卧龙AI量化交易台（Wolong Pro）

官网直达：https://wolongtrader.top/

一个面向个人研究者与量化开发者的 AI 投研与量化交易工作台。项目已经不再只是“回测页面”，而是围绕 研究选股 -> 个股分析 -> 策略构建 -> 历史回测 -> 持仓跟踪 -> 信号推送 -> 后台运维 形成了完整闭环。

当前版本覆盖的核心场景包括：A 股 / 港股行情看板、AI 个股分析、自然语言选股、风险机会四象限、卧龙排行榜、策略库与 AI 策略生成、历史回测、持仓管理、因子实验室、Webhook 信号推送，以及管理员后台的 AI 配置、计算任务、反馈、备份和系统健康管理。

• 支持 A 股与港股关注池，按股票卡片查看行情快照
• 支持个股详情页查看 K 线、均线、MACD、布林带、成交量等技术面
• 支持支撑位 / 压力位识别、基础面指标、公司资料与相关新闻摘要
• 支持保存 AI 分析历史，并回看历史判断与后验表现

• 支持对单只股票发起 AI 分析，综合行情、技术面、基础面、新闻和持仓上下文生成结论
• 支持自然语言 AI 选股，将口语化条件解析为结构化筛选条件
• 支持 AI 生成策略说明与参数建议，并联动回测验证
• 支持回测结果 AI 优化建议，帮助迭代参数与策略思路

• 支持 A 股与港股两套选股器筛选维度与示例查询
• 支持价格、市值、PE、PB、换手率、量比、振幅、区间涨跌幅等多维过滤
• 支持保存和管理自定义自选表
• 支持风险机会四象限、卧龙排行榜、排行榜组合结果等机会发现入口

• 支持策略库管理，包含草稿 / 启用 / 归档等状态
• 内置多类策略模板：双均线、网格、布林均值回归、RSI、MACD、放量突破、双重确认、布林 + MACD 组合
• 支持在线行情、本地 CSV、示例行情三类回测数据源
• 支持查看总收益率、买入持有收益、超额收益、年化收益、最大回撤、夏普比率、胜率、手续费等指标
• 支持图表化查看 K 线叠加指标、买卖点、权益曲线、回撤和历史运行记录

• 支持按股票记录买入、卖出、调均价等持仓事件，并可撤销最近操作
• 支持组合总览、资产曲线、盈亏日历、仓位分布、收益归因与风险指标
• 支持按 A 股 / 港股 / 全部组合范围查看组合表现
• 支持为单只股票配置策略信号，并通过企业微信 / 飞书 Webhook 推送
• 支持信号冷却、交易时段限制、送达记录和最新投递状态追踪

• 提供因子实验室页面，基于预计算快照对 A 股股票池做多因子打分与排序
• 支持价值、股息率、成长、质量、动量、规模、低波动等因子权重组合
• 提供管理员后台，用于查看 AI 配置、AI 用量、设备分析、用户漏斗、反馈列表、系统健康、备份状态
• 支持后台触发四象限计算、因子流水线、公司资料刷新与数据库备份任务

• frontend/：Next.js 前端界面，承载研究、选股、策略、回测、持仓、设置和管理后台等页面
• backend/：Go API 网关与业务服务，负责认证鉴权、数据持久化、组合管理、信号投递、后台任务与管理接口
• quant/：Python FastAPI 量化服务，负责行情抓取、选股扫描、策略执行、回测计算、四象限与因子相关计算

• 前端：Next.js 14、React 18、Tailwind CSS、Lightweight Charts
• 后端：Go、GORM、HTTP API
• 数据库：SQLite（默认）/ PostgreSQL（可选，DB_TYPE=postgres）
• 量化服务：Python、FastAPI、Pandas、NumPy、AkShare
• 测试：Node --test、Go test、Pytest
• 部署方式：Docker Compose / 本地开发模式

pumpkin-pro/
├── frontend/   # Next.js 前端，含行情、选股、策略、回测、持仓、后台页面
├── backend/    # Go API 网关与业务服务
├── quant/      # Python 量化与数据计算服务
├── data/       # SQLite、缓存、备份等运行时数据
├── docker-compose.yml
└── README.md

