A 股全市场选股雷达 — 配置驱动的多策略选股 + 风险检测 + LLM 复盘 + 飞书日报。
- 25 个选股策略统一由
config/selector.config.json的selectors列表驱动（K 线形态战法 + 量化管线 + 量化因子 + 图形评分）- 6 个股池策略（涨停池 / 强势池）由
config/pool_selector.config.json驱动- 8 项风险检测由
config/risk.config.json驱动- 可选 DeepSeek LLM 复盘（
--llm-analyze）：对全部初选并集排序点评，Langfuse 可观测- 每日 CI 定时任务：
选股 → LLM 复盘 → 飞书推送
- 股市有风险，入市需谨慎。
- 本仓库仅供学习与技术研究之用，不构成任何投资建议。
- 数据来源与接口可能随平台策略调整而变化，请合法合规使用。
项目采用 uv 自洽应用布局（stock_radar/ 应用代码 + config/ 策略配置 + pyproject.toml + uv.lock），仅在本地 .venv 可编辑安装以注册 CLI 入口，不作为 PyPI 库发布。
cd stock-radar
bash scripts/sync.sh # uv sync + 应用 patches/（等同 npm patch-package）
bash scripts/sync.sh --group dev # 含 ruff、pre-commit、patch-package-py代码检查与格式化（Ruff）：
uv run ruff check . # 静态检查
uv run ruff check --fix . # 自动修复可修复项
uv run ruff format . # 格式化
uv run ruff format --check . # CI 用：仅检查格式是否一致Git pre-commit（提交前自动检查）：
bash scripts/sync.sh --group dev
uv run pre-commit install # 安装 hooks 到 .git/hooks（每台机器执行一次）
uv run pre-commit run --all-files # 手动全量跑一遍CLI 入口（uv run 后可直接调用）：
| 命令 | 说明 |
|---|---|
stock-fetch-list |
拉取全市场股票列表 |
stock-fetch-kline |
下载日线 K 线 CSV（TickFlow） |
stock-fetch-trend |
拉取智图强势股/涨停股池快照 |
stock-fetch-pool-kline |
下载股池标的 K 线（TickFlow → data-pool/） |
stock-is-trade-date |
判断指定日期是否为交易日 |
stock-select |
批量选股（全市场） |
stock-select-pool |
股池选股（pool_selector.config.json） |
stock-detect-risk |
批量风险检测 |
stock-check |
单只股票战法检查 |
关键依赖：
pandas、tqdm、tushare、baostock、tickflow、numpy、scipy、numba、openai、lark-oapi、langfuse。
| 变量 | 说明 |
|---|---|
TUSHARE_TOKEN |
TuShare 股票列表 Token |
ZHITU_TOKEN |
智图 API 股池快照（qsgc/ztgc） |
LARK_APP_ID |
飞书开放平台 应用 App ID |
LARK_SECRET |
飞书应用 App Secret |
LARK_FOLDER_TOKEN |
云文档存放文件夹 token |
ME_UNION_ID |
接收人的 union_id（需 im:message + 文档读写权限） |
DEEPSEEK_API_KEY |
可选；--llm-analyze DeepSeek 排序复盘 |
LANGFUSE_PUBLIC_KEY |
可选；Langfuse LLM 观测公钥（见下文） |
LANGFUSE_SECRET_KEY |
可选；Langfuse 私钥（与公钥成对配置才启用） |
LANGFUSE_BASE_URL |
可选；Langfuse 区域，如 https://jp.cloud.langfuse.com |
在仓库根目录运行（需已安装 GitHub CLI 并完成 gh auth login）：
uv run python setup.py向导会：
- 收集上述变量（密钥输入不回显）
- 写入本地
.env（勿提交到 Git） - 通过
gh secret set同步到 GitHub Actions Secrets - 可选：立即运行
check_setup.py并发送一条 Lark 测试消息
手动配置：复制 .env.example 为 .env 并填入真实值。
验证配置：
uv run python check_setup.py # 检查 Tushare / TickFlow / 智图连通性 + Lark 测试文档GitHub 上：Actions → ✅ Check Setup → Run workflow（需先在仓库 Settings → Secrets 配置同名 Secret）。
启用 --llm-analyze 后，选股复盘会调用 DeepSeek 对候选标的排序并生成 Markdown 点评。这类 LLM 调用很难只靠日志排查问题 — Langfuse 提供了很好的可观测性：Web 控制台里能看到完整 trace、每轮 generation、token 用量和费用，方便对比模型表现、定位「只输出 reasoning 没有正文」等异常。
Trace 层级：analyze-picks → deepseek-complete → deepseek-round-N-{initial|reasoning|truncation} → deepseek-generation-N-*。默认 reasoning_effort=low，减少 thinking token 占用。
完全可选：
- 同时设置
LANGFUSE_PUBLIC_KEY+LANGFUSE_SECRET_KEY→ 自动上报（标签stock-radar） - 任一未设置 → 零开销跳过，不影响选股与飞书推送
# .env 或 GitHub Actions Secrets
LANGFUSE_PUBLIC_KEY=pk-lf-...
