A 股量化投研一体化平台

从因子挖掘到 AI 决策
一站式量化投研平台

打通数据采集、因子计算、策略构建、回测归因、智能推荐与模拟交易全链路。你给策略,它给答案——覆盖 5000+ 全市场股票的每日选股产出。

5000+全市场股票
35+精选因子
14套实战策略
5大数据源
Quant Platform 系统总览界面
CORE CAPABILITIES

八大能力域,一条完整投研链路

不是只能回测的工具箱,而是从原始行情到每日推荐产出的端到端系统。

🔬

因子研究

动量、价值、质量、情绪、资金、形态六大类因子,支持 IC 分析、衰减检测与相关性去冗余。

IC / ICIR半衰期权重优化
🎯

策略构建

多因子选股、动量、均值回归、形态识别与自定义脚本,置信度 P0-P3 冷启动保护。

Groovy 脚本形态识别参数网格
📊

回测验证

事件驱动模拟,Brinson 归因 + Fama-French 三因子 + 蒙特卡洛 VaR/CVaR,Walk-Forward 防过拟合。

BrinsonFF3Monte Carlo
🤖

AI 智能分析

DeepSeek 大模型驱动,个股因子画像、财务诊断、风险预警与同行业横向对比一键生成。

因子画像财务诊断风险提示
⚡

智能推荐

P1-P6 六阶管线自动产出每日推荐,IC 加权融合上限 35%,有害因子自动反向。

P1-P6ICW 融合每日自动
🛡️

组合风控

跨策略个股去重、SW2 行业集中度硬上限、回撤监控与 Regime 市场状态自适应。

行业集中度Regime黑名单
💹

模拟交易

信号生成 → 执行 → 风控 → 预警完整闭环,盘中实时监控,SSE 实时价格推送。

条件单实时预警SSE 推送
🗄️

数据工程

五源采集(Baostock / 腾讯 / AKShare / 东方财富 / 同花顺),ClickHouse 列存加速,前复权自动刷新。

5 源采集列存加速前复权
RECOMMENDATION PIPELINE

P1-P6 推荐管线:让选股有据可依

每一阶都是一道过滤器,噪声因子与拥挤风险在进入组合前就被拦下。

P1

IC 筛选

剔除噪声因子
|IC| < 0.015

P2

半衰期

预测能力持续性评估

P3

拥挤度

因子拥挤风险预警

P4

季频校正

财报季因子表现调整

P5

一致性

多周期信号一致性验证

P6

ICW 融合

IC 加权,上限 35%
反转有害因子

ARCHITECTURE

分层清晰,模块可插拔

React 18 前端 + Spring Boot 3 后端 + MySQL / ClickHouse 双数据源,Python 脚本负责采集。

接入层
React 18 + Ant Design系统总览因子管理策略管理回测分析AI 分析每日推荐选股器监控大盘
↓
服务层 · Spring Boot 3.2
因子引擎策略引擎回测引擎推荐引擎LLM 分析行情服务选股引擎模拟交易研报财务交易日历调度编排
↓
数据层
MySQL 8元数据 / 策略配置ClickHouse因子值 / 日线 / 资金流Python 脚本Baostock · 腾讯 · AKShare · 东财 · 同花顺
EXTENSIBILITY

不是黑盒,扩展点全部开放

因子、策略、数据源、归因四类能力都有明确的扩展契约:写一段脚本或加一条配置即可接入,不必改动主干代码。

01
🧩

因子扩展 · 四种类型

内置 Java 因子之外,脚本因子、组合因子、形态因子都能在系统里直接新增,页面上配完即可参与计算。

  • 类型BUILTIN 内置 · SCRIPTED 脚本 · COMPOSITE 组合 · PATTERN 形态
  • 承载脚本文本存于 factor_definition.script_code,组合因子用 factor_config_json 复用既有因子
  • 引擎ScriptedFactorEngine 执行,由 FactorComputeEngine 统一分发
  • 安全Groovy 沙箱:源码预检 + AST 白名单 + 30 秒超时熔断
02
🧠

策略扩展 · Groovy 即策略

策略不是写死的参数组合,而是一段可读、可调、可直接回测的脚本,在线编辑后立刻验证。

  • 契约返回 Map<String,Number>,股票代码 → 目标权重
  • 上下文bars · symbols · factorValues · indexBars · industryMap
  • 执行BacktestScoring 注入绑定变量后调用,60 秒沙箱超时
  • 入口策略编辑页在线编写,脚本存于 strategy_definition.script_code
// symbols: 候选股票列表  factorValues: 因子值
return symbols.findAll { factorValues.get(it)?.get("VAL_PB") < 2 }
              .collectEntries { [(it): 1.0d / symbols.size()] }
03
🔌

数据接入 · 脚本与调度解耦

采集脚本与调度规则分离,接一个新数据源只需加脚本 + 配一条 cron,主链路零改动。

  • 脚本update_*.py 命名统一,数据源抽在 data_provider/ 抽象层
  • 调度data_schedule_config 支持自定义 cron_expression,category=CUSTOM
  • 编排data_task_dependency 声明上下游与延迟秒数,支持多上游门控
  • 触发ScheduleService 自动装载 cron,页面可启停与手动执行
04
🔗

归因与外部集成

归因实现是独立 Service,API 层开箱可用;推荐结果可被外部系统按 token 直接消费。

  • 归因BrinsonAttributionService · FactorStyleAttributionService(含 FF3)
  • 扩展新增一种归因:加 compute* 方法 + 一个 Controller 端点
  • 接口OpenAPI 文档 /api/swagger-ui.html,/api/v3/api-docs
  • 推送STOMP WebSocket /ws 与 /ws-native,回测进度实时推送
  • 取数GET /recommendations/latest 拉取每日推荐结果
Groovy 沙箱白名单 脚本热加载,无需重启 cron 自定义任务 springdoc OpenAPI Sa-Token 权限控制 MySQL / ClickHouse 双数据源
WHO IT'S FOR

谁在用这套平台

用户群体核心痛点平台价值
个人量化投资者因子库匮乏、回测工具单一、无法系统评估策略开箱即用的 35+ 因子与企业级回测引擎,降低量化门槛
量化研究团队因子管理混乱、策略迭代慢、缺乏健康监控体系因子全生命周期管理 + 衰减自动检测,研究效率倍增
金融科技公司从零搭建成本高、数据管道维护难完整数据工程链路 + 可扩展因子引擎,缩短产品化周期
量化学习者理论与实践脱节,缺乏可运行的真实系统完整开源代码 + 策略文档,从阅读到实操无缝衔接
QUICK START

四步跑起来

详细的每一步说明、参数含义与排错指南,见《使用手册》与仓库 docs/quickstart.md。

初始化数据库

导入 stock-service/sql/stock.sql(MySQL)与 ch.sql(ClickHouse),应用启动不执行 DDL。

启动后端

JDK 21 + Maven 3.8 打包后运行 stock-service,接口前缀 /api,端口 8080。

启动前端

Node 18+,npm install && npm start,访问 http://localhost:3000。

采集数据并计算

在「数据更新」页采集行情,再执行因子计算与推荐任务,即可看到每日选股结果。

# 1. 后端
mvn clean package -DskipTests
java -jar stock-service/target/stock-service-1.0.0.jar

# 2. 前端
cd frontend && npm install && npm start

# 3. 数据库(仅结构,不含数据)
mysql -u root -p stock < stock-service/sql/stock.sql

准备好把策略变成收益曲线了吗?

使用手册覆盖全部页面、字段与常见问题,照着做即可上手。