Files

T

Simon 442999f701 feat(data): 财务/日线同步增量 + 新浪「两边一致」校验兜底 + 逐只进度

- financial 默认增量：按 A 股披露节奏判断已最新并跳过；--full 强制全量重拉
- Tushare fina_indicator 增加报告期窗口与 100 条/请求自动分页（修复老报告期静默截断）
- 新浪兜底收紧为校验兜底：两源重叠历史一致才导入缺失键，行标记 source=sina；
  财务可比字段取 eps/销售毛利率（ROE 两端口径不同不作依据），日线只比较最近重叠交易日
- CLI 输出逐只进度与导入内容描述（来源/行数/报告期与公告区间），失败股票留待重跑
- financial_indicator 增 source 列（迁移 d3f6c9a21b04）；新增一致性/分页/服务测试

2026-09-08 21:48:09 +08:00

15 KiB

Raw Blame History

qlib-platform 使用说明

适用代码版本：M1–M5 全部完成，含 QlibEngine v1（Qlib 数据管线）与 Parquet 导出（HEAD ≈ fc12ba8）；若文档与代码不一致，以代码与 ARCHITECTURE.md / ROADMAP.md 为准。

本文覆盖：安装配置、数据同步、启动前后端、研究 API、研究引擎与 Qlib 接入、 AI Agent、测试门禁、已知限制。

1. 项目概览（当前完成度）

个人 A 股中低频量化研究平台：

模块	位置 / 说明
数据层	`backend/app/domain`、`infrastructure/data_sources`：Tushare 首选 + 新浪备用（Failover 审计）；SQLite 存储 + 日线 Parquet 导出（未来 MySQL 可切换）
研究引擎	`backend/app/quant`：ResearchSpec → 因子 → IC/RankIC/分层 → TopK 低频回测 → 标准化 `BacktestResult`；双引擎：LocalEngine（默认，纯 pandas）与 QlibEngine v1（QLibDataset 数据管线）
Qlib 接入	`quant/qlib_adapter/`：SQLite 行情按官方二进制格式落盘 → `D.features` 读取 → 回测（详见 §6.1 与 docs/QLIB_VERIFICATION.md）
Web	`frontend/web`：Next.js(TS)+ECharts —— 总览 / 股票池 / 因子研究 / 回测 / 实验
异步与归档	Job 状态机 + Experiment 自动归档 + 一键复跑 + SSE 进度
AI Agent	受控工具白名单 + LLM 编排（需配置模型 Key）

技术栈：Python 3.12(uv) · FastAPI · SQLAlchemy 2 · Alembic · SQLite · pandas · pyarrow(Parquet) · pyqlib 0.9.8.dev32(源码安装) · LightGBM · Next.js 15 · ECharts

2. 环境准备

# 工具（本机已装则跳过）
python3 -m pip install uv
# Node 18+ 与 pnpm： https://pnpm.io/installation

# 1) 后端依赖（backend/.python-version 固定 3.12）
cd backend
uv sync                       # 基础依赖（含 Qlib/qlib 源码安装依赖）
uv sync --extra datasource-tushare   # 数据同步需要 Tushare SDK（首次）

前端：

cd frontend/web
pnpm install                  # 依赖使用 npmmirror 镜像时较快
cp .env.local.example .env.local   # NEXT_PUBLIC_API_BASE 默认 http://127.0.0.1:8000/api

Qlib 安装说明：本机（Linux aarch64 + CPython 3.12）经源码 git 安装并固定 commit，见 backend/pyproject.toml 与 docs/QLIB_VERIFICATION.md。

3. 配置

3.1 根目录 `.env`（密钥，不入库）

cp .env.example .env

变量	必填	说明
`TUSHARE_TOKEN`	同步数据时必填	Tushare Pro token
`LLM_API_KEY`	使用 Agent 时必填	大模型 API Key（URL/模型名在 config.yaml）
`DATABASE_URL`	否	留空使用 SQLite `<项目根>/data/quant.db`
`APP_SECRET_KEY`	否	应用密钥（未接登录，可暂不改）

