一个面向 A 股市场的量化分析系统，涵盖实时行情分析、因子计算、机器学习建模、交易信号、组合管理、风险管理、回测验证等完整链路。v4.0 采用 React 前端 + Flask API 架构，数据层延续 Parquet + SQLite，零外部中间件依赖（无需 MySQL / Redis），克隆即可运行。
本项目是用于学习和二次开发的多因子选股系统原型，适合继续补齐后再扩展使用。
- 定位：多因子选股系统原型，适合继续补齐后再扩展使用
- 适用场景：量化入门学习、策略研究、二次开发
- 不适用场景：直接用于实盘交易
| 模块 | 状态 | 说明 |
|---|---|---|
| 日线/分钟线数据中心 | 已实现 | 任务提交、状态轮询、历史展示（Parquet 存储） |
| AI 智能工作台 | 已实现 | 自然语言查数据/更新数据/建宽表/算因子/训练模型，流式对话，SQL 只读约束 |
| 因子计算与表达式 | 已实现 | 内置因子 + 自定义表达式（白名单校验），point-in-time 公告日打点 |
| ML 建模与预测 | 已实现 | XGBoost / LightGBM / RandomForest，防泄漏训练管线 |
| 基础选股评分 | 已实现 | 基础因子评分与 ML 集成评分 |
| 投资组合管理 | 已实现 | 投资组合页面已具备真实创建、详情、持仓增删改、组合删除和优化结果落库能力 |
| 回测验证 | 已实现（研究级） | t+1 成交、涨跌停/停牌约束、逐日 mark-to-market 净值已实现；卖出印花税计入成本；注意股票池完整性依赖重新下载含退市股的 stock_basic |
| 报告中心 | 部分实现 | 报告列表与生成功能入口已接通，导出与订阅派发仍在补齐 |
| 实时行情分析 | 部分实现 | React 前端六页已可用（指标/信号/监控/风险/报告/推送）；分钟数据依赖本地同步任务 |
| 试用数据面板 | 已实现 | 市场简报、财务健康度、资金流统计、个股雷达/全景、板块热力图（/trial/*） |
| Text2SQL 查询 | 部分实现 | 只读查询可用（统一只读校验），模板生态待完善 |
| 实盘交易对接 | 未实现/未开放 | 无券商接口，不构成投资建议 |
通过自然语言对话完成查询分析与系统操作，页面入口：导航栏「AI 工作台」（/ai-workbench）。
- 数据查询分析：大模型生成只读 SQL 查询本地宽表数据（最新交易日快照），自动查看表结构、修正 SQL
- 代办系统功能：下载/更新数据（需在 .env 配置 TUSHARE_TOKEN）、构建大宽表、计算因子、创建自定义因子、训练与预测 ML 模型、查询任务进度
- 安全约束：SQL 仅允许单条只读 SELECT（复用 text2sql 校验与独立只读查询库）；动作类工具可整体切换为只读模式；大宽表构建保留 18:00 校验
- 配置方式：在 .env 中设置
LLM_API_KEY/LLM_BASE_URL/LLM_MODEL即可，兼容 DeepSeek、通义、GLM、Kimi、OpenAI 及本地 Ollama 的 OpenAI 兼容接口；对话为流式输出，工具调用过程全程可见
-
页面入口：
/realtime-analysis/*六页——技术指标、交易信号、实时监控、风险管理、分析报告、消息推送（SocketIO 实时推送） -
技术指标：通达信分钟数据接入，支持 MACD/KDJ/RSI/布林带等指标计算与展示
-
交易信号：多策略信号生成、信号融合、信号监控、策略回测
-
风险管理：投资组合持仓管理、实时价格刷新（通达信接口）、风险指标、预警管理、压力测试
-
分析报告：5 种报告类型（每日总结/组合分析/风险评估/信号分析/市场概览），支持指标卡片、表格、图表可视化
-
实时监控：板块表现、异动检测、市场情绪指标
- 内置因子计算 + 自定义因子表达式（白名单校验）
- 基础因子评分与 ML 选股
- 机器学习模型创建、训练（XGBoost / LightGBM / RandomForest）、预测
- 等权重、均值方差、风险平价、因子中性组合优化
- 投资组合 CRUD：创建、持仓增删改、优化结果落库
- 单策略与多策略回测；长周期回测支持异步模式：提交后立即返回 run_id，轮询进度与结果
