📌 项目地址：shy3130/tick-stock-panel | ⭐ 5,097 颗星 | 🔧 Python | 📜 未标注
先说这个项目是什么
tick-stock-panel（简称 TSP），Python 写的，5097 个 star。一句话概括：自托管的 A 股量化工作台，选股、回测、盘中监控、盘后复盘放在一个 Docker 容器里，数据全落本地 Parquet 文件，不用装数据库。
作者在 README 里把话说得很死：这是给个人做本地量化研究的工具，不做荐股，不预测涨停，不对标同花顺和通达信。我喜欢这种把边界画清楚的 README，省得装完才发现货不对板。
它真正解决的问题是什么
大多数个人量化的现状是一堆脚本拼凑：拉数的脚本一套，选股一套，回测一套，盘中盯盘靠手动刷新行情页。TSP 的 README 有一张痛点对照表，我觉得比功能清单更有信息量，挑几条说：
数据源绑死。 换一家数据源等于重写整套拉数代码，这事写过爬虫的人都懂。TSP 的做法是“能力路由矩阵”：6 类数据集按数据源各自的能力独立路由，换源之后指标计算和回测口径不变。数据源是插件化的，第三方源随便接，文档在 docs/custom-data-source.md。
口径对不上。 选股用 A 工具、回测用 B 工具，两边算出来的指标就是不一致，复盘时对不上账。TSP 的解法是全站统一 enriched 口径：一次扫表落盘 68 列指标与信号的 Parquet，选股、回测、监控、复盘全用这一份数据。
盯盘靠人。 异动监控覆盖竞价、盘中、偏移三个时段，触发后有实时弹窗、语音播报（会念出个股名称和信号）、飞书推送。监控规则有四类：策略、个股信号、价格、异动，支持 AND/OR 组合，作用域可以限定在某个自选分组。
查数据来回翻页面。 TSP 内置 AI 对话助手，一句话查全站数据。关键细节是取数过程逐条可见、可展开核对。这一点我专门说一下：量化场景里 LLM 编一个数字的代价太高，能看见它到底取了哪些数据，可信度才成立。这是很多“AI + 数据”产品缺失的一环。
几个我觉得值得单独讲的模块
回测是重头戏。 四种视图：
- 因子回测：IC/IR、分层收益、多空组合，配 62+ 因子目录，先把无效因子筛掉
- 策略回测：净值曲线、回撤、夏普、胜率、盈亏比、蒙特卡洛回撤，建模了 T+1、手续费、滑点、止损，进度用 SSE 流式推送
- 分钟策略回测：逐交易日回放信号，分钟收盘价入场，有分钟级成交明细
- 验证视图：参数敏感性 + 滚动样本外
研究闭环也完整：结果导出 CSV（概要、净值、交易明细、分标的统计），保存候选后一键载入复测。评分因子策略还附带因子归因，对比胜单和败单入场信号日的因子表现。
因子挖掘的纪律性设计。 这是我在整个 README 里最欣赏的工程决策。挖掘用嵌套样本外方法：训练区间内因子方向重估、相关性去重、多因子排名组合搜索，自有策略作对照轨。候选挖出来先进库，要显式确认才发布，永不自动上线。做过因子挖掘的人都知道，最大的坑不是挖不出东西，而是样本内过拟合的因子悄悄混进了实盘。
因子平台和策略的双向联动。 因子库里的因子可以一键生成排名策略，反过来策略触发器可以直接引用因子条件。自定义因子用 DSL 写，25 个算子点选，中英文字段都支持，还有版本管理。
市场环境模块。 情绪周期分 6 阶段：冰点、启动、主升、高潮、退潮、修复，由连板梯队驱动，EMA 平滑加 2 日确认，另有概念和行业主线排名。配套的连板梯队页面有层级统计、概念分布、封单监控，可以切换看连跌梯队。
其他模块扫一眼： 25 个内置策略加自定义信号加 AI 生成策略，Polars 做毫秒级全 A 股扫描；个股分析有 9 类关键价位加 AI 四维分析（技术、基本面、财务、消息面，Beta 状态）；财务四表多源并集合并（目前适配了 fuyao 源）加 AI 解读；持仓提醒可以记录买入批次，自动生成止盈止损和到期监控规则。
怎么部署
仓库提供了 Dockerfile，CI 里有 actions/workflows/docker.yml 自动构建，部署形态是单容器。README 有“快速开始”和“配置”章节，具体命令我这里不抄了，以仓库为准，自定义数据源看 docs/custom-data-source.md。
技术栈里明确点名的有 Polars，选股引擎的毫秒级扫描靠它撑着。
和其他路子比一下
- 对比自己写脚本：数据源绑死、口径不统一、工具割裂，这三个问题正是 TSP 的设计出发点
- 对比云端量化平台：数据全在本地 Parquet，想导就导，想接自己的数据源就接，不受平台限制
- 对比付费终端：免费，但它是研究工具，不做行情终端那套功能
LLM 部分接的是 RunningHub 网关，单一接口直连 400+ 主流大模型，有免费测试额度。
用之前要知道的
- 仅供学习研究，作者明说不作为投资软件
- 个人开源项目，一个人维护，问题可以邮件联系作者（README 里有邮箱），对稳定性要有合理预期
- 个股分析模块还是 Beta
- AI 助手依赖外部 LLM 网关，断网或额度用完会影响这部分功能
我的看法
5000+ star 对一个个人维护的 A 股量化工具来说不算低。就算你不打算用它做交易，如果你正在用一堆脚本拼自己的量化流程，这个项目的几个设计思路本身就值得读源码：能力路由怎么抽象、enriched 口径怎么统一、因子挖掘怎么用“显式发布”挡住过拟合。这三个问题在任何自建量化系统里都躲不开。