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。v2.0 采用 Parquet + SQLite 架构，零外部数据库依赖，克隆即可运行。
本项目适合量化交易学习、策略研究和二次开发。
- 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
- 技术支持：如需定制化开发，可联系 39189996@qq.com
- 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
- 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
- 视频讲解地址：https://youtu.be/SpHsZdlyii8
- 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 3.8+ / Flask / SQLAlchemy
- 数据处理: Pandas / NumPy / Scikit-learn
- 机器学习: XGBoost / LightGBM / CVXPY
- 前端: Bootstrap 5 / JavaScript
- 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
- Python 3.8+
- 运行系统不需要 MySQL；默认使用 SQLite + Parquet
# 克隆项目
git clone <repository-url>
cd quantitative_analysis
# 安装依赖
pip install -r requirements.txtcp .env.example .env
docker compose up --build默认会同时启动 Web、SQLite 和 Redis；其中市场数据和 ml-factor 状态仍以本地 parquet 文件为准。
# 常规启动入口
python run.py常规 Web 启动统一使用 python run.py。
run.py：唯一标准 Web 启动入口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
run_system.py 用于初始化与诊断，不作为日常启动入口。
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
- Web界面: 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
├── 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 3.8-3.11
- Python 3.12 可能有部分包兼容性问题
-
数据库连接失败
- 检查数据库配置
- 确保数据库服务运行
- 验证连接权限
-
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
- 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
- 发送邮件：39189996@qq.com
多因子选股系统原型 - 适合继续补齐后再扩展使用。
- 页面入口：
/data-management->数据管理 - 任务能力：提交、查询、重试、状态过滤、进度轮询、历史展示