新闻详情

新闻详情

首页 / 资讯中心 / 详情

tick-stock-panel 首次使用向导实战:从登录到第一次选股的完整路径

发布时间:2026/11/13 7:31:25来源:尧图网络
tick-stock-panel 首次使用向导实战:从登录到第一次选股的完整路径
tick-stock-panel 首次使用向导实战从登录到第一次选股的完整路径【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-panelTSP是一款自托管、零运维的 A 股「选股 监控 回测」量化工作台数据全部落在本地行情、选股、回测、监控一体化。本文带你走通首次使用的完整路径从打开面板、登录设密、完成 5 步引导向导到跑通第一次盘后数据管道最后在选股页点一下策略卡片完成人生第一次全 A 股扫描。全程不需要写一行代码。一、准备工作一条命令跑起面板首次使用 tick-stock-panel 只需要本机装好 Docker然后执行一条命令docker run -d --name tsp -p 3018:3018 -v ${PWD}/data:/app/data ghcr.io/shy3130/tick-stock-panel:latest浏览器打开http://localhost:3018即可进入面板。本地无需 Python / Node数据目录data/会挂载在宿主机行情、回测、监控记录全部在自己手里。更多部署方式Compose 本地构建、Dev 开发模式、老 CPU 兼容见 docs/deployment.md配置项详解见 docs/configuration.md。 完全不想碰命令行的用户也可以把 README 中「方式 C」的提示词直接发给本机 AI 编程助手让它代你完成部署。二、第一步登录或设置访问密码打开面板后你会先到达访问认证页源码frontend/src/pages/Auth.tsx它复用同一套组件处理两种状态场景页面表现首次访问未设密码显示「设置访问密码」设置并进入即完成已设过密码显示「登录访问」输入密码继续两个实用细节登录失败有后端限流保护5 次失败锁定 5 分钟别暴力尝试公网部署时首次设置密码只允许本机或内网访问防止陌生人抢先锁死你的面板。若提示被拒可改用环境变量AUTH_PASSWORD预置或走 SSH 端口转发方法见 docs/deployment.md。⚠️ 密码至少 6 位否则会被跳过。设好之后改密码请走「设置 → 修改密码」不要依赖环境变量。三、5 步引导向导一分钟完成初始化登录成功后首次使用会自动进入 onboarding 引导向导源码frontend/src/pages/Onboarding.tsx共 5 步声明 → 欢迎 → 数据源 → 能力路由 → 完成。1. 声明先看清使用边界第一步是使用声明本项目为个人开源项目仅供学习研究不构成投资建议。点「我已了解继续」进入下一步。2. 欢迎认识九大核心能力第二步展示 TSP 的能力卡片看板与自选、策略选股、个股分析、连板梯队、概念行业、财务分析、回测验证、实时监控、本地优先。花 10 秒扫一眼心里有数后面每个页面是干什么的。3. 数据源不填 Key 也能用这是向导里唯一需要你「动手」的步骤而且可跳过默认使用内置TickFlow数据源Key 留空即为免费 None 模式可直接同步历史日K足够完成首次选股如果注册了 TickFlow 或 fuyao 的 API Key粘贴进去点「验证并保存」——先验证、通过后才落盘到本地secrets.json填错不会污染配置数据源随时可在「设置 → 数据源」中切换或新增自有数据源YAML 声明自有 HTTP 接口即可详见 docs/custom-data-source.md。4. 能力路由矩阵即真相第四步自动按优先级TickFlow → fuyao → stock-sdk为每类数据集分配数据源并以能力路由矩阵呈现日K、除权、实时、分钟K、财务各数据集当前生效的是哪个源、是否可用一目了然。5. 完成写标记进入面板点「进入面板」向导写入完成标记并跳转主页——引导页不会再来打扰你。四、跑盘后管道备齐第一批选股数据进入面板后选股、回测、监控全都依赖一张本地 enriched 指标表。首次使用必须手动跑一次数据管道打开设置 → 凭据与能力点「重新检测」确认当前数据源档位与能力矩阵正常源码frontend/src/pages/settings/Keys.tsx打开数据页源码frontend/src/pages/Data.tsx点「立即跑盘后管道」拉日K → 计算 enriched 指标表 → 就绪。 之后每天 15:35CST管道会自动执行同样的流程首次手动跑只是把「等一个交易日」变成「等几分钟」。None / Free 档位下当日数据通常在盘后 1-2 小时可用。五、可选先把常用股票放进自选正式选股前建议先到自选页源码frontend/src/pages/Watchlist.tsx把几只关注股票加进自选池支持多分组管理M:N 关系表格 / 卡片双视图切换表格中自带换手、量比、RSI 等实时指标盘中按档位自动分流刷新支持 CSV 导入懒得手动一只只加的话直接传文件。六、第一次选股点一下策略卡片扫描全 A 股来到重头戏——选股页源码frontend/src/pages/Screener.tsx页面顶部可切换股票 / ETF两个资产池新手默认选股票策略卡片墙展示了25 个内置策略趋势突破、均线多头、MACD 金叉放量、量价齐升、超跌反弹、低波动龙头……每张卡片即一个独立策略文件点击任意策略卡片Polars 向量化毫秒级扫完全 A 股命中标的即时列出支持结果导出。几个降低上手难度的细节内置 4 个策略见 backend/app/strategy/builtin/打开即可用无需配任何参数想按自己的条件选股页面上可直接配置自定义信号数值比较 交叉条件或让 AI 根据一句自然语言描述生成信号策略触发、回测、监控共用同一套 enriched 口径你在选股页看到的信号和回测里的入场信号是同一套逻辑不会「回测很猛、实盘对不上」。策略体系内置策略清单 三种扩展方式完整说明见 docs/strategy.md。七、选股之后回测验证 监控盯盘拿到一批候选股后建议顺手把研究闭环走完回测源码frontend/src/pages/Backtest.tsx选策略 区间查看净值曲线、夏普、最大回撤、胜率、盈亏比真实约束 T1 / 手续费 / 滑点全算上进度 SSE 流式推送切页不丢任务结果可导出 CSV、保存候选一键复测监控中心给策略或个股配置监控规则盘中命中实时弹窗 语音播报触发记录持久化还能推送到飞书 / 企业微信。八、首次使用路径速查步骤操作入口1Docker 一条命令启动面板终端2设置访问密码 / 登录浏览器首屏3完成 5 步引导向导Key 可留空自动进入4重新检测数据源能力设置 → 凭据与能力5立即跑盘后管道数据页6可选添加自选股自选页7点策略卡片完成第一次选股选股页8进阶回测验证 配置监控回测页 / 监控中心到这里你已经完整走通了 tick-stock-panel 从登录到第一次选股的主路径。接下来可以按 docs/features.md 逐步解锁个股分析、因子平台、异动监控等模块——它们都建立在同一套本地数据与统一口径之上越用越顺。⚠️ 本项目仅供学习与量化研究不构成任何投资建议。回测结果不代表未来收益A 股有风险入市需谨慎。【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
📞 ✉