tickflow-stock-panel

自托管 A 股量化台,LLM 驱动选股回测,零运维开箱即用

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 智能体 🍴 复刻 1810 🐛 待处理 58 👀 关注 38
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 7404
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目,MIT许可证,完全免费,可自行部署使用。

项目预览

tickflow-stock-panel 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类智能体
开发团队shy3130
定价模式🏷️完全免费
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言Python
技术栈/模型a-stock,ai-agent,aigc,aigc-detection,backtesting,daily,duckdb,fastapi,llm,polars,quant,quantitative-trading,react,screener,stock,stock-analysis,tickflow,trade,training,tsp
GitHub 星标★ 7404
上线时间2026-06-18 00:00:00
代码更新2026-11-07
仓库体积41.0 MB
本站数据更新2026-11-09
维护状态活跃
收录时间2026-08-09
浏览次数7

项目介绍

TSP 是一个自托管、零运维的 A 股量化工作台,集选股、监控、回测于一体。它基于 TickFlow 数据源,利用 LLM 能力实现策略定制、个股分析和复盘,帮助个人投资者快速构建和验证量化策略。项目采用 Python 和 React 构建,核心能力包括:通过 LLM 自然语言生成选股策略、实时监控股票池、历史回测验证策略有效性,并支持自由接入第三方数据源和个性化扩展数据。它解决了个人量化投资者在数据获取、策略开发和运维上的痛点,提供开箱即用的 Web 界面,无需复杂配置即可本地部署。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 7404

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:进阶 约 10 分钟 部署方式:Docker 7 步

环境要求

  • Docker 与 Docker Compose(推荐方式 A/B/C 使用)
  • 非 Docker 的 Dev 模式需要 Python ≥ 3.11、Node ≥ 20
  • pnpm(可用 npm i -g pnpm 安装)与 uv
  • 本机 3018 端口可用(默认 PORT=3018)
  • 可选:TICKFLOW_API_KEY、AI_API_KEY(留空则降级运行)

安装与启动步骤

  1. 1克隆项目

    把仓库克隆到本地并进入项目目录,后续命令都在根目录执行。

    git clone https://github.com/shy3130/tickflow-stock-panel.git
    cd tickflow-stock-panel
  2. 2生成配置文件

    复制根目录的 .env.example 为 .env,所有配置都从该文件读取。

    cp .env.example .env
  3. 3填写密钥

    编辑 .env,按需填 TICKFLOW_API_KEY 与 AI_API_KEY;留空则走 None 模式并关闭 AI,也可稍后在面板设置页改。

  4. 4Docker Compose 启动

    按 README 方式 B 在本地构建并启动全套服务,首次构建耗时较长,请等待容器就绪。

    docker compose up --build
  5. 5打开 Web 面板

    服务起来后浏览器访问面板地址,确认页面能正常加载。

  6. 6初始化数据管道

    进入设置→凭据与能力点“重新检测”,再点“立即跑盘后管道”拉日 K 并计算 enriched 表。

  7. 7跑一次选股回测

    自选页加标的,选股页点策略卡片扫描,回测页选策略与区间看净值、夏普和交易明细。

关键配置

配置项必填说明示例
TICKFLOW_API_KEY否数据源密钥,留空为 None 模式,仅历史日K免费TICKFLOW_API_KEY=sk-xxxxxxxx
AI_API_KEY否LLM 密钥,留空关闭 AI,填入后启用策略生成AI_API_KEY=sk-xxxxxxxx
PORT否Web 服务监听端口,默认 3018PORT=3018

如何确认成功

浏览器打开 http://localhost:3018 能进入面板,并在设置页“重新检测”看到档位标签与能力路由矩阵。

常见问题

Q:没有 Docker 怎么部署?

A:可用README方式C,装一个本机 AI 编程助手(Trae/Codex/OpenCode 等),把 README 里的部署提示词发给它自动克隆装依赖;或走方式 D,先备好 Python ≥ 3.11、Node ≥ 20、uv、pnpm。

Q:不填 TICKFLOW_API_KEY 能用吗?

A:可以。留空即 None 模式,历史日K免费可用;但当日数据要等盘后 1-2 小时才可用,更多数据能力需填 Key 解锁。

Q:AI 生成策略没反应?

A:AI_API_KEY 留空会直接关闭 AI 功能,填入有效 Key 后策略生成才启用,填完可在设置页重新检测。

Q:端口被占用怎么办?

A:修改根目录 .env 中的 PORT(默认 3018)后重启服务,再用新端口访问面板。

Q:项目适合完全新手吗?

A:README 明确提示“小白请绕路”,它只是本地量化思路与方案,不对标同花顺/通达信,也不内置 AI 荐股、涨停预测。

注意事项

  • 本项目仅供学习研究使用,严禁商业用途,不作为投资软件或看盘软件。
  • 配置既可写在根目录 .env,也可在面板“设置”页修改,完整配置项见 docs/configuration.md。
  • 数据源插件化,可接入第三方数据源并个性化扩展数据。
  • 项目问题可通过邮件 415333856@qq.com 联系作者。

核心亮点

  • LLM 自然语言生成策略,降低量化门槛
  • 集成 TickFlow 数据源,数据获取开箱即用
  • 支持回测与实时监控,策略验证闭环

不足之处

  • 依赖 TickFlow 数据源,第三方数据接入需自行开发
  • 文档/社区待观察

适用场景

  • 个人投资者快速搭建 A 股量化选股系统
  • 使用 LLM 生成并回测自定义交易策略
  • 本地部署实现个股监控与复盘分析

替代项目

Backtrader、vn.py、聚宽(JoinQuant)

上一篇:openscience

下一篇:Cairn

同类项目推荐

AI-Resources 开源

用AI武装OSINT调查,快速找到情报分析利器

AI tools for OSINT

★ 179 2026-08-09
book-translator 开源

本地离线整本书翻译,术语一致还能对照校对

Tolmach — open-source AI book translator powered by Ollama. Translate EPUB, PDF, DO···

★ 128 2026-10-06
epub-translator 开源

把外文 EPUB 变成原文译文并排的双语书

Translate EPUB books using Large Language Models while preserving the original text.···

★ 881 2026-09-15
MORT 开源

屏幕取词实时翻译,外语游戏直接玩

MORT 번역기 프로젝트 - Real-time game translator with OCR

★ 1837 2026-09-19
iFly-Skills 开源

给 AI Agent 装上讯飞的耳朵、眼睛和嘴

Official collection of iFLYTEK skills for speech, OCR, translation, proofreading, an···

★ 214 2026-09-19
AmazonSpeechTranslator 开源

用 AWS 服务快速搭建 iOS 语音翻译应用

End-to-end Solution for Speech Recognition, Text Translation, and Text-to-Speech for···

★ 52 2026-08-09
aramgg_client 开源

大乱斗选强化不再瞎猜,OCR悬浮实时给胜率建议

Windows companion for League of Legends ARAM Mayhem with read-only LCU recommendatio···

★ 658 2026-09-19