A股交易监控策略台

首版工作台:自选股实时监控、牛来式选股面板(预设筛选 + 6 因子打分推荐榜 + ATR 自动止损/止盈)、K 线策略信号、含 A 股交易摩擦的双均线回测、模拟交易台账,外加从 GitHub 核查过的本地可部署开源项目选型与部署路线。行情直连腾讯与东方财富公开接口,取不到就明示状态,不编造价格。

腾讯实时报价 · 连接中 东方财富日 K 线 · 连接中 东财全市场列表接口不稳定(实测 502),本台不依赖它

数据源实测于 2026-11-18:腾讯报价接口、东财 K 线接口可用;全市场选股改走「输入代码 → 逐只取 K 线算信号」的路线。A 股惯例:红涨 / 绿跌。

自选监控

点任意一行,下方策略分析与模拟交易自动切换到该股。默认名单为当前持仓方向:AI 硬件、黄金、消费与高股息。

尚未取数
股票现价涨跌幅涨跌额最高最低昨收行情时间

正在连接腾讯行情接口…

牛来选股面板

借鉴 Bull Arrives(牛来)的选股面板设计:预设筛选 → 6 因子打分推荐榜 → ATR 自动止损/止盈。筛选只在已取到数据的股票池内进行(自选池 + 你添加的股票),不冒充全市场结果。

筛选范围:自选池 6 只。东财全市场列表接口实测不稳定(502),本面板不依赖它;想扩池就在上方监控台添加代码,添加后点「刷新选股数据」。

预设筛选(5 套,可叠加下方自定义区间)

不设预设门槛,池内全部股票参与 6 因子打分排序。

选股数据(各股日 K)尚未加载完成,加载后自动出榜。

打分口径(0–100,6 因子加权):趋势 25%(均线排列与价格位置)、动量 20%(20 日涨幅)、量能 15%(量比)、RSI 位置 15%(55–65 区间最优,超买超卖扣分)、相对强度 15%(相对上证指数 20 日超额收益)、波动 10%(ATR 占价格比,约 2.5% 最优、过高过低扣分)。ATR 止损/止盈口径:止损 = 现价 − 2×ATR(14),止盈 = 现价 + 3×ATR(14),由波动自动算出、无需填参数;只是参考线,不是交易指令。「高股息防御」预设说明:腾讯/东财公开接口不含股息率字段,本预设以低 ATR 波动 + 站上 20 日线 + 20 日涨幅温和作防御风格代理,不冒充真实股息率筛选。

策略信号与回测

K 线来自东方财富日线接口(前复权)。信号:均线金叉/死叉、RSI(14)、放量突破 20 日新高。回测按 A 股规则计摩擦:T+1、100 股整手、佣金万 2.5(最低 5 元)、卖出印花税万 5、滑点万 5。

—

等待 K 线数据…

收盘价 快线 MA 慢线 MA 回测净值

回测口径:信号在收盘后产生、次日开盘成交(满足 T+1);涨跌停无法成交时跳过该笔;全仓进出、按整手取整。结果只反映这套规则在历史日线上的表现,不代表未来收益。

模拟交易台账

首版交易从模拟盘开始:用实时价记账,练下单纪律与仓位管理。本台账只在本次打开期间有效,关掉页面即清空;真金白银前先在这里跑满一个完整的涨跌周期。

下单(模拟)

—
—
模拟现金
¥100,000
持仓市值
¥0
总资产 / 盈亏
¥100,000

买入计佣金万 2.5(最低 5 元);卖出另计印花税万 5。当日买入当日不可卖(T+1),台账会拦截。

持仓与流水

暂无持仓。

首版策略库

四套适合首版上线的规则型策略:逻辑透明、参数少、先在回测和模拟盘里验证,再谈实盘。

双均线趋势跟踪

趋势日线本页已实现回测

快线(5 日)上穿慢线(20 日)买入、下穿卖出。震荡市会反复假信号,必须配回测里的摩擦成本一起看——小资金账户里,最低 5 元佣金和整手约束吃掉的收益比想象中多。