- 行情数据：Parquet 格式存储，支持通达信和 Baostock 双数据源
- 应用状态：SQLite 管理持仓、报告、预警等
- 离线数据包：提供预下载的历史数据，解压即用
- 数据中心入口：页面
/data-management，支持任务提交、查询、重试、状态过滤、进度轮询、历史展示
- 视频讲解地址：v2.0版本 https://youtu.be/SpHsZdlyii8 v3.0版本：https://youtu.be/p0iJxGveW60
- 为方便学习使用，数据已改为 Parquet 模式，下载后安装环境即可使用，不需要安装 MySQL
- 数据更新到 2026 年 06 月 03 日，包含历史行情、基本面、技术面、资金流入、筹码分布，后续不定期更新
- 由于历史数据第一次下载较大，百度网盘没会员下载较慢，现提供其它几个网盘，请根据实际情况选择其中一个下载，后面日更新的数据文件不大，继续放百度网盘
- 夸克网盘：https://pan.quark.cn/s/30fe0b6ddb86
- 123网盘：https://1859852554.share.123pan.cn/123pan/tRlivd-xOXLH
- 百度网盘：https://pan.baidu.com/s/1V7GW68EmA3Ad8lKTLsuG3Q?pwd=bie3
- 如有 Tushare 接口，可通过数据管理页面更新数据
-
anaconda或者python 二选一就行，以免环境冲突，简单一点用python，需要更多功能用anaconda
-
anaconda下载地址： https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
-
python下载地址，建议用3.12.10 https://www.python.org/downloads/windows/
-
查看SQLite数据库，免费软件可以下载 https://sqlitebrowser.org/dl/ 然后把stock_cursor.sqlite3文件拖入软件中即可使用。
- 📊 因子管理: 内置因子和受限自定义因子能力
- 🤖 机器学习: 支持随机森林、XGBoost、LightGBM 等模型定义与训练
- 🎯 基础选股评分: 支持基础因子评分与 ML 选股链路
- 📈 组合优化: 当前仅保留已验证的优化方法
- 🔄 回测验证: 提供基础回测结果和多策略比较能力
- 📋 分析页面: 仅展示真实返回结果，不再自动填充演示数据
- 后端: Python 3.10–3.12 / Flask / SQLAlchemy / SocketIO
- 前端: React 19 / Vite 7 / TypeScript（SPA；开发态代理
/api与/socket.io到后端 5000） - 数据处理: Pandas / NumPy / Scikit-learn
- 机器学习: XGBoost / LightGBM / CVXPY
- 任务执行: 进程内（后台线程 / 本地任务注册表），无需 Redis / Celery
- 市场数据源: Parquet 文件为主，市场数据统一落在
data/ - ML 因子状态层: Parquet 文件，状态数据统一落在
data/ml_factor_state/ - 应用状态层: 低并发状态与元数据统一使用 SQLite
📘 新手用户：请从零开始一步步操作的话，推荐阅读详细的 从零安装指南（INSTALL.md），涵盖环境准备、依赖安装、配置说明、前后端启动、数据下载与常见问题排查。
- Python 3.10–3.12（最低 3.8+）
- Node.js 22 LTS（仅 React 前端界面需要；只用 API 可跳过）
- 运行系统不需要 MySQL，也不需要 Redis；默认使用 SQLite + Parquet，克隆即可运行
# 克隆项目
git clone <repository-url>
cd quantitative_analysis
# 后端依赖
pip install -r requirements.txt
# 前端依赖（首次需要，Node 22 LTS）
cd frontend && npm install && cd ..
