Tickflow Stock Panel：如何构建自己的量化股票分析终端

当你开始深入研究算法交易和市场分析时，很快就会遇到同样的瓶颈。成品终端要么价格高昂，要么绑定了专有云服务，你无法自行处理原始数据。如果你尝试用零散的 Python 脚本自己搭建一个“弗兰肯斯坦”，最终只会变成一堆处理几年历史数据时就会内存耗尽崩溃的 Jupyter 笔记本。

最近偶然发现了一个有趣的项目叫做 tickflow-stock-panel（简称 TSP）。这是一个开源自托管的股票筛选、回测和监控面板。项目最初聚焦于中国 A 股市场和 TickFlow API，但从工程角度来看构建得非常精心。内部采用了扎实的现代化技术栈：Polars 用于快速表格处理、DuckDB 配合 Parquet 进行存储和查询、FastAPI 作为后端、前端则使用简洁的 React。

面板功能介绍

项目作者在开头明确声明：该项目无意取代通达信或 Thinkorswim 这类券商终端，也没有“保证盈利的 AI 魔法按钮”。这是一个用于验证假设和追踪信号的工作站。

从功能划分来看，这是一套扎实的工具组合：

1. 股票筛选和过滤。内置 18 种策略，支持自定义条件配置或通过 LLM 生成规则（支持任何兼容 OpenAI 的 API，如 DeepSeek 或本地 Ollama）。得益于 Polars，在指标列表上扫描整个市场仅需不到一秒。
2. 技术指标计算管道。系统实时计算经典指标（MA、EMA、MACD、RSI、KDJ、布林带）并将丰富后的数据保存到本地 Parquet 文件。
3. 回测模块。引擎支持多种模式的回测（因子分析含 IC/IR 指标，以及完整策略回测）。它计算权益曲线、回撤、夏普比率，并考虑佣金、滑点和止损的交易胜率。执行进度通过服务器端推送事件（SSE）实时流式传输到客户端。
4. 监控和告警。可以将规则绑定到策略、价格水平或市场异常。支持浏览器内语音信号和通过 Webhook 的通知推送。

底层技术栈

项目架构值得特别关注。这里没有臃肿的关系型数据库或繁重的消息队列。

┌─────────────────────────────────────────────────────────┐
│                      React 18 UI                        │
│   (Vite, Tailwind, Lightweight Charts, ECharts, dnd)    │
└────────────────────────────┬────────────────────────────┘
                             │ REST / SSE
┌────────────────────────────▼────────────────────────────┐
│                    FastAPI Backend                      │
│        (Pydantic v2, APScheduler, sse-starlette)        │
└──────────────┬───────────────────────────┬──────────────┘
               │                           │
┌──────────────▼──────────────┐ ┌──────────▼──────────────┐
│       Вычисления            │ │        Хранение         │
│   Polars / vectorbt         │ │   DuckDB + Parquet      │
└─────────────────────────────┘ └─────────────────────────┘

开发者押注于本地机器性能：

• Polars 处理所有重型表格转换。它充分利用所有 CPU 核心，不像原生 Pandas 那样在处理数百万行数据时卡顿。
• DuckDB 和 Parquet 负责分析查询。数据以紧凑的二进制格式存储在本地，无需运行 PostgreSQL 或 ClickHouse 即可即时读取。
• vectorbt 仅在回测阶段使用，作为经过验证的用于交易模拟的向量化库。
• Docker 多阶段构建 将编译后的前端和后端打包成单个轻量级容器。

本地运行指南

可以通过两种方式部署系统。如果你想深入源代码并自行添加功能，开发模式是最简单的选择。

需要 Python 3.11+、Node 20+、包管理器 uv 和 pnpm：

# Клонируем проект и настраиваем переменные окружения
git clone https://github.com/shy3130/tickflow-stock-panel.git
cd tickflow-stock-panel
cp .env.example .env

# Запуск dev-скрипта (поднимет фронтенд на :3011 и бэкенд на :3018)
./dev.sh

第二种选择是使用 Docker Compose：

cp .env.example .env
docker compose up --build

启动后，Web 界面可在 http://localhost:3018 访问。

基础配置位于 .env 中，配置项很少：

TICKFLOW_API_KEY=              # Ключ данных (можно оставить пустым для базовой истории)
AI_API_KEY=                    # Ключ LLM (OpenAI-compatible) для автогенерации стратегий
PORT=3018                      # Порт веб-сервера

如果你不交易中国市场，这个项目仍然很有价值。连接自定义数据源的架构在 docs/custom-data-source.md 中有文档说明。你可以接入自己的 CSV、JSON，或为 MOEX / Yahoo Finance / 加密交易所编写适配器，复用现成的筛选界面、图表和向量化回测引擎。

适用人群

首先，对金融科技和算法交易感兴趣的开发者会欣赏这个仓库。

一方面，对于寻求轻量级自托管监控系统而不想处理额外基础设施的人来说，这是一个现成可用的工具。另一方面，代码库清晰地展示了如何将 FastAPI、Polars 和 DuckDB 正确地整合到一个具有流式响应和交互式图表的响应式应用中。

如果你一直想编写自己的筛选器或回测工具，至少值得查看 shy3130/tickflow-stock-panel 仓库的数据处理方法。