TSP · A股智能量化工作台：把"炒股的第N种方式"开源了

背景：A股量化的门槛到底有多高？

炒股的门槛很低——开个户、会看 K 线就够了。但"量化交易"的门槛极高：你要会写代码、能处理金融数据、要理解回测偏差、要对付 T+1 限制、要有稳定的数据源……这些条件叠加在一起，让大多数个人投资者被拦在量化大门之外。

有人说可以用同花顺的公式系统，有人说可以买聚宽、米筐这样的平台服务。但同花顺的公式语言能力有限，买服务的成本不低，而且你的策略逻辑和数据都在别人的服务器上。

TSP（Tick-Stock-Panel）的思路很简单：把一整套量化工作台做成开源工具，让有基础编程能力的个人投资者自己搭、自己跑、自己改。 数据用插件化架构自由接入，策略用 Python 写，回测用 Polars + DuckDB 跑，前端用 React 搭一个可视化的看板——全程自托管，数据不出自己的机器。

项目背景

TSP 由个人开发者 shy3130 创建，2026 年 6 月正式公开，主打"A 股选股 + 监控 + 回测"三大核心功能。项目使用 MIT 许可证，完全免费开源，交流通过 QQ 群维护。从 GitHub 数据来看，Stars 从 0 到近 5000 只用了约三个月，且 Forks 高达 1230（Forks/Stars 比约 1:4），说明项目实用性强，用户真的在用。

值得关注的是，项目明确标注"个人开源"——这不是一个商业公司的产品，而是个人开发者凭兴趣维护的工具。这种背景下能获得如此高的社区认可，本身就说明产品定位精准：市面上缺乏针对 A 股的、真正能用的开源量化工作台。

项目获得社区广泛认可

核心功能拆解

选股策略：18 种内置 + 自定义 + AI 生成

TSP 内置了 18 种选股策略，覆盖了趋势跟踪、均值回归、动量反转等常见量化策略类型。用户可以在此基础上编写自定义信号，甚至可以让 LLM（大语言模型）根据你的描述自动生成策略。

这个"AI 生成策略"的功能是 TSP 与其他开源量化工具的最大差异点。传统的量化平台需要用户自己写策略代码，而 TSP 允许用户用自然语言描述策略思路，系统自动生成可执行的策略代码。当然，生成的策略最终仍需要回测验证，但这个"想法 → 代码"的转化过程大大降低了量化研究的门槛。

回测引擎：T+1 + 滑点约束，真市场环境模拟

A股的回测有两个经典坑：一是 T+1 制度（当天买的股票当天不能卖），二是滑点（实际成交价和回测价不一致）。很多新手写的回测系统忽略了这两个约束，导致回测结果看起来很漂亮，实盘却一塌糊涂。

TSP 的回测模块默认启用了 T+1 约束和滑点模拟，可以更真实地反映策略在 A 股市场的实际表现。此外，Polars 作为底层计算引擎，提供了流式处理能力——即使面对分钟级历史行情的大数据量，回测也能在本地高效完成，不需要云端集群。

异动监控：全时段盯盘，板块联动分析

TSP 内置了分钟级异动监控功能，可以在盘中实时扫描市场异动（股价突然拉升/砸盘、量能异常等），并通过系统通知推送告警。此外还支持板块联动分析——当某只股票出现异动时，系统可以关联分析同板块其他股票的走势，帮助判断异动的性质（是个股独立行情还是板块联动）。

数据源：插件化架构，多源自由接入

TSP 的数据层采用插件化设计，内置了 fuyao（同花顺 REST API）数据源，提供行情、财务数据、龙虎榜、盘前风向标、交易日历等接口。用户也可以接入自定义数据源，通过编写插件的方式接入任何第三方数据 API。

这种设计解决了个人量化最头疼的数据来源问题——你不需要依赖单一服务，可以自由选择数据源，也可以自己维护数据管道。

技术架构

TSP 采用前后端分离架构：

后端（Python）：FastAPI + Polars（>=1.44）+ DuckDB + APScheduler + OpenAI SDK。Polars + DuckDB 的组合是性能核心——Polars 处理向量化计算，DuckDB 提供嵌入式 OLAP 查询，两者组合让分钟级全市场回测在单机即可完成。

前端（TypeScript）：React + TypeScript + Vite + Tailwind CSS，提供完整的 Web 可视化界面。

数据层：TickFlow SDK 接入行情数据，支持插件化自定义数据源。

部署：Docker + docker-compose，GitHub Actions 自动构建镜像。

局限与注意事项

1. 数据源依赖：TSP 本身不提供数据，需要自行申请 TickFlow API Key 或接入其他数据源。数据成本是个人量化的隐性门槛。

2. 仅供研究：作者明确声明"不对标同花顺/通达信"、"不内置 AI 荐股/涨停预测"，回测结果不代表未来收益，A 股有风险，入市需谨慎。

3. 个人维护：项目由个人开发者维护，没有商业公司背书。

4. 不适合纯小白：配置 Docker、理解量化策略、接入数据源仍需要一定技术背景。

快速部署

git clone https://github.com/shy3130/tick-stock-panel.git
cd tick-stock-panel
docker-compose up -d
# 访问 Web UI 配置 TickFlow API Key 即可使用

行业意义

TSP 填补了 A 股开源量化工具链的空白。在它之前，个人开发者如果想自建量化平台，往往需要从数据获取开始自己搭建整个管道——写爬虫、搭数据库、写回测引擎、做前端可视化。TSP 把这些事情打包成一个开箱即用的产品，让用户可以专注在策略研究本身。从技术角度看，Polars + DuckDB 的选型也代表了个人量化计算从"大数据云端"向"轻量本地"迁移的趋势。