# 环境配置（LLM、Tushare Token 等按需填写）
cp .env.example .envcp .env.example .env
docker compose up --build默认只启动 Web 单容器（SQLite 与 parquet 状态均为本地文件）；市场数据和 ml-factor 状态以本地 parquet 文件为准。
运行当前已接通功能入口：
# 终端 1：后端 API + SocketIO（端口 5000）
python run.py
# 终端 2：React 前端开发服务器（端口 5173）
cd frontend && npm run dev常规 Web 启动统一使用 python run.py。run_system.py 用于初始化与诊断（检查依赖、校验数据库和补建基础表），不作为日常启动入口。
模型删除前后端入口已打通：模型管理页面的删除按钮与
/api/ml-factor/models/<id>DELETE 接口均已接通。
Traceback (most recent call last):
File "/root/stock/run.py", line 9, in <module>
app = create_app(os.getenv('FLASK_ENV', 'default'))
执行：pip install eventlet
- React 界面（推荐入口）: http://localhost:5173
- Flask 页面: http://localhost:5000
- API入口: http://localhost:5000/api
运行 python run.py 后，系统会输出启动检查摘要，并默认在开发环境下启动 Web 服务。
运行 python run_system.py 后，可执行以下操作：
- 检查系统依赖 - 验证Python版本和必需包
- 初始化数据库 - 创建数据表和内置因子
- 启动Web服务器 - 启动开发模式服务器（调试用途）
- 启动Web服务器(生产模式) - 启动生产模式服务器
- 运行系统演示 - 运行当前已接通功能入口
- 显示系统信息 - 查看系统功能概览
- 查看系统状态和统计信息
- 快速访问主要功能
- 查看内置因子列表
- 创建自定义因子
- 计算因子值
- 创建机器学习模型
- 训练模型
- 模型预测
- 基于因子的选股
- 基于ML模型的选股
- 配置选股参数
- 多种优化方法
- 约束条件设置
- 权重分配结果
- 行业分析
- 因子贡献度分析
- 单策略回测
- 多策略比较
- 失败时不再自动展示模拟结果
quantitative_analysis/
├── app/ # 应用主目录
│ ├── api/ # API 蓝图（ml_factor、realtime_*等）
│ ├── models/ # 数据模型（SQLAlchemy + Parquet事件）
│ ├── services/ # 业务服务（因子引擎、信号引擎、风控等）
│ ├── routes/ # 页面路由
│ ├── templates/ # Jinja2 HTML 模板
│ ├── static/ # CSS/JS/图片静态资源
│ ├── utils/ # 数据下载脚本（通达信/Baostock/Tushare）
│ ├── websocket/ # WebSocket 推送服务
│ └── services/tongdaxin/ # 通达信行情客户端
├── frontend/ # React 前端（React 19 + Vite 7 + TypeScript）
│ └── src/
│ ├── pages/ # 功能页面（实时分析、多因子模型、AI 工作台等）
│ ├── api/ # 统一 API 客户端与类型定义
│ └── components/ # 共享组件
├── data/ # 数据目录（Parquet 行情 + SQLite 状态）
│ ├── stock_minute/ # 分钟级行情 Parquet
│ ├── ml_factor_state/ # ML因子状态 Parquet
│ └── realtime_events/ # 实时事件 Parquet
├── tests/ # 测试用例
├── config.py # 配置文件
├── requirements.txt # 依赖包
├── run.py # Web 启动入口
├── run_system.py # 初始化与诊断工具
└── README.md # 说明文档
- 因子定义管理
- 因子值计算
- 支持自定义公式
- 模型创建和训练
- 预测和评估
- 支持多种算法
- 因子打分
- ML模型打分
- 综合评分
- 多种优化算法
- 约束条件支持
- 风险模型估计
- 策略回测
- 性能指标计算
- 多策略比较
momentum_1d: 1日动量momentum_5d: 5日动量momentum_20d: 20日动量
volatility_20d: 20日波动率
rsi_14: RSI相对强弱指标
turnover_rate: 换手率
pe_ratio: 市盈率pb_ratio: 市净率roe: 净资产收益率debt_ratio: 资产负债率current_ratio: 流动比率gross_margin: 毛利率
已经改成parquet模式，不需要数据库
LOG_LEVEL = 'INFO'
LOG_FILE = 'logs/app.log'系统支持的回测指标：
- 总收益率
- 年化收益率
- 年化波动率
- 夏普比率
- 最大回撤
- 胜率
- 卡尔玛比率
- 在因子管理界面创建因子定义
- 编写因子计算公式
- 测试因子计算结果
- 在
MLModelManager中添加新算法 - 实现训练和预测方法
- 更新API接口
- 在
PortfolioOptimizer中实现新方法 - 添加约束条件支持
