一款能自己“思考”的A股量化工作台：零运维、可自托管、还能用大模型写策略

你是否试过用Python脚本拼凑选股逻辑，结果发现换一家数据源就要重写拉数代码？是否在通达信里写好策略，却无法和本地回测口径对齐？又或者，盘中突然放量异动，等你切到K线图时已经错过买点？TSP（Tick-Stock Panel）就是为解决这些真实痛点而生的——它不是另一个“看盘软件”，而是一个真正打通「数据→选股→回测→监控→复盘」全链路的自托管A股智能量化工作台。所有数据落本地、所有策略可解释、所有信号可追溯，连AI对话都能帮你查指标、写因子、分析个股。

核心功能

毫秒级全A股选股引擎：内置25种经典策略（如MACD金叉、突破年线、量价背离），支持Polars向量化计算，3秒内扫完4000+只股票；更关键的是，它把日线/分钟线策略统一进同一套信号池，避免“选股用一套逻辑、回测用另一套”的口径割裂问题。
三时段实时异动监控：不靠盯盘，而是自动捕捉竞价阶段集合竞价异动、盘中价格/成交量突变、以及偏离均线超阈值等三类信号，支持飞书推送+系统弹窗+语音播报（报出股票简称与触发条件），真正实现“人在吃饭，信号已响”。
AI驱动的自然语言交互分析：在页面右下角点击对话图标，输入“帮我找出近3日RSI低于30且主力资金连续2日净流入的创业板股票”，TSP会自动拆解为数据查询步骤、展示中间结果、并生成可复用的策略快照——整个过程透明可验证，不是黑箱推荐。
因子-策略双向联动平台：用DSL（领域专用语言）点选算子（如“过去5日收盘价均值”“市盈率分位数”）就能定义新因子；定义后，既可一键生成“该因子排名前20”的选股策略，也能在回测中直接引用该因子做归因分析（例如：“这波亏损主要源于入场日该因子处于历史后10%分位”）。
插件化多源数据路由：行情数据可同时接入TDX（通达信）、聚宽、akshare、自建CSV或DuckDB本地库；6类数据集（日线、分钟线、财务、概念、龙虎榜、资金流）按能力独立路由——换数据源只需改配置，选股逻辑、回测结果、监控规则全部保持一致。
分钟级策略回测闭环：不仅支持T+1日线回测，还提供逐分钟信号回放、分钟级成交明细、滑点模拟与手续费扣除；更独特的是“评分因子策略归因”功能——每笔亏损交易都会标注“入场当日该因子值 vs 历史分布”，让失败变得可学习。
市场环境动态感知系统：自动识别当前处于情绪周期的6个阶段（冰点→启动→主升→高潮→退潮→修复），结合连板梯队强度、EMA平滑确认、行业轮动矩阵，给出“当前适合做首板还是做趋势”的环境建议，而非简单输出一个“情绪指数”。
自托管+零运维部署：单条Docker命令即可启动完整服务（含FastAPI后端、React前端、DuckDB内存数据库），所有原始数据与计算结果以Parquet格式存于本地磁盘，不上传、不联网、不依赖云服务——你的数据，始终在你硬盘上。

技术亮点

“能力路由矩阵”架构设计：不同于传统量化工具将数据硬编码进策略，TSP抽象出6类数据能力（如“支持分钟级OHLCV”“支持财务TTM字段”），每个数据源声明自身能力，系统按需调度。这意味着切换聚宽为akshare时，无需修改任何策略代码，只改YAML配置即可。
Polars + DuckDB双引擎协同：高频扫描用Polars（列式内存计算，比Pandas快5–10倍）；复杂关联查询（如“找出概念涨幅前三且ROE＞15%的个股”）交由DuckDB执行；两者通过Arrow内存零拷贝互通，兼顾速度与灵活性。
LLM Agent深度集成，非简单调用：借助RunningHub提供的统一API网关，TSP将大模型作为“可审计的SQL生成器”和“策略解释器”——每次AI生成的选股条件，都附带对应的数据表JOIN路径、字段来源、计算逻辑，用户可一键展开核对，杜绝“AI幻觉”导致的误操作。
Enriched Parquet数据口径统一：所有模块（选股、回测、监控、分析）共享同一份预计算的增强型Parquet数据集，包含68列标准化指标（如“5日量比”“20日波动率分位数”“概念热度得分”），彻底消灭因数据加工环节差异导致的策略漂移。
前端React组件化+后端FastAPI轻量API：页面按功能域拆分为独立微组件（如ScreenerTable、AbnormalAlertPanel），后端仅暴露JSON-RPC风格精简接口，无冗余状态管理，首次加载仅1.2MB，老旧笔记本亦可流畅运行。

适合哪些人用

它不是给机构交易员用的高频系统，也不是给小白投资者的“荐股APP”，而是为以下两类人量身打造：

个人量化爱好者：有Python基础，想系统性验证自己的交易想法，但苦于数据源不稳定、回测不准、监控难落地。比如：一位程序员用TSP接入本地TDX行情，写了一个“北向资金连续3日净买入+股价站上布林带上轨”的策略，一键回测显示夏普0.82，再设为盘中监控，当天下午触发语音播报，成功捕获涨停。
小团队研究者：3–5人规模的私募/工作室，需要快速搭建合规、可控、可审计的量化基础设施。例如：某FOF团队用TSP接入Wind财务数据+自研资金流模型，构建“财务健康度×资金活跃度”双因子体系，每日自动生成候选池，并导出CSV供投决会讨论——全程无外部依赖，数据不出内网。

快速上手

无需安装Python环境，一行命令即可启动：

docker run -d -p 8000:8000 -v $(pwd)/data:/app/data -v $(pwd)/config:/app/config --name tsp shy3130/tick-stock-panel

首次运行后，访问 http://localhost:8000，系统会引导下载TDX行情数据（约2GB），自动完成初始化。关键配置在config/config.yaml中调整，例如切换数据源只需修改：

data_sources:
  ohlcv_daily: "akshare"
  financials: "fuyao"

如需启用AI助手，注册RunningHub获取免费API Key，填入配置即可。

同类对比 / 注意事项

与同花顺/通达信相比，TSP不提供Level-2行情、不支持条件单自动下单、不内置“涨停预测”等营销功能——它明确拒绝成为“投资软件”，而是专注做“研究基础设施”。与QuantConnect、Backtrader等框架相比，TSP胜在开箱即用：无需写100行代码搭数据管道，所有功能皆有可视化界面；但若需定制高频做市策略，则仍需自行扩展。常见坑提醒：首次启动需预留至少15GB磁盘空间（含Parquet缓存）；Mac M系列芯片用户请使用Docker Desktop 4.30+版本以确保DuckDB兼容性。