约定：密钥只放 .env；URL、模型名等可配置项放 config.yaml。.env 已被 gitignore，严禁提交。

3.2 根目录 `config.yaml`（可配置项，可入库）

常用字段（节选，完整见仓库根 config.yaml）：

app: {name, version, debug, secret_key_env}
api: {prefix: "/api"}
database: {url_env: "DATABASE_URL", echo: false, migrations_dir: ...}
data_source: {primary: "tushare", fallback: "sina", tushare_token_env: "TUSHARE_TOKEN"}
storage: {parquet_dir: "data/parquet", qlib_dir: "data/qlib", ...}   # 相对项目根
agent:
  llm:                                      # ← AI Agent 模型接入
    base_url: "https://dashscope.aliyuncs.com/compatible-mode/v1"   # URL 在这里配
    model: "qwen-plus"                      # 模型名在这里配
    api_key_env: "LLM_API_KEY"              # Key 仍从 .env 读

换模型：改 config.yaml → agent.llm.model（如 qwen-max / deepseek-chat 等 OpenAI 兼容接口模型），并按平台同步 base_url。
也可用 .env 的 LLM_BASE_URL / LLM_MODEL 覆盖 yaml（env 优先）。

3.3 数据库迁移

cd backend
uv run alembic upgrade head      # 建表（首次会自动建 data/quant.db）
# 开发中改 Model 后：
uv run alembic revision --autogenerate -m "desc"
uv run alembic upgrade head

4. 数据同步与导出

cd backend
uv run python -m app.cli.sync basic                     # 股票基础信息（全市场）
uv run python -m app.cli.sync calendar --start 20240101 --end 20241231
uv run python -m app.cli.sync daily --symbols 600519.SH,000858.SZ --start 20230101
uv run python -m app.cli.sync daily --all --start 20240101 --resume   # 全市场 + 断点续传
uv run python -m app.cli.sync financial --all                       # 财务指标（默认增量）
uv run python -m app.cli.sync financial --all --full                 # 财务指标（强制全量重拉）
uv run python -m app.cli.sync verify --symbol 600519.SH               # 新浪交叉验证
uv run python -m app.cli.sync export [--years 2023,2024]              # 日线按年导出 Parquet

每次拉取写入 sync_log 审计（来源 / 成功与否 / 行数 / 区间），禁止静默切换数据源。
daily 同时写入日线与复权因子；--resume 从本地最新交易日续传。financial 默认增量：本地已含「最新应披露报告期」（按 A 股披露节奏推算）的股票直接跳过；逐只落库，中断/限速后重跑同一命令即可续传补齐（只丢当前一只）。
新浪兜底带「两边一致」真实性校验：Tushare 报错时，只有当该股票本地历史与新浪返回数据重叠部分一致，才把新浪新数据（本地缺失键）导入，并标记 source=sina（日线另标记 adjust=qfq 前复权；新浪不提供复权因子）。校验口径：财务为重叠报告期的 eps / 销售毛利率逐期一致（ROE 两端口径不同，不作依据）；日线为最近重叠交易日的前复权价一致（老交易日在除权后不可比）。本地无历史可对照或校验不一致 → 拒绝导入并告警，留待 Tushare 恢复后重跑补齐。
限速时可加 --sleep 秒数 加大请求间隔；financial --full 重拉全部历史并覆盖既有行。
新浪（verify）仅交叉验证，返回前复权口径，不会并入不复权主库。
财务指标带 announce_date（公告日）与 source（tushare/sina）；研究侧只允许使用已公告数据（防未来函数），对同一报告期优先消费 source=tushare 的行。
export：data/parquet/stock_daily/<year>.parquet（列：symbol/trade_date/ohlc/volume/amount），由 pyarrow 写出，可直接用 pandas 读取分析，或作为 Qlib 等引擎的后续数据源。

5. 启动

一键脚本（后端 + 前端同时管理）：

scripts/dev.sh start      # 启动后端(8000) + 前端(3000)
scripts/dev.sh status     # 查看状态
scripts/dev.sh restart    # 重启
scripts/dev.sh stop       # 停止
scripts/dev.sh logs api   # 跟踪后端日志（web 同理）

