多因子选股系统

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。

项目定位

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

能力现状（已实现 / 部分实现 / 未实现/未开放）

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

功能概览

🤖 AI 智能工作台

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

📊 实时行情分析（v4.0 起 React 前端呈现）

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

🧮 因子与选股

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

📈 组合与回测

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

💾 数据管理

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

数据下载

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

工具下载

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。

系统主界面--新版系统主界面--旧版

🌟 系统特色

核心功能

📊 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

系统功能概览

技术架构

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

🚀 快速开始

📘 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。

1. 环境要求

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

2. 安装依赖

# 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 .env

2.1 容器化启动

cp .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。

3. 启动系统

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。

遇到以下问题

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

系统启动界面

4. 访问系统

React 界面（推荐入口）: http://localhost:5173
Flask 页面: http://localhost:5000
API入口: http://localhost:5000/api

📖 使用指南

启动方式

1. 常规启动

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。

2. 初始化与诊断

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

系统启动选项

Web界面操作

1. 仪表盘

查看系统状态和统计信息
快速访问主要功能

仪表盘界面

2. 因子管理

查看内置因子列表
创建自定义因子
计算因子值

因子管理界面

因子列表

3. 模型管理

创建机器学习模型
训练模型
模型预测

模型管理界面

模型训练

4. 股票选择

基于因子的选股
基于ML模型的选股
配置选股参数

股票选择界面

选股结果

5. 组合优化

多种优化方法
约束条件设置
权重分配结果

组合优化界面

优化结果

6. 分析报告

行业分析
因子贡献度分析

分析报告界面

行业分析

7. 回测验证

单策略回测
多策略比较
失败时不再自动展示模拟结果

回测验证界面

回测结果

策略比较

API接口使用

API接口文档

🏗️ 系统架构

系统架构图

目录结构

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

核心模块

1. 因子引擎 (FactorEngine)

因子定义管理
因子值计算
支持自定义公式

2. 机器学习管理器 (MLModelManager)

模型创建和训练
预测和评估
支持多种算法

3. 股票打分引擎 (StockScoringEngine)

因子打分
ML模型打分
综合评分

4. 组合优化器 (PortfolioOptimizer)

多种优化算法
约束条件支持
风险模型估计

5. 回测引擎 (BacktestEngine)

策略回测
性能指标计算
多策略比较

📊 内置因子

动量因子

momentum_1d: 1日动量
momentum_5d: 5日动量
momentum_20d: 20日动量

波动率因子

volatility_20d: 20日波动率

技术指标

rsi_14: RSI相对强弱指标

成交量因子

turnover_rate: 换手率

基本面因子

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

🔧 配置说明

数据库配置

已经改成parquet模式，不需要数据库

日志配置

LOG_LEVEL = 'INFO'
LOG_FILE = 'logs/app.log'

📈 性能指标

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

🛠️ 开发指南

添加自定义因子

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

扩展机器学习模型

在 MLModelManager 中添加新算法
实现训练和预测方法
更新API接口

添加优化算法

在 PortfolioOptimizer 中实现新方法
添加约束条件支持
测试优化结果

🐛 故障排除

⚠️ 依赖包兼容性问题

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

常见问题

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
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

📝 更新日志

v4.0.0 (2026-09-03)

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

v3.0.0 (2026-08)

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

量化正确性修复 (2026-08-24，随 v3.0.0 发布)

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）。

v1.0.0 (2025-06-01)

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

v2.0.0-parquet (2026-06-06)

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

📄 许可证

本项目采用 MIT 许可证。

🤝 贡献

欢迎提交Issue和Pull Request来改进这个项目。

📞 联系方式

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。