建议准备以下环境：

• Node.js 18+
• npm 9+
• Go 1.21+
• Python 3.10+
• Docker / Docker Compose（可选）

当前仓库同时提供两套 Compose 文件，分别用于“本地构建运行”和“拉取已发布镜像运行”。这两套文件可以并存使用，不冲突。

在首次启动前，建议先复制环境变量模板：

cp .env.example .env

backend 服务现在会通过 env_file: .env 直接把根目录 .env 注入容器。Compose 文件中的 environment 项仍保留用于覆盖容器内专用值，例如 QUANT_SERVICE_URL=http://quant:8000 与 BACKEND_CALLBACK_URL=http://backend:8080。

如果你使用本地构建模式，请在项目根目录执行：

docker compose -f docker-compose.local.yml up --build

如果你使用镜像拉取模式，请在项目根目录执行：

docker compose -f docker-compose.yml up -d

当 docker-compose.yml 指向私有 TCR 镜像时，需要先完成登录：

echo "$TCR_PASSWORD" | docker login ccr.ccs.tencentyun.com -u <tcr-username> --password-stdin

docker-compose.yml 默认会读取以下镜像变量（可在 .env 覆盖）：IMAGE_REGISTRY、IMAGE_NAMESPACE、IMAGE_TAG。前端容器会以 NODE_ENV=production 启动并执行 next start，默认开启 Next.js 压缩。默认数据库为 SQLite，数据库文件持久化在宿主机 ./data/pumpkin.db。如果需要切换 PostgreSQL，只需在 .env 中设置 DB_TYPE=postgres 并补全连接参数。

无论采用哪套 Compose 文件，服务默认端口保持一致：前端 http://localhost:3000，后端 http://localhost:8080，量化服务 http://localhost:8000。

本仓库已在 frontend/、backend/、quant/ 下补充 .dockerignore，并优化了 Dockerfile 的依赖缓存层。首次在服务器构建仍可能较慢（冷缓存 + 依赖下载），但后续增量构建通常会明显加快。

如果你的目标是稳定且更快的服务器部署，建议优先使用 docker-compose.yml 的“拉取镜像模式”（CI 预构建后服务器仅 pull）；仅在需要现场编译验证时使用 docker-compose.local.yml 本地构建模式。

仓库已提供本地发布入口 ops/local/release.sh，用于先在本机完成镜像构建，并按统一 tag 推送到 TCR。Phase 2 默认仍采用串行构建，但已经支持按服务选择发布，并对 backend 拆分为 base image + app image 两层结构。

其中：

• backend/Dockerfile.base：构建后端基础镜像 pumpkin-base:1.0
• backend/Dockerfile：基于 pumpkin-base:1.0 构建业务镜像 pumpkin-pro-backend:<tag>
• backend/factorlab-requirements.txt：沉淀后端稳定 Python 依赖，降低业务镜像构建成本

常用命令：

# 1) 先做 dry-run，检查参数、tag、builder、基础镜像与 manifest 输出
sh ops/local/release.sh --services backend --build-only --dry-run

# 2) 强制先构建 backend 基础镜像，再构建 backend 应用镜像
sh ops/local/release.sh --services backend --build-only --build-base

# 3) 构建并 push backend + frontend 到 TCR
export TCR_USERNAME="<your-tcr-username>"
export TCR_PASSWORD="<your-tcr-password>"
export IMAGE_NAMESPACE="pumpkin-pro"
sh ops/local/release.sh --services backend,frontend --push

# 4) 构建并 push 全部服务
sh ops/local/release.sh --all --push

脚本行为约定：

• 支持服务：backend、frontend、quant
• 默认 tag 规则：release-时间-shortsha
• 默认 registry：ccr.ccs.tencentyun.com
• 默认 namespace：pumpkin-pro
• 默认 builder：default
• manifest 输出目录：.release/manifests/<tag>.json
• 当前阶段支持 --build-only、--push、--dry-run、--services、--all
• 当前阶段支持 --builder 显式固定 buildx builder
• 当前阶段支持 --build-base 强制重建基础镜像，支持 --skip-base-build 跳过自动基础镜像构建
• 当前阶段 --parallel 仅保留参数，不启用并行构建

backend 基础镜像策略：

• 默认基础镜像名：ccr.ccs.tencentyun.com/<namespace>/pumpkin-base:1.0
• 当构建 backend 且本地不存在该基础镜像时，脚本会自动先构建基础镜像
• 如果你想显式重建基础镜像，使用 --build-base
• 如果你已提前准备好基础镜像并希望跳过自动构建，使用 --skip-base-build