LANGFUSE_SECRET_KEY=sk-lf-...
LANGFUSE_BASE_URL=https://jp.cloud.langfuse.com # 按你的 Langfuse 区域填写注册项目：langfuse.com/cloud → Settings → API Keys。uv run python setup.py 会询问是否写入上述变量。
从 TuShare 获取所有 A 股股票列表，保存到 CSV 文件。建议定期更新，确保数据准确。
uv run stock-fetch-list- 数据源：TickFlow 日线，前复权 qfq（Tushare 仅用于股票列表）。
- 保存策略：每只股票全量覆盖写入
./data/XXXXXX.csv。 - 频控处理：命中「访问频繁/429/403…」将睡眠约 600s 并重试，最多 3 次。
- 股票清单：默认
stocklist.good.csv（优选池）；全量数据见stock_radar/stocklist.total.csv。
uv run stock-fetch-kline \
--start 20240101 \
--end today \
--stocklist ./stocklist.good.csv \
--exclude-boards gem star bj \
--out ./data参数说明
| 参数 | 默认值 | 说明 |
|---|---|---|
--start |
20250101 |
起始日期，格式 YYYYMMDD 或 today |
--end |
today |
结束日期，格式同上 |
--stocklist |
./stocklist.good.csv |
股票清单 CSV 路径（含 ts_code 或 symbol） |
--exclude-boards |
["gem", "star", "bj"] |
排除板块：gem(创业板) / star(科创板) / bj(北交所)，可多选 |
--out |
./data |
输出目录（自动创建） |
输出 CSV 列：date, open, close, high, low, volume（按日期升序）。
批量对股票池执行 selector.config.json 中配置的全部策略，输出符合条件的股票。
# 基础用法
uv run stock-select --data-dir ./data --date 2025-09-10
# 生产 / CI 推荐（含飞书、LLM 复盘）
uv run stock-select --data-dir ./data --send-lark --llm-analyze
--date可省略，默认取数据中的最后交易日。
参数说明
| 参数 | 默认值 | 说明 |
|---|---|---|
--data-dir |
必填 | K 线行情目录 |
--date |
数据最后交易日 | 选股交易日 |
--send-lark |
关闭 | 生成飞书云文档并推送链接 |
--llm-analyze |
关闭 | DeepSeek 对初选结果排序复盘（需 API Key） |
--llm-max |
20 |
送入 LLM 的最大标的数 |
基于智图强势股池（qsgc）/ 涨停股池（ztgc）快照 + 股池 K 线，执行 pool_selector.config.json 中的 6 个策略。
# 先抓快照与 K 线
uv run stock-fetch-trend --date today --out ./trend
uv run stock-fetch-pool-kline --trend-dir ./trend --out ./data-pool
# 再选股
uv run stock-select-pool \
--data-dir ./data-pool --trend-dir ./trend \
--send-lark --llm-analyze对持仓或候选池批量跑 risk.config.json 中的 8 项风险信号，输出按命中风险条数聚合排序：
uv run stock-detect-risk --data-dir ./data --send-lark对指定股票代码检查是否命中某一战法：
uv run stock-check --data-dir ./data --symbol 002594参数说明
| 参数 | 默认值 | 说明 |
|---|---|---|
--data-dir |
必填 | K 线行情目录 |
--symbol |
必填 | 需要检查的股票代码，6位 |
将新股票代码添加到 stocklist.good.csv：
uv run python stock_radar/update_to_goodlist.py --stocklist ./stocklist.good.csv所有选股策略在 config/selector.config.json 的 selectors 数组中定义，全部启用（无 activate 开关）。默认实现位于 stock_radar/strategy/ 下与类同名模块；跨模块策略通过 "module" 字段指定。
| 类别 | 别名 | 类 | 实现模块 |
|---|---|---|---|
| K 线形态战法 | 少妇战法 | BBIKDJSelector |
strategy.bbi_kdj |
| K 线形态战法 | 黄金坑战法 | GoldPitSelector |
