比较收益率、波动率和相关性 |
| Statistical Analysis |
振荡-收益率散点图（含边际分布）、高低振荡散点图、收益率-振荡动态图（滚动分位预测）、波动率动态图（牛熊分段）、滚动相关性动态图 |
| Assessment & Projections |
基于历史振荡的 Walk-Forward 价格投影（含样本外命中率）、期权组合到期损益图（含 BS Greeks 摘要）、仓位管理建议 |
| Option Chain |
实时 T 型期权链（IV、OI、成交量、买卖价、时间价值），支持按到期日切换，流动性评分(GOOD/FAIR/AVOID)标注 |
| Volatility Analysis |
IV Smile、IV 期限结构、3D IV 曲面、偏度分析、OI/成交量分布、PCR 摘要、预期波动幅度、关键指标快照、波动率溢价信号（IV vs HV） |
| Odds |
给定目标价，计算各行权价多头看涨 / 看跌期权的盈亏赔率，按到期日分色展示 |
详细的公式推导与使用说明请参阅 USER_GUIDE.md。
app.py # Flask 入口，路由与调度器启动
core/ # 核心分析逻辑
price_dynamic.py # 价格数据获取、频率重采样、振荡 / 收益率 / 波动率 / HV 上下文计算
market_analyzer.py # 散点图、动态图、投影（Walk-Forward）、期权 P&L 图表生成
market_review.py # 多资产横向比较（收益率、波动率、相关性）
correlation_validator.py # 滚动相关性验证（收益率自相关 + 高低振荡相关）
options_chain_analyzer.py # IV 曲面、偏度、OI 分布、PCR、预期波动
options_greeks.py # 向量化 Black-Scholes Greeks（Delta/Gamma/Theta/Vega）及组合分析
services/ # 请求编排层
form_service.py # 表单数据提取与解析（含仓位管理参数）
validation_service.py# 输入校验（含仓位管理参数校验）
analysis_service.py # 完整分析流程编排 + 仓位管理计算
market_service.py # 标的验证 + Market Review 生成
options_chain_service.py # Options Chain 分析编排 + Vol Premium 上下文
chart_service.py # 图表服务
data_pipeline/ # 数据管道（下载 → 清洗 → 加工 → 服务）
downloader.py # 通过 yfinance 下载 OHLCV 并写入 raw_prices
cleaning.py # 对齐交易日、标记异常（5σ 波动、成交量异常）、前向填充
processing.py # 日/周/月级聚合及衍生指标（收益率、振幅、Parkinson/GK 方差、动量等）
data_service.py # 数据门面：初始化 DB，按需 7 日增量刷新，60s 并发节流
scheduler.py # 可选 APScheduler 定时任务（每日 16:15 刷新、月度相关性刷新）
db.py # SQLite 数据库操作（WAL 模式，10s 超时）
utils/ # 工具函数
static/ & templates/ # 前端（原生 JS + CSS + Jinja2 模板）
tests/ # 回归测试
Yahoo Finance ──▶ downloader (upsert raw_prices)
│
▼
cleaning (对齐交易日, 异常标记, 前向填充)
│
▼
processing (多频率聚合 + 衍生指标)
│
▼
data_service (统一查询接口, 自动增量刷新)
| 变量 |
说明 |
默认值 |
MARKET_DB_PATH |
SQLite 数据库路径 |
./market_data.sqlite |
AUTO_UPDATE_TICKERS |
定时刷新的标的列表（逗号分隔） |
空 |
SCHED_TZ |
调度器时区 |
UTC |
PORT |
服务端口 |
5000 |
import datetime as dt
from data_pipeline.data_service import DataService
from data_pipeline.downloader import upsert_raw_prices
from data_pipeline.cleaning import clean_range
from data_pipeline.processing import process_frequencies
DataService.initialize()
start = dt.date.today() - dt.timedelta(days=730)
end = dt.date.today()
for t in ["AAPL", "MSFT", "SPY"]:
upsert_raw_prices(t, start, end)
clean_range(t, start, end)
process_frequencies(t, start, end)# 1. 创建虚拟环境
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
# 2. 安装依赖
pip install -r requirements.txt
# 3.（可选）配置环境变量
cp .env.example .env # 设置 PORT, FLASK_ENV, SECRET_KEY, LOG_LEVEL 等
# 4. 启动
python app.py
# 访问 http://localhost:5000
| 方法 |
路径 |
说明 |
| GET / POST |
/ |
主页面；POST 提交分析参数并返回完整结果 |
| GET |
/api/option_chain?ticker=AAPL |
获取实时期权链数据（JSON） |
| POST |
/api/validate_ticker |
校验标的代码有效性，请求体 { "ticker": "AAPL" } |
| 参数 |
类型 |
必填 |
说明 |
ticker |
string |
是 |
Yahoo Finance 标的代码 |
start_time |
string |
是 |
起始月份（YYYYMM 或 YYYY-MM） |
end_time |
string |
否 |
结束月份，留空则至最新 |
frequency |
string |
否 |
D / W / ME / QE，默认 ME |
risk_threshold |
int |
否 |
0–100，默认 90 |
rolling_window |
int |
否 |
滚动窗口期数，默认 120 |
side_bias |
string |
否 |
Natural / Neutral，默认 Neutral |
option_position |
JSON |
否 |
期权持仓列表 |
account_size |
number |
否 |
账户规模（$），用于仓位管理 |
max_risk_pct |
number |
否 |
单笔最大风险比例（0.1–20%），用于仓位管理 |
| 组件 |
技术 |
| 后端 |
Flask 3.1, Python 3.11 |
| 数据源 |
yfinance |
| 数据库 |
SQLite |
| 图表 |
matplotlib, Chart.js (前端 Odds) |
| 调度 |
APScheduler |
| 前端 |
原生 JavaScript, CSS, Jinja2 |
| 部署 |
Gunicorn / Netlify |
python tests/test_chart_time_range.py
# Gunicorn 示例
gunicorn --bind 0.0.0.0:8000 app:application
Netlify 配置已包含在 netlify.toml，使用 Python 3.11 构建。
MIT License. 如有问题请提交 GitHub Issue。