新闻详情

新闻详情

首页 / 资讯中心 / 详情

tick-stock-panel 持仓提醒实战:记录一笔买入批次,自动生成止盈止损监控

发布时间:2026/11/12 23:44:10来源:尧图网络
tick-stock-panel 持仓提醒实战:记录一笔买入批次,自动生成止盈止损监控
tick-stock-panel 持仓提醒实战记录一笔买入批次自动生成止盈止损监控【免费下载链接】tick-stock-panelTSP自托管、零运维的 A 股「选股 监控 回测」量化工作台 | LLM能力驱使策略定制个股分析复盘 | 自由接入第三方数据源与个性化扩展数据 | 个人开源项目地址: https://gitcode.com/GitHub_Trending/ti/tick-stock-paneltick-stock-panel 是一款自托管、零运维的 A 股「选股 监控 回测」量化工作台其**持仓提醒Lots**模块可以帮你把每笔买入记录成批次填一次成本价、止盈%、止损%和到期日系统就自动生成对应的止盈止损价格监控与到期提醒规则并同步到监控中心触发推送——无需手动在监控中心逐条配置。持仓提醒是什么把每笔买入变成监控规则持仓提醒页路由/lots的定位很克制只生成提醒不做持仓记账。它在界面上明确写着这里只用于生成提醒, 不是持仓记账加减仓、盈亏统计等交易口径不在其职责范围内。每个买入批次一行会派生两条监控规则派生规则规则 ID触发逻辑价格规则{批次id}_p收盘价 ≥ 成本价×(1止盈%) 或 ≤ 成本价×(1-止损%)日期规则{批次id}_d到达到期日默认提前 1 天提醒这套批次 → 规则的纯映射逻辑实现在 backend/app/strategy/lots.py 中API 胶水层在 backend/app/api/lots.py前端页面为 frontend/src/pages/Lots.tsx。快速上手5 步配置一个买入批次在左侧菜单进入我的数据 → 持仓提醒页面点击右上角新增批次填写标的代码支持个股 / ETF、成本价、数量仅供参考展示、止盈%、止损%、买入日期、到期日、提前提醒天数系统按成本价 × (1 ± 百分比)自动换算出止盈止损触发价写入规则条件保存后自动同步到监控中心并热重载监控引擎页面底部提供去查看入口盘中监控触发后即可在监控中心看到触发记录。⚠️ 校验规则提示止盈% / 止损% / 到期日至少设置一项否则系统会提示无监控点拒绝保存。编辑批次时派生规则会原地更新保留原创建时间列表不会跳位删除批次时两条派生规则会级联删除。生成规则后提醒如何触达你派生规则有两个容易忽略的细节继承默认推送渠道批次规则会自动带上你在设置中配置的webhook_default_channels如飞书、Webhook告警不会只停留在应用内资产类型自动解析填 ETF 代码时系统会解析为对应资产类型并落入正确的监控轮次避免止盈止损规则不触发个股则走股票轮。每条价格规则默认 24 小时冷却cooldown_seconds: 86400同一批次不会刷屏。触发后除监控中心记录外还可按配置推送到飞书等渠道进阶玩法配合个股点位提醒形成双层监控持仓提醒生成的止盈止损价是按成本比例计算的适合批量持仓管理如果你还想对某个具体价位如前高、支撑位做精确监控可以再到个股分析页创建点位提醒价格到达、上穿、下穿两者叠加形成批次级 点位级的双层防守常见问题 FAQ问持仓提醒和我的持仓台账有什么区别答它只做提醒触发器——记录成本与监控点不做加减仓会计。数量字段仅作展示参考。问同一个股票买了两批要建两条批次吗答是的。每批成本不同各建一条即可页面按买入日期排序未填日期的排最后方便管理。问为什么保存后监控中心看不到规则答检查是否至少设置了止盈%、止损%或到期日三项之一另外 ETF 解析失败时后端会降级为 stock 并留痕日志可检查标的代码是否正确。延伸阅读完整功能说明操作说明书.md第 11.2 节 · 持仓提醒规则引擎与条件拼装backend/app/strategy/monitor.py更多使用场景docs/strategy.md【免费下载链接】tick-stock-panelTSP自托管、零运维的 A 股「选股 监控 回测」量化工作台 | LLM能力驱使策略定制个股分析复盘 | 自由接入第三方数据源与个性化扩展数据 | 个人开源项目地址: https://gitcode.com/GitHub_Trending/ti/tick-stock-panel创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