strategy.gold_pit |
| K 线形态战法 | 企稳战法 | SupportLevelSelector |
strategy.support_level |
| K 线形态战法 | SuperB1战法 | SuperB1Selector |
strategy.super_b1 |
| K 线形态战法 | 补票战法 | BBIShortLongSelector |
strategy.bbi_short_long |
| K 线形态战法 | 填坑战法 | PeakKDJSelector |
strategy.peak_kdj |
| K 线形态战法 | 上穿60放量战法 | MA60CrossVolumeWaveSelector |
strategy.ma60_cross_volume |
| K 线形态战法 | 暴力K战法 | BigBullishVolumeSelector |
strategy.big_bullish_volume |
| K 线形态战法 | 均值突破战法 | MACrossSelector |
strategy.ma_cross |
| K 线形态战法 | 震荡上攻战法 | OscillationGrowthSelector |
strategy.oscillation_growth |
| K 线形态战法 | 均线放量战法 | MaVolumeSelector |
strategy.ma_volume |
| K 线形态战法 | RPS动量突破 | RpsBreakoutSelector |
strategy.rps_breakout |
| K 线形态战法 | 海龟突破战法 | TurtleTradeSelector |
strategy.turtle_trade |
| K 线形态战法 | 高旗形整理 | HighTightFlagSelector |
strategy.high_tight_flag |
| K 线形态战法 | 涨停洗盘战法 | LimitUpShakeoutSelector |
strategy.limit_up_shakeout |
| K 线形态战法 | 趋势跌停错杀 | UptrendLimitDownSelector |
strategy.uptrend_limit_down |
| K 线形态战法 | 定增公告监控 | PrivatePlacementSelector |
strategy.private_placement |
| 量化管线 | B1战法 | B1Selector |
strategy.pipeline |
| 量化管线 | 砖型图战法 | BrickChartSelector |
strategy.pipeline |
| 量化因子 | 动量因子 | MomentumSelector |
strategy.quant |
| 量化因子 | MACD金叉 | MACDGoldenCrossSelector |
strategy.quant |
| 量化因子 | 布林均值回归 | BollingerMeanReversionSelector |
strategy.quant |
| 量化因子 | 唐奇安突破 | DonchianBreakoutSelector |
strategy.quant |
| 量化因子 | 双均线金叉 | DualMAGoldenCrossSelector |
strategy.quant |
| 图形评分 | K线图形评分 | ChartScoreSelector |
strategy.chart_score |
新增策略：在 selectors 中追加条目，必要时指定 "module"，实现类需提供 select(date, data) -> list[str]。
文中「窗口」均指交易日数量。此类策略共用「知行线」约束：收盘 > 长期线 且 短期线 > 长期线（部分策略当日只要求短期线 > 长期线）。
少妇战法（BBIKDJ）：价格波动受约束（high/low-1 ≤ price_range_pct）+ BBI 上升（容忍分位内回撤）+ KDJ 低位（J < 阈值 或 ≤ 分位）+ DIF > 0 + 有效上穿 MA60 + 知行约束。核心参数：j_threshold=15、max_window=120、price_range_pct=1、j_q_threshold=0.1。
黄金坑战法（GoldPit）：识别 CCI 深度超卖形成的「黄金坑」形态，捕捉坑底反转。
企稳战法（SupportLevel）：基于支撑位企稳形态，寻找回调后获得支撑的标的。
SuperB1战法：lookback_n 窗内某日 t_m 满足少妇战法 → 区间波动率受限 → 当日下跌 ≥ price_drop_pct → 当日 J 低位 → 知行约束（t_m 当日收盘 > 长期线；当日仅需短期线 > 长期线）。核心参数：lookback_n=10、close_vol_pct=0.02、price_drop_pct=0.02。
补票战法（BBIShortLong）：BBI 上升 + 最近 m 日内长 RSV 全 ≥ 上阈值、短 RSV 出现「先 ≥ upper 再 < lower」结构、当日短 RSV ≥ upper + DIF > 0 + 知行约束。核心参数：n_short=5、n_long=21、upper_rsv_threshold=75、lower_rsv_threshold=25。