RSI 均值回归

震荡日线

RSI(14) 跌破 30 视为超卖分批买入、升破 70 减仓。只适合波动区间明确的蓝筹与 ETF;单边下跌里 RSI 可以长期趴在低位,必须另设价格止损线。

放量突破

动量日线 + 盘中监控

收盘突破 20 日新高且成交量 ≥ 20 日均量 1.5 倍时触发预警,次日确认不跌回突破位再介入。假突破是主要亏损来源,监控台的职责就是第一时间把信号推到眼前。

高股息红利轮动

防御月度调仓

在银行、能源等高股息板块里按股息率与估值分位月度筛选、等权持有。与现有偏防御的持仓结构同向,波动小、换手低,摩擦成本影响最小,适合作为首版实盘的第一套策略。

本地跑通的最小代码(AKShare 取数 + 双均线信号)

# pip install akshare pandas  (AKShare 免费、免 token,返回 DataFrame)
import akshare as ak
import pandas as pd

df = ak.stock_zh_a_hist(symbol="600487", period="daily",
                        start_date="20240101", adjust="qfq")
df["ma5"]  = df["收盘"].rolling(5).mean()
df["ma20"] = df["收盘"].rolling(20).mean()
df["signal"] = (df["ma5"] > df["ma20"]).astype(int)
df["cross"]  = df["signal"].diff()   # 1=金叉买入  -1=死叉卖出(次日开盘执行,满足 T+1)
print(df.tail(30)[["日期", "收盘", "ma5", "ma20", "cross"]])

GitHub 开源选型(已核查)

按「数据 → 研究回测 → 监控分析 → 执行」分工搭配,没有一个项目能全包。Star 数为 2026 年 11 月公开快照约数,以仓库页为准。

AKShare · 数据层

约 2.3 万 StarMITPython

开源财经数据接口库:把东财、新浪、腾讯等公开源统一封装成 2000+ 接口,免注册、免 token,返回 Pandas DataFrame。本台的本地版数据就靠它。

$ pip install akshare github.com/akfamily/akshare

vn.py(VeighNa)· 执行层

约 4.6 万 StarMITv4.5.0 · 2026-10

国内量化交易事实标准:回测、模拟、实盘一套回调打通,A 股可走 XTP、华鑫奇点等网关,4.0 起内置 vnpy.alpha 因子模块。注意它的默认回测器不建模印花税与 T+1,结论要打折看。

$ pip install vnpy github.com/vnpy/vnpy

Qlib(微软)· AI 研究层

约 5 万 StarMITPython

AI 量化研究平台:Alpha158/360 因子库、LightGBM 等模型、A 股数据脚本齐全。只出信号不下单,定位是研究端,和 vn.py 搭配是目前最强的开源组合。

$ pip install pyqlib github.com/microsoft/qlib

RQAlpha · A 股回测校验

米筐开源Python

原生建模 A 股摩擦:T+1、印花税、涨跌停不可成交、100 股整手、最低佣金。用它给其他框架的回测结论做独立复核,能挡住大部分「回测赚钱、实盘亏钱」。

$ pip install rqalpha github.com/ricequant/rqalpha

Daily Stock Analysis · AI 盯盘日报

MIT本地 WebUIDocker / 本地运行

自选股 AI 分析系统:拉行情、新闻与技术指标生成决策报告,推送企业微信/飞书/Telegram/邮箱;内置 AKShare 等免费源零配置可跑,也可用 GitHub Actions 定时运行。本地 WebUI 默认 http://127.0.0.1:8000。

$ git clone 后按 README 启动 WebUI github.com/ZhuLinsen/daily_stock_analysis

Qbot · 一体化投研平台

约 1.9 万 StarMIT桌面 GUI

数据、回测、模拟、实盘一条链:内置均线、布林、海龟、小市值、多因子等经典策略。实测提醒:经典策略可跑,AI 策略分支有坏件;Python 锁 3.9,东财接口连不上时换新浪源。

