本项目旨在解决A股短线交易者在复盘和盯盘时,数据获取繁琐、多软件切换效率低下的痛点。传统盯盘软件往往界面冗杂,缺乏个性化的风控提示。本系统针对特定的交易策略(如创业板趋势追踪与日内做T),构建了一个轻量级、定制化的数据可视化面板。业务背景基于个人量化交易实战,可广泛应用于个人投资者、私募投研辅助以及金融数据快速提取与展示等场景。
点击空白处退出提示
本项目旨在解决A股短线交易者在复盘和盯盘时,数据获取繁琐、多软件切换效率低下的痛点。传统盯盘软件往往界面冗杂,缺乏个性化的风控提示。本系统针对特定的交易策略(如创业板趋势追踪与日内做T),构建了一个轻量级、定制化的数据可视化面板。业务背景基于个人量化交易实战,可广泛应用于个人投资者、私募投研辅助以及金融数据快速提取与展示等场景。
1、每日智能选股引擎:基于 AKShare 接口抓取全市场实时行情,清洗剔除ST及低流动性股票,通过多线程循环拉取K线历史数据,计算近5日累计涨幅,自动筛选出符合“创业板+趋势强势”的 Top 20 观察池,并导出为 CSV。
2、自定义多维搜索:支持6位代码精准搜索,以及基于本地缓存字典的汉字模糊检索,实现股票的快速定位。
3、交互式日K线与风控面板:使用 Plotly 绘制交互式蜡烛图,叠加 5日/20日均线。创新性地接入了“持仓成本线”与“-5%加仓警戒线”的动态计算与绘制,直观给出加仓/止损的智能提示。、
4、分时量价双图联动:拉取分钟级数据,运用累计成交额/累计成交量计算真实的分时均价线(黄线),结合红绿相间的成交量柱状图,实现上下双图联动缩放,完美复刻专业炒股软件的分时盘面。
职责说明:作为项目独立开发者,我负责了整体架构设计、数据接口调研与接入、核心业务逻辑编写以及前端可视化的搭建。
技术栈与架构:采用 Python 为核心语言,基于 Streamlit 框架构建轻量级 Web 前端。数据处理层重度依赖 Pandas 进行清洗与运算,可视化层使用 Plotly 实现交互式金融图表。底层数据源对接开源金融接口 AKShare。
实现亮点与难点:
1、性能与体验优化(难点):在获取全市场行情后,如果直接循环请求历史K线计算涨幅会导致极长的等待时间。我采用“漏斗模型”进行分级过滤(先过滤流动性,再取当日涨幅Top100作为候选池,最后请求历史数据计算近5日涨幅),并配合 Streamlit 的 @st.cache_data 进行字典缓存,将数据拉取与页面响应速度提升了数倍。
2、复杂业务逻辑落地(亮点):前端通过 Plotly 的 make_subplots 构建日K线与分时量价的双图联动体系。在分时图中,通过累加每一分钟的成交额与成交量,实时动态计算出真实的日内均价线(黄线),完美复刻了同花顺等专业金融终端的分时盘面体验。
3、高复用性与交互设计:自定义了完整的智能风控面板,支持通过输入持仓成本价,利用水平参考线动态计算并绘制“加仓警戒线”;同时兼容了6位代码输入与汉字模糊检索的智能降级匹配逻辑。



评论