填坑战法（PeakKDJ）：基于 open/close 峰值（scipy.signal.find_peaks）选最新峰与前方有效参照峰（oc_t > oc_(t-n) 且参照峰高于区间最低收盘），当日收盘与参照峰波动率受限 + J 低位 + 知行约束。核心参数：j_threshold=10、fluc_threshold=0.03、gap_threshold=0.2。
上穿60放量战法（MA60CrossVolumeWave）：J 低位 + 近窗内有效上穿 MA60 + 上穿日到区间内 High 最大日组成的上涨波段平均量 ≥ vol_multiple × 上穿前窗口均量 + MA60 近期回归斜率 > 0 + 知行约束。核心参数：lookback_n=25、vol_multiple=1.8、ma60_slope_days=5。
暴力K战法（BigBullishVolume）：当日长阳（涨幅 > up_pct_threshold）+ 上影线短（过滤冲高回落假阳线）+ 放量突破（当日量 ≥ vol_multiple × 前 n 日均量）+ 贴近知行短线不过热（Close < ZXDQ × close_lt_zxdq_mult）+ 可选收阳约束。核心参数：up_pct_threshold=0.06、upper_wick_pct_max=0.02、vol_multiple=2.5、vol_lookback_n=20。意在捕捉「刚刚放量启动的强势阳线，但尚未远离短期均线、仍具延续空间的个股」。
其余战法：均值突破（MA 均线突破）、震荡上攻（区间震荡后上攻）、均线放量、RPS 动量突破、海龟突破、高旗形整理（杯柄/旗形整理形态）、涨停洗盘、趋势跌停错杀、定增公告监控。逻辑详见对应 strategy/*.py。
B1战法：KDJ 低位分位 + 知行线 + 周线多头排列 + 最大量日非阴线；需足够历史 K 线（zx_m4=114 时需 ≥114 根）。
砖型图战法：砖型图形态 + 知行线 + 周线多头；偏趋势启动捕捉。
量化因子（strategy/quant.py）：动量因子、MACD 金叉、布林均值回归、唐奇安突破、双均线金叉 — 主流量化信号，参数见 config。
K线图形评分（strategy/chart_score.py）：对全市场扫描，K 线四维度纯计算加权（趋势/位置/量价/异动），total_score ≥ pass_threshold（默认 3.7）即命中；与其他 selector 无特殊耦合。
由 config/pool_selector.config.json 驱动（stock_radar/strategy/pool.py），基于智图股池快照：
| 别名 | 类 | 股池 | 逻辑要点 |
|---|---|---|---|
| 早盘封板 | EarlySealSelector |
ztgc | 首封时间早 + 炸板少 |
| 连板延续 | ContinuationBoardSelector |
ztgc | 连板数 ≥ 2、炸板 ≤ 1 |
| 首板龙头 | FirstBoardLeaderSelector |
ztgc | 首板封板早 + 换手适中 |
| 新高强势 | NewHighMomentumSelector |
qsgc | 涨速/量比强势 |
| 贴近涨停 | NearLimitMomentumSelector |
qsgc | 距涨停近 + 振幅放大 |
| 强势放量 | VolumeBreakoutSelector |
qsgc | 换手充足放量 |
由 config/risk.config.json 驱动，实现位于 stock_radar/strategy/risk.py：
| 信号 | 说明 |
|---|---|
| ATR Volatility | 相对波动率过高 |
| RSI Extremes | 超买/超卖极端 |
| MA Decline | 均线空头排列且长期均线走弱 |
| Volume Selloff | 放量下跌 |
| Drawdown | 相对近期高点回撤过大 |
| Gap Down | 跳空低开 |
| MACD Bearish | MACD 死叉或空头动能 |
| Top Trap | CCI 超买 + 顶部陷阱信号 |
stock-select 流水线（stock_radar/select_stock.py）：
load_data_folder → load_selectors → 各 Selector.select()（含 K线图形评分等）
↓
[--llm-analyze] DeepSeek 对全部初选并集排序复盘
↓
[--send-lark] 飞书云文档 + 机器人通知
load_data_folder：从--data-dir读取 CSV，归一化date，确定交易日。load_selectors：读取selector.config.json的selectors，按class（及可选module）实例化，全部运行。- 并行扫描：各 Selector 对全市场（或自身逻辑范围）调用
select(date, data)，汇总为all_results。 - LLM 复盘（
--llm-analyze）：对全部 selector 初选并集（受--llm-max限制）调用 DeepSeek 排序与 keep/flag/veto 点评。 - 飞书报告（
--send-lark）：各策略命中列表 + LLM 段落，创建云文档并推送链接。
.
