A 股多策略量化选股系统 —— 五策略并行扫描 → 六道质量关过滤 → 动态权重融合 → 信号级回测验证，GitHub Actions 全自动运行，零成本。
⚠️ 免责声明：本项目仅为量化策略研究与技术演示，所有选股、融合与回测结果均不构成任何投资建议。股市有风险，入市需谨慎；任何依据本项目输出进行的交易，后果由使用者自行承担。
| 特性 | 说明 |
|---|---|
| 🔄 全自动运行 | GitHub Actions 工作日 16:30 自动选股 → 融合 → 回测 → 推送，零人工干预 |
| 📊 五策略并行 | Boll 布林带 / 题材热度 / CCTV 舆情 / 相对强弱 / 动量，互补覆盖不同市场风格 |
| 🛡️ 六道质量关 | 趋势闸门 → RS 过滤 → 流动性门槛 → 趋势守卫 → 板块轮动 → 集中度控制 |
| 🎯 动态自适应 | 市场状态（上行/防御/震荡）实时判定，权重/仓位/止损随 regime 动态调整 |
| 📈 信号级回测 | 每日自动回测近 30 天信号，含真实交易成本 + 缺口感知止损 |
| 💾 云端缓存 | Supabase 跨环境复用，断点续跑，接口失败自动回退本地 |
| 🌐 Web 看板 | React + FastAPI，Render 部署，实时展示指数/热度/选股/持仓/回测 |
| 策略 | 选股逻辑 | 产物 |
|---|---|---|
| Boll 布林带 | 股价触及/跌破下轨的超卖均值回归票 | Stock-Selection-Boll-*.csv |
| 题材热度 | 近期换手/资金共识最强的题材方向活跃票 | Stock-Selection-Ashare-Theme-Turnover-*.csv |
| CCTV 舆情 | 新闻/舆论热度高的板块股票池 | CCTV-Sector-Stock-Pool-*.csv |
| 相对强弱 | 顺风不弱、逆风抗跌的风格筛选 | Stock-Selection-Relativity-*.csv |
| 动量/相对强度 | 近 20 日上涨、MA20 上行的强势股 | Stock-Selection-Momentum-*.csv |
每个策略先查 Supabase 缓存 → 命中则跳过 → 未命中才跑 → 跑完回写。任一策略超时/失败不影响其他。
候选池 (200+ 只)
↓
① 综合评分排序 (动态权重, 多策略共振加分)
↓
② 趋势闸门 (下行防御时剔除纯均值回归票)
↓
③ 相对强度过滤 (跑输大盘超阈值剔除, 动量票豁免)
↓
④ 流动性门槛 (信号日成交额 < ¥1亿剔除)
↓
⑤ 趋势守卫 (价格低于 MA20 超12%剔除)
↓
⑥ 板块轮动 + 集中度控制 (单板块最多5只)
↓
最终清单 (≤15 只) → 次日开盘买入
市场状态实时判定（多维市场仪表盘），权重随 regime 调整：
| 市场状态 | Boll | Momentum | Theme | Relativity | CCTV |
|---|---|---|---|---|---|
| 趋势上行 | 32 | 38 | 12 | 10 | 8 |
| 下行防御 | 40 | 28 | 8 | 17 | 7 |
| 震荡轮动 | 45 | 20 | 15 | 15 | 10 |
- 次日开盘买入，持有 N 日（
HOLD_DAYS=12，可配置） - 出场规则：Boll 上轨止盈 / 固定 +6% / 移动止盈 5% / MA60 破位出场 / −8% 硬止损
- 含真实交易成本（佣金万 2.5 + 印花税千 0.5）
- 置信度加权仓位（多策略共振 = 高确定性 = 多给仓位）
# 1. 安装依赖
pip install -r requirements.txt
# 2. 安装前端依赖并构建
cd frontend && npm install && npm run build && cd ..