- 测试优化结果
如果遇到 empyrical 或 TA-Lib 安装失败，请优先安装标准依赖；若本地环境仍有兼容性问题，再退回最小依赖安装：
# 使用最小化依赖
pip install -r requirements_minimal.txt-
依赖包安装失败
# 方案1：安装标准依赖 pip install -r requirements.txt # 方案2：使用国内镜像安装最小依赖 pip install -r requirements_minimal.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
-
Python版本兼容性
- 推荐使用 Python 3.10–3.12
- 个别包兼容问题时可退回
requirements_minimal.txt
-
前端打开但接口报错 / 无数据
- 确认后端已启动（
python run.py，端口 5000） - 开发模式下前端 5173 通过代理访问
/api与/socket.io，无需额外跨域配置 - 页面无数据多为行情数据未同步，先在数据管理页面下载对应数据
- 确认后端已启动（
-
因子计算失败
- 检查数据是否存在
- 验证因子公式语法
- 查看日志错误信息
-
模型训练失败
- 确保有足够的训练数据
- 检查因子数据完整性
- 调整模型参数
前端重构 + 去 Redis 化：React 19 + Vite 7 + TypeScript 全新前端（29 个页面），移除 Redis / Celery 外部依赖，单容器即可部署。
- React 前端：实时分析六页（指标/信号/监控/风险/报告/推送）、多因子模型六页（因子/训练/评分/组合优化/分析图表/异步回测）、AI 工作台（SSE 流式对话）、数据管理、Text2SQL；统一 API 客户端与错误处理
- 去 Redis 化：缓存改为进程内 TTL 缓存，任务改为进程内执行（
DATA_JOB_EXECUTION_MODE保留为兼容项，任意值均为本地执行）；docker-compose 精简为 web 单服务；依赖移除 celery / redis - 异步回测：提交后立即返回 run_id，前端轮询进度与结果
- 质量体系：测试套件入库（195 个文件 / 552 项），
acceptance/<module>.md结构性合约注册表 + pytest module marker；经三轮独立评审关闭全部发现 - 文档：新增从零安装指南 INSTALL.md；master 分支自本版本起包含完整前端
试用功能 + AI 智能工作台：
- 试用数据面板：市场简报、财务健康度、资金流统计、个股雷达/全景、板块热力图（
/trial/*） - AI 智能工作台：大模型对话驱动的数据查询与系统操作，流式输出、只读 SQL 约束
- 量化正确性修复（明细见下方 2026-08-24 小节）
- Docker 部署支持
数据底座
- 股票基础资料同时下载 L/D/P 全部上市状态并携带 delist_date，消除幸存者偏差；因子计算按历史时点过滤股票池（退市股、未上市股不参与）
- 动量/波动率等收益率类因子与 ML 标签改用后复权价（
get_return_prices），除权除息缺口不再被当成真实涨跌 - 交易日历下载范围扩展至 2005 年起，财务公告日可对齐到准确的历史交易日
因子引擎
- ROE/ROA/营收增长/利润增长改为按公告日逐季度生成 point-in-time 快照（此前每股仅落库最新一期，历史日期取不到基本面因子）
组合优化与回测
- 协方差矩阵按调仓日截断估计，消灭用"今天"的数据回测历史的前视偏差
- 净值曲线改为逐日 mark-to-market：最大回撤/波动率/夏普不再被调仓频率采样系统性失真
- 截面 z-score 映射为年化预期收益后再喂给均值方差优化（量纲匹配，避免角点解）
- 卖出印花税（0.05%）计入交易成本；夏普分子改算术平均超额收益；信息比率分母改真跟踪误差；年化统一 252 交易日口径
- 单股回测补齐涨跌停/停牌约束与印花税
ML 链路
- 训练/测试时间切分加入 purge/embargo，交叉验证只在训练段进行
- 训练窗口落库；预测拒绝训练区间内的 in-sample 请求；预测兜底日期格式统一 YYYY-MM-DD
- 自定义因子表达式禁负 shift/pct_change/diff 与全序列 rank（防未来函数），rolling 窗口设上限
注意：升级后需重新下载
stock_basic与stock_trade_calendar，并用新逻辑重算受影响的因子（momentum_/volatility_/price_to_ma20 及四个基本面因子）。
- 多因子选股系统初始版本
- 因子管理和计算、机器学习模型集成
- 组合优化、回测验证引擎
- Web 界面和 API 接口
架构升级：从 MySQL 迁移到 Parquet + SQLite，零外部数据库依赖，克隆即可运行。
- 实时行情分析模块：技术指标、交易信号（生成/融合/监控/回测）、风险管理（持仓/预警/压力测试）、分析报告（5种类型，可视化渲染）、实时监控（板块/异动/情绪）
- 通达信实时行情接入，支持批量获取报价和自动刷新持仓价格
- 日频数据中心：页面内直接触发数据下载脚本，支持任务管理和进度轮询
- 数据存储全面迁移到 Parquet（行情/指标/信号/状态），SQLite 仅保留应用元数据
- 投资组合管理完整闭环：创建、持仓增删改、实时价格刷新、优化落库
- 报告可视化：指标卡片、HTML 表格、ECharts 图表、预警卡片等类型化渲染
- 离线数据包：提供预下载的 A 股历史数据，解压即用
本项目采用 MIT 许可证。
欢迎提交Issue和Pull Request来改进这个项目。
如有问题或建议，请通过以下方式联系：
- 提交Issue
多因子选股系统原型 - 适合继续补齐后再扩展使用。