shy3130/tick-stock-panel

项目介绍

TSP 是一个面向 A 股市场的自托管量化研究工作台，适合希望把策略编写、回测、监控和复盘放在本地一套环境里的个人量化研究者和开发者。后端使用 FastAPI，前端使用 React，数据层采用 Parquet 与 DuckDB 文件型存储，不需要外部数据库。

核心是一条统一的数据链：enriched 日线数据同时供策略扫描、回测、监控和盘后复盘使用，保证指标口径一致。策略可以手写，也可以借助 LLM 生成，还可通过自定义信号和因子模块扩展。可选的 AI 对话助手通过约 21 个查询工具和 5 个动作工具访问全站数据；生成信号、运行回测等写操作会先弹出确认卡，用户确认后才执行。

数据源采用插件化设计，内置 TickFlow、fuyao（同花顺 REST）和 TdxQuant，也支持通过 YAML 接入其他来源。开放 API 提供 65 个契约化端点和六档 Token 权限，MCP 服务器向兼容的 AI 客户端暴露 12 个工具。

快速使用

已安装 Docker 的用户可以直接运行预构建的多架构镜像：

docker run -d --name tsp -p 3018:3018 -v ${PWD}/data:/app/data ghcr.io/shy3130/tick-stock-panel:latest

打开 http://localhost:3018 即可。务必保留 data 目录挂载，README 提醒重建容器时缺少该挂载会静默丢失容器层数据。需要配置时，从 .env.example 复制出 .env（完整说明见配置文档），运行时加 --env-file .env。最常用的三项是 TICKFLOW_API_KEY（留空为免费历史日 K 模式）、AI_API_KEY（留空关闭 AI 功能）和 PORT。

启动后首次使用依次进行：在「设置 → 凭据与能力」重新检测，运行盘后管道拉取日 K 并生成 enriched 表，在自选页添加标的，在策略页执行扫描，然后在回测页选择策略和区间运行回测。回测进度通过 SSE 推送，结果可导出 CSV。

本地开发则使用开发启动器：

cp .env.example .env
./dev.sh        # Windows: .\dev.ps1

需要 Python 3.11+、Node 20+、uv 和 pnpm，启动后后端在 3018 端口、前端在 3011 端口。README 还提供了 Docker Compose 构建方式和 Windows、Apple Silicon macOS 桌面安装包。

使用约束

后端会在内存中保留完整的 enriched 历史宽表。README 给出的 macOS arm64 实测数据为：243 个交易日、约 108 万行、105 列时，常驻内存约 1.3 GB，启动预热峰值约 1.5–1.8 GB。2 GB 内存的机器应设置 POLARS_MAX_THREADS=2，并且不要在 2 GB 机器上运行回测、稳健优化或因子挖掘，因为这些任务会另起独立 worker 进程，单个约占用 800 MB。

回测遵循 A 股规则，内置 T+1、手续费和滑点处理；分钟策略按日回放，以避免未来函数。TdxQuant、fuyao 和 TickFlow 的 API Key 需用户自备，并遵守各数据源的服务条款。开放 API Token 默认只允许本机或内网调用，公网放开需要设置 API_TOKEN_LOCAL_ONLY=0。

macOS 桌面版仅支持 Apple Silicon，且安装包未做开发者签名，首次启动需要经过 Gatekeeper 放行并移除隔离属性。项目定位是学习和量化研究工具，明确不是投资软件或看盘软件，也不内置荐股或涨停预测。许可证为 MIT，再分发时须保留原始版权与许可声明。

HotRepo 点评

HotRepo 记录的日榜数据为：2026-09-25 共 5,070 Star，2026-09-26 共 5,217 Star、当日新增 44，2026-11-03 达到 6,960 Star，并在 Python 日榜排到第 18 名。这一跨度超过一个月的持续曝光说明它并非单日冲高，但可用的快照间隔较大，不足以据此判断长期趋势。

README 描述的范围——策略引擎、因子挖掘、回测、监控、开放 API 和 MCP——对单个自托管仓库来说相当宽。读者更应关注模块化扩展架构和统一 enriched 数据口径是否契合自己的工作流，而不是仅凭 Star 数判断。