├── pyproject.toml / uv.lock # 项目依赖与 CLI 入口
├── setup.py # 交互式配置向导（.env + GitHub Secrets）
├── check_setup.py # 验证环境变量 / 数据源 / Lark 测试消息
├── stock_radar/ # 应用代码包
│ ├── fetch_stocklist.py # 全市场股票列表
│ ├── fetch_kline.py # K 线下载（TickFlow，前复权）
│ ├── fetch_trend_pools.py # 智图股池快照（qsgc/ztgc）
│ ├── fetch_pool_kline.py # 股池标的 K 线下载
│ ├── select_stock.py # 全市场选股主入口
│ ├── select_pool.py # 股池选股主入口
│ ├── detect_risk.py # 风险检测主入口
│ ├── check_code.py # 单只股票战法检查
│ ├── is_trade_date.py # 交易日判断
│ ├── core/ # 基础工具（registry / logger / paths / compute…）
│ ├── market/ # 数据源适配（TickFlow / Tushare / baostock / 智图 / 雪球）
│ ├── strategy/ # 策略实现（25 selector + risk + pool + loader）
│ ├── llm/ # DeepSeek 复盘 + Langfuse 追踪
│ └── notify/ # 飞书云文档 / 机器人通知 / Markdown 报告
├── config/ # 策略配置（与代码分离）
│ ├── selector.config.json # 选股策略（统一 selectors 列表，25 个）
│ ├── pool_selector.config.json # 股池选股策略（6 个）
│ └── risk.config.json # 风险检测策略（8 项）
├── scripts/smoke_test.py # 包冒烟测试
├── .github/workflows/ # CI / CD
│ ├── daily-stock-trade.yml # 每日选股 + 风控（定时 + 手动触发）
│ ├── lint.yml # Ruff lint + format + 冒烟测试
│ └── check_setup.yml # 配置检查（手动触发）
├── .pre-commit-config.yaml # 提交前自动检查
├── data/ # K 线行情 CSV 输出目录（gitignore）
├── stocklist.good.csv # 优选股票池（默认选股清单）
└── stock_radar/stocklist.total.csv # 全量股票池（5000+ 只）daily-stock-trade.yml：工作日 07:00（UTC+8）定时触发，也可手动。流程：交易日判断 → 拉全市场 K 线 → 拉智图股池快照与 K 线 → 全市场选股（LLM 复盘 + 飞书）→ 股池选股（LLM 复盘 + 飞书）。lint.yml：push/PR 时运行 Ruff lint + format 检查 + 冒烟测试。check_setup.yml：手动触发，验证 Secrets 与数据源连通性。
Secrets 通过 uv run python setup.py 一次性写入（gh secret set），或手动在仓库 Settings → Secrets and variables → Actions 配置。
Q0：飞书收不到消息？
- 运行
uv run python check_setup.py，确认环境变量与 Lark 测试文档通知均成功。 - 确认应用已发布、已开通
docx:document/docx:document:create/ 云文档权限相关 scope，机器人可发消息，且ME_UNION_ID为接收人 union_id（非 open_id）。 - GitHub Actions 需在仓库 Secrets 中配置
TUSHARE_TOKEN、ZHITU_TOKEN、DEEPSEEK_API_KEY（若启用 LLM）、LARK_APP_ID、LARK_SECRET、LARK_FOLDER_TOKEN、ME_UNION_ID（可用setup.py一次性写入）。若启用 LLM 复盘并需要 trace，可额外配置LANGFUSE_PUBLIC_KEY、LANGFUSE_SECRET_KEY、LANGFUSE_BASE_URL（见 LLM 可观测性）。
Q1：为什么抓取会「卡住很久」？
可能命中 Tushare 频控或网络封禁。脚本检测到典型关键字（如「访问频繁/429/403」）时，会进入长冷却（默认 600s） 再重试。
Q2：为什么不做增量合并？
考虑采用增量更新会遇到前复权的问题，本版选择每次全量覆盖写入。
Q3：创业板/科创板/北交所如何排除？
运行时使用 --exclude-boards gem star bj，或按需选择其一/其二。
Q4：B1 / 砖型图为什么经常 0 结果？
条件较严，且 B1 的知行线 zx_m4=114 需要单股至少约 114 根 K 线；本地若只抓了较短区间会算出 NaN。CI 从 20240101 拉数一般足够。可与「少妇战法」等结果对照——后者条件略宽。