# 3. 配置 .env（SUPABASE_URL / SUPABASE_KEY）
cp .env.example .env
# 编辑 .env 填入你的密钥
# 4. 启动后端 + 前端
stocks-master.bat
# 或分别启动：
# python app.py # 后端 http://localhost:8000
# cd frontend && npm run dev # 前端 http://localhost:5173
# 5. 命令行选股
python Frequently-Used-Program/auto_notify_boll.py- 推代码到 GitHub 私有仓库
- 在 GitHub Secrets 配置
SUPABASE_URL/SUPABASE_KEY - 启用 GitHub Actions（工作日 16:30 自动选股 → 融合 → 回测 → 推送）
- 在 Render 连接仓库部署 Web 看板
详见 SETUP_GUIDE.md 和 DEPLOY_RENDER.md。
Stocks-Master/
├── smcore/ # 共享内核
│ ├── indicators/boll.py # Boll 带计算
│ ├── data/ # K线/行情获取 (akshare/baostock 双后端)
│ ├── strategy/ # 融合 fusion.py, 仓位 allocation.py
│ ├── backtest/engine.py # 前向信号回测引擎
│ └── storage/ # Supabase 交易记录
│
├── backend/main.py # FastAPI 后端入口
├── frontend/ # React 前端 (Web 看板)
├── scripts/
│ ├── strategy_cache.py # ⭐ Supabase 缓存 pull/push
│ ├── daily_backtest.py # ⭐ 每日自动回测
│ └── prewarm_dashboard.py # 看板数据预热
│
├── .github/workflows/
│ └── daily-pick.yml # ⭐ GitHub Actions 云端选股流水线
├── render.yaml # ⭐ Render 部署定义
├── stock_data/ # 结果输出 + 本地 SQLite 回退
│
├── requirements.txt # Python 依赖
├── stocks-master.bat # Windows 一键启动
└── .env # 本地密钥 (已 gitignore)
| Secret | 用途 | 必需 |
|---|---|---|
SUPABASE_URL |
Supabase 缓存层 | ✅ |
SUPABASE_KEY |
Supabase 匿钥 | ✅ |
SMTP_HOST / SMTP_PORT / SMTP_USER / SMTP_PASS / SMTP_TO |
邮件推送 | ❌ |
COS_SECRET_ID / COS_SECRET_KEY / COS_BUCKET / COS_REGION |
操作清单存档 | ❌ |
| 变量 | 默认值 | 说明 |
|---|---|---|
KLINE_BACKEND |
akshare |
K线数据源 (akshare / baostock) |
VOL_SCALED_STOP |
1 |
波动率自适应止损 |
VOL_POS_SCALE |
1 |
总仓位随波动率缩放 |
BACKTEST_SIZE_BY |
综合评分 |
回测仓位分配方式 |
| 层 | 技术 | 部署 |
|---|---|---|
| 数据层 | akshare / baostock / Supabase | GitHub Actions |
| 策略层 | Python 3.12, numpy, pandas | GitHub Actions |
| 回测层 | 自写循环 (非 backtrader) | GitHub Actions |
| 后端 | FastAPI + uvicorn | Render |
| 前端 | React 18 + Vite | Render |
| 缓存 | Supabase (PostgreSQL) | Supabase Cloud |
| 定时 | GitHub Actions + cron-job.org | GitHub |
Q：全云端要付费吗？ A：GitHub Actions 私有仓库 2000 分钟/月免费，选股约 660 分钟/月，0 元/月。Render 免费版有休眠限制，按需升级。
Q：选股老超时？ A：单策略已设 20-25min 超时，接口挂起会快速失败回退。看日志确认卡在哪个策略的网络调用。
Q：多线程会打崩接口吗？
A：相对强弱已固定单线程 (--max-workers 1)，避免触发 akshare/baostock 限流。
Q：如何验证 Supabase 已接上？
A：GitHub Actions 日志搜 strategy_cache，看到 已从云端恢复 即接上。本地可用 python scripts/strategy_cache.py pull cctv YYYYMMDD 验证。
SETUP_GUIDE.md— 从零完整配置DEPLOY_RENDER.md— Render 部署指南WALK_FORWARD_VALIDATION.md— 滚动回测验证
本项目是 OrcaRouter 开源合作伙伴计划成员（AI API 网关 · Zero-token-markup · 200+ 模型统一 endpoint）。
