开源量化分析软件功能介绍

📈 多因子选股系统 — 项目功能介绍 观看地址: https://youtu.be/SpHsZdlyii8 面向 A 股市场的全链路量化分析平台 — 因子计算 · 机器学习 · 组合优化 · 回测验证 · 实时行情 指标 数据 Python 模块 108 业务代码 15,600+ 行 服务模块 30+ API 蓝图 14 内置因子 12 一、整体功能介绍 多因子选股系统是一个覆盖量化研究全流程的分析平台，从数据管理到策略回测一站式完成。系统采用 Flask + SQLAlchemy + SocketIO 技术栈，基于 Parquet + SQLite 双层存储架构，零外部数据库依赖，克隆即可运行。 核心能力总览 实时行情分析 ：通达信分钟数据接入，MACD、KDJ、RSI、布林带等技术指标实时计算 因子与选股 ：12 个内置因子 + 自定义因子表达式引擎，支持白名单安全校验 机器学习建模 ：XGBoost、LightGBM、RandomForest 三大算法的完整模型生命周期 组合优化 ：等权重、均值方差、风险平价、因子中性四种经典优化方法 回测验证 ：单策略与多策略回测，丰富的绩效指标（年化收益、夏普比率、最大回撤等） 风险管理 ：组合持仓管理、实时价格刷新、风险指标监控、预警管理、压力测试 请求流程 HTTP / WebSocket → Blueprint (app/api/*.py) → Service (app/services/*.py) → ParquetDataReader (行情数据) ↕ SQLAlchemy Models (SQLite 应用状态) 技术栈 类别 技术 后端框架 Python 3.8–3.11、Flask、Flask-SocketIO、Flask-SQLAlchemy、Celery 数据处理 Pandas、NumPy、PyArrow、SciPy、Scikit-learn 机器学习 XGBoost、LightGBM、RandomForest、CVXPY 前端 & 可视化 Bootstrap 5、ECharts、Plotly、Matplotlib / MPLFinance 数据源 通达信（实时行情）、Baostock（历史数据）、Tushare（可选）、Parquet 离线数据包 AI 能力 Ollama（本地 LLM）、OpenAI API（可选）、Text2SQL、Qwen2.5-Coder 二、各模块功能介绍 2.1 实时行情分析模块 API 蓝图前缀 ： /api/realtime-analysis/* 核心服务 ： RealtimeIndicatorEngine （ services/realtime_indicator_engine.py ）：实时技术指标计算 RealtimeTradingSignalEngine （ services/realtime_trading_signal_engine.py ）：多策略交易信号生成与融合 功能特性 ： 功能 说明 实时指标计算 支持 MACD、KDJ、RSI、布林带等经典技术指标的实时计算与展示 多策略信号生成 基于不同策略的交易信号生成，支持信号融合与综合研判 信号监控 交易信号的实时监控与历史回溯 策略回测 对生成的信号进行历史回测验证 板块分析 板块表现统计与异动检测 市场情绪 市场情绪指标的实时追踪 数据源 ：通达信分钟级行情数据，存储于 data/stock_minute/ （Parquet 格式）。 2.2 因子与选股模块 API 蓝图前缀 ： /api/ml-factor/* 、 /api 核心服务 ： FactorEngine （ services/factor_engine.py ）：内置因子计算与自定义因子管理 FactorExpressionEngine （ services/factor_expression_engine.py ）：白名单校验的自定义因子公式引擎 StockScoringEngine （ services/stock_scoring.py ）：因子评分与 ML 评分的综合选股引擎 内置因子（12 个） 维度 因子名 说明 动量 momentum_1d 1 日动量 动量 momentum_5d 5 日动量 动量 momentum_20d 20 日动量 波动率 volatility_20d 20 日波动率 技术指标 rsi_14 RSI 相对强弱 技术指标 turnover_rate 换手率 基本面 pe_ratio 市盈率 基本面 pb_ratio 市净率 基本面 roe 净资产收益率 基本面 debt_ratio 资产负债率 基本面 current_ratio 流动比率 基本面 gross_mar