新闻详情

新闻详情

首页 / 资讯中心 / 详情

tick-stock-panel 自选功能实战:M:N 多分组、表格卡片双视图与实时指标刷新

发布时间:2026/11/13 2:04:37来源:尧图网络
tick-stock-panel 自选功能实战:M:N 多分组、表格卡片双视图与实时指标刷新
tick-stock-panel 自选功能实战M:N 多分组、表格卡片双视图与实时指标刷新【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」量化工作台其中的自选功能是日常看盘的核心多分组管理M:N、表格/卡片双视图、换手率/量比/RSI 等实时指标刷新一条自选页同时满足盯盘、分组复盘与策略监控的需求。一、为什么自选是量化工作台的起点多数工具里自选股只是一个代码列表而 TSP 把自选做成了数据中台自选列表以 parquet 持久化在本地分组定义单独存 JSON全部落在data/user_data/目录零云端依赖自选是监控中心的作用域之一——策略、个股信号、价格告警都可以只盯某个分组成员动态解析增删自选自动生效自选也是AI 对话助手的只读数据源之一可以直接问我的自选今天表现如何。页面入口逻辑集中在 Watchlist.tsx后端服务在 watchlist.pyAPI 路由在 watchlist.py。二、M:N 多分组一只股票同时属于多个分组传统自选是一只股票归一个分组改组就要挪动整个条目。TSP 的自选分组是标准M:N 多值成员关系每条自选记录带group_ids列表同一只股票可以同时属于多个分组例如既是新能源又是持仓观察移出分组只是摘掉标签股票仍保留在自选里可能落入未分组只有显式移出自选才会删除条目旧版本的单值group_id数据读取时会自动迁移为group_ids迁移前还留一份.bak备份升级无感。日常操作三步走建分组标签栏点新建名称最长 24 字符可选 12 种颜色加成员在搜索框输入代码下拉结果里对已加自选的标的支持分组勾选面板一次勾选多个分组也可以点文件夹图标展开菜单显式选组拖拽排序分组标签支持拖拽调整顺序顺序持久化到后端侧边栏、标签栏、分组视图三处共用同一顺序。标签栏还提供「全部 / 未分组 / 各分组」页签每个页签带成员计数删除分组时原成员自动转为未分组而不是被删掉避免误操作丢数据。这些行为在 watchlist.py 的add_to_group/remove_from_group中可以对照阅读。三、表格与卡片双视图同一份数据两种看法自选页顶部一键切换表格视图 / 卡片视图切换记忆在本地刷新不丢能力表格视图卡片视图指标密度50 内置列MA/MACD/KDJ/BOLL/RSI/量比/振幅/动量/连板信号…大价格 换手/量比/RSI 摘要图形行内日 K 蜡烛 当日分时图卡片底部迷你蜡烛 涨/跌背景色性能大数据量自动虚拟滚动同样走虚拟列表几百只不卡顿扩展数据第三方扩展列以标签/数值渲染同样支持与表格共用列配置两张视图之外还有两个总览开关临时模式不影响个股视图设置分组卡片每个分组一张卡组内按涨跌幅降序、默认显示前 N 名可展开一眼看清哪个池子最强分组统计条顶部中轴分叉条形图对比各组强弱指标可选等权平均 / 中位数 / 上涨占比 / 组内最强 / 最弱与分组卡片共享同一份可持久化的配置。筛选侧也不含糊板块筛选主板/创业板/科创板/北交所/ETF、排除 ST、按任意数值列设上下限页头还会显示「待数据 N / 已过滤 N」两个胶囊让你清楚区分数据未就绪和被条件隐藏。四、实时指标刷新价格、K 线与分时如何跳动自选页的实时刷新走SSE 推送 智能轮询双通道这是它看起来会动的关键SSE 通道后端行情 tick 通过/api/intraday/stream推送前端按事件前缀精准失效对应查询缓存价格、涨跌幅、信号标签随之跳动——被实时监控的标的代码后还有一个电光蓝扩散圆点当日蜡烛修补历史 K 线按 5 分钟缓存拉取最后一根蜡烛直接用实时行情在前端覆盖/追加零额外请求就能看到当日蜡烛随价格变化分时图续画分钟序列按间隔轮询默认 6 秒可配置且若 SSE tick 很新鲜则自动降频到 30 秒兜底校准——行情推得动就不浪费请求推不动才轮询天然规避数据源限流视口感知拉取卡片/表格滚动时只请求当前可见的股票分钟数据视口外保留旧序列几百只自选也不炸内存。刷新节奏与数据源档位挂钩按自选监控模式下只有自选前 N 只参与实时监控N 可在设置中调整全市场模式下所有标的都在监控、不再单独标记圆点。五、把自选接入监控与选股自选在 TSP 里不是孤岛推荐的新手动线监控中心新建价格/异动/策略规则时作用域选watchlist_group并绑定分组 id——成员动态解析你往分组里加股票监控自动跟上选股/回测自选池可以直接作为策略扫描与回测的候选范围盘中扫出的信号会出现在表格的信号列里批量导入支持粘贴代码、上传 CSV/TXT兼容同花顺/东财/通达信导出GBK 也认还可以上传自选截图走 OCR 识别成候选列表确认后批量入池并可指定并入多个分组。六、延伸阅读自选前端页面Watchlist.tsx分组组件标签栏/成员选择器WatchlistGroups.tsx、WatchlistGroupCards.tsx分组统计条与指标配置WatchlistGroupStatsBar.tsx、watchlistGroupStats.ts后端自选服务与 APIwatchlist.py、watchlist.pyCSV 导入解析watchlist_csv.py官方功能说明features.md、部署与配置deployment.md 小提示分组颜色、统计指标、卡片列数、分时刷新间隔等偏好都有持久化设置调整一次后全局生效——把自选页调成自己的看盘习惯是上手 TSP 最快的一步。【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
📞 ✉