$ git clone 后按文档以 Python 3.9 运行 github.com/UFund-Me/Qbot

easytrader · 客户端自动下单

约 1 万 StarMITWindows

通过 GUI 自动化操控同花顺、华泰、国金等券商客户端下单,是个人账户接程序化最现实的桥。稳定性受客户端改版影响,且涉及明文密码,只建议放在最后、充分模拟后再考虑。

$ pip install easytrader github.com/shidenggui/easytrader

Backtrader · 回测入门

约 2.3 万 StarGPL-3.0已放缓维护

事件驱动回测的经典教材,文档与示例最友好,适合先把策略思想学明白。2024 年后基本停更、且不原生处理 A 股摩擦,学会后迁移到 RQAlpha / vn.py 校验。

$ pip install backtrader github.com/mementum/backtrader

本地部署路线(首版)

全部跑在自己电脑上,不需要服务器、不需要域名:浏览器打开本地地址就是控制台。按顺序走,每一步都能单独验收。

  1. 装环境。 Python 3.10–3.13(vn.py 4.x 的支持范围),建独立虚拟环境:python -m venv quant && quant\Scripts\activate(macOS/Linux 用 source quant/bin/activate)。
  2. 装数据与回测。 pip install akshare rqalpha pandas,先用上面的最小代码拉一只票的日线、算出双均线信号——能打印出信号表,数据层就通了。
  3. 部署盯盘日报。 克隆 Daily Stock Analysis,填自选股代码与推送渠道(企业微信/飞书/邮箱),本地启动 WebUI 后打开 http://127.0.0.1:8000;不想开电脑时改用它自带的 GitHub Actions 定时方案,零服务器成本。
  4. 装交易框架走模拟盘。 pip install vnpy,先接模拟环境把「信号 → 下单 → 成交回报 → 持仓对账」整条链路跑通,至少连续两周无异常,再谈券商网关(XTP/QMT 需要向券商申请开通,有资金门槛,以券商答复为准)。
  5. 监控与告警。 策略进程要有心跳与日志:信号变化、成交、异常三类事件推送到飞书/企业微信;每天收盘后对账一次(持仓、现金、委托),对不上就停机查因,不带病运行。
  6. 远程访问(如需)。 本地部署默认只在本机/局域网访问。确需外网打开时用内网穿透或自有 VPS 反代并加登录口令——行情与持仓是敏感信息,不要把无口令的控制台直接暴露在公网。

怎么做交易:从想法到下单

首版只做一件事:把每一笔交易都变成可复核的流程,而不是盘中拍脑袋。

标准流程

  • 盘前(8:30 前):看监控台信号与隔夜消息,写下今日计划单:标的、触发价、数量、止损位。计划外不交易。
  • 回测门槛:任何新策略先过含摩擦回测,再过 RQAlpha 复核;样本外不赚钱的不进模拟盘。
  • 模拟盘验证:在上方台账或 vn.py 模拟环境连续运行,记录每笔的信号依据与滑点。
  • 小仓实盘:首笔实盘仓位不超过计划仓位的 1/4,专为验证下单链路与真实滑点。
  • 盘后复盘:对账、归因(信号赚的还是运气赚的)、更新策略参数——参数只在盘后改,盘中不动。

风控红线

  • 单票仓位与单日最大亏损先写死,触发即停,不盘中放宽。
  • T+1 与涨跌停是硬约束:今日买入今日卖不掉,跌停时止损单也可能成交不了,仓位要为此留余地。
  • 数据源会断、接口会变:信号超过一个周期没更新,先停下核对,不拿旧数据下新单。
  • 自动下单工具(easytrader 类)涉及账户密码与客户端稳定性,实盘前必须小额、有人值守跑通全流程。
  • 本台所有信号与回测只用于研究与流程演练,不构成投资建议;收益承诺类的策略与项目一律不碰。
风险提示:量化工具解决的是纪律与效率,不解决判断。回测收益经过未来函数、过拟合与摩擦低估三重美化后普遍偏乐观——本页回测已按 A 股规则计入佣金、印花税、滑点与 T+1,请仍以模拟盘与小仓实盘的真实成交为准。