建议测试顺序：

1. 先执行 --build-only --dry-run，确认镜像名、tag、builder、manifest 路径符合预期
2. 再执行 --build-only --build-base，确认 backend base image 与 app image 都能成功构建
3. 最后执行 --push，验证 TCR 登录与上传

如果你已经提前 docker login 过 TCR，脚本也支持复用现有登录态；否则请通过 TCR_USERNAME / TCR_PASSWORD 或同名命令参数显式传入。

cd quant
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python3 main.py

cd backend
# 默认 SQLite（data/pumpkin.db）
go run main.go

# 如需切换 PostgreSQL
# DB_TYPE=postgres DB_HOST=127.0.0.1 DB_PORT=5432 DB_USER=postgres DB_PASSWORD=postgres DB_NAME=pumpkin_pro DB_SSLMODE=disable go run main.go

cd frontend
npm install
npm run dev

前端统一请求同源路径 /api/*，由 Next.js 转发到后端。

• 本地开发默认转发到 http://localhost:8080
• 如果前端服务端与后端不在同一地址，可为前端进程设置 BACKEND_API_URL
• Docker Compose 已默认配置为 http://backend:8080

1. 打开前端页面 http://localhost:3000
2. 注册 / 登录账号后，将感兴趣股票加入关注池
3. 在 行情看板 与个股详情页查看技术面、基础面、新闻、公司资料和 AI 分析
4. 在 AI 选股器、四象限、卧龙排行榜 或 因子实验室 中寻找候选标的
5. 在 策略库 中维护策略，或直接使用 AI 生成策略并做回测验证
6. 在 持仓管理 中记录交易事件、查看组合归因与盈亏日历
7. 在 设置 中配置 Webhook，接收策略信号推送

1. 打开前端页面 http://localhost:3000
2. 选择数据源：在线下载、本地 CSV 或示例行情
3. 选择策略并调整参数
4. 设置开始日期、结束日期、初始资金和手续费
5. 点击执行回测
6. 在结果区查看图表、绩效指标、月度收益和交易记录

• A 股：输入 6 位股票代码，例如 600519
• 港股：输入 5 位股票代码，例如 00700

推荐包含以下字段：

• date
• open
• high
• low
• close
• volume

系统会对日期和数值字段做基础清洗与标准化处理。

• 认证与用户：/api/auth/*、/api/user/*
• 回测与策略：/api/backtest、/api/backtest/runs、/api/strategies、/api/strategies/ai-generate
• 实时行情与研究：/api/live/watchlist、/api/live/market/overview、/api/live/symbols/*
• 组合与设置：/api/portfolio/*、/api/investment-profile、/api/webhook、/api/signal-configs
• 市场机会：/api/quadrant*、/api/screener/*、/api/factor-lab/*
• 管理后台：/api/admin/*

• 健康检查：GET /api/health
• 回测与策略定义：GET /api/backtest/options、POST /api/backtest、GET /api/strategies*
• 全市场扫描：POST /api/screener/scan
• 基础数据：GET /api/fundamentals/{symbol}、GET /api/news/{symbol}、POST /api/company-profiles/sync
• 计算任务：POST /api/quadrant/compute-all、POST /api/quadrant/compute-hk-all
• 信号评估：POST /api/signal/evaluate

• 若使用在线行情下载、新闻、基础面或公司资料同步，请确认本机网络可访问外部数据源
• 若需要扩展策略，可优先在 quant/strategy_library/ 与 backend/store/strategy/ 中同步补充定义与注册
• 若需要扩展前端功能入口，可优先查看 frontend/pages/live-trading.js、frontend/pages/live-trading/[symbol].js、frontend/pages/backtest.js、frontend/pages/portfolio.js

本项目采用 MIT License 开源，你可以在保留原始版权声明的前提下自由使用、修改、分发和商用。

详细条款请参见根目录下的 LICENSE 文件。

本项目仅用于学习、研究与工程实践演示，不构成任何投资建议。量化策略历史表现不代表未来收益，实盘使用前请自行完成风险评估与充分测试。