# 局域网访问前端时（例如 http://192.168.1.160:3000）：
# BACKEND_API_URL=http://192.168.1.160:8000 scripts/dev.sh start

手动分别启动见下：

# 后端（端口 8000）
cd backend
uv run uvicorn app.main:app --reload --port 8000
# 交互文档：http://127.0.0.1:8000/docs   健康检查：/api/health

# 前端（端口 3000）
cd frontend/web
pnpm dev
# 打开 http://127.0.0.1:3000

页面：总览 → 股票池（搜索/列表）→ 因子研究（目录 + 单因子 IC/RankIC/分层）→ 回测（参数 → 净值/回撤/月度/持仓/未建模标注）→ 实验（归档列表 / 详情 / 一键复跑）。

6. 研究 API 与研究引擎

6.1 研究引擎：LocalEngine（默认）与 QlibEngine v1

服务通过 QuantEngine Protocol 注入引擎（backend/app/quant/engine.py）：

LocalEngine（默认，研究服务与 API 使用）：纯 pandas —— 因子注册表计算 → 截面 z-score 复合 → TopK 月/周调仓回测。无需 Qlib 数据。
QlibEngine v1（quant/qlib_adapter/engine.py）：同一套因子与记账规则，但行情经 QlibDataset 供给 —— 把本地行情按 qlib 官方二进制格式落盘（默认 data/qlib，可注入 QlibEngine(qlib_dir=...)）→ qlib.init + D.features 读取 close → 回测。

切换示例（代码内）：

from app.quant.engine import LocalEngine            # 默认
from app.quant.qlib_adapter.engine import QlibEngine  # Qlib 数据管线引擎
from app.quant.service import ResearchService

engine = LocalEngine()          # 或 QlibEngine()
service = ResearchService(stock_repo, daily_repo, engine)

注意：Qlib bin 以 float32 存储，QlibEngine 结果与 LocalEngine 存在极小数值差（真实 20 股对照：-12.81% vs -12.97%），属预期精度差异，不影响结论方向。

6.2 API（curl 示例）

研究输入统一为 ResearchSpec（前端 / API / Agent 同构）：

curl -X POST http://127.0.0.1:8000/api/backtests \
  -H 'Content-Type: application/json' \
  -d '{
    "type": "backtest",
    "universe": {"exclude_st": true, "min_listing_days": 0},
    "factors": [{"name": "momentum_60", "weight": 1.0}],
    "selection": {"top_n": 5},
    "rebalance": "monthly",
    "period": ["2024-03-01", "2024-12-31"]
  }'

端点	说明
`GET /api/health`	健康检查
`GET /api/stocks?q=600519&limit=20`	股票列表/搜索
`GET /api/stocks/{symbol}`	单只股票详情
`GET /api/factors`	因子目录（公式/lookback/方向）
`POST /api/factor-tests`	同步单因子测试 → `FactorTestReport`
`POST /api/backtests`	同步回测 → `BacktestResult`（默认 LocalEngine）
`GET /api/backtests/last`	最近一次同步回测
`POST /api/jobs`	创建异步 Job（同 spec），返回 `{"job_id","status":"queued"}`
`GET /api/jobs/{id}`	查询状态；成功时内嵌 `result`
`GET /api/jobs/{id}/events`	SSE 进度（`curl -N ...`）
`GET /api/experiments`	实验归档列表（收益摘要/代码版本）
`GET /api/experiments/{id}`	实验详情（spec + 完整结果）
`POST /api/experiments/{id}/rerun`	一键复跑 → 新 Job
`POST /api/agent/chat`	AI 研究助手（见 §7）

防未来函数与真实性：回测在调仓日收盘成交、自次日起计收益；财务数据只使用 announce_date 之前已公告内容；成本（佣金/印花税/滑点）、涨跌停、停牌已建模；未建模约束（如开盘一字路径）会写入结果的 unimplemented 数组，前端如实展示。

7. AI Agent

前置：config.yaml → agent.llm（URL/模型名默认百炼兼容端点 + qwen-plus）， .env 中设置 LLM_API_KEY（仅需 Key）。

curl -X POST http://127.0.0.1:8000/api/agent/chat \
  -H 'Content-Type: application/json' \
  -d '{"message": "帮我测试 momentum_60 因子并跑一次 Top5 月度回测，评估是否值得深入"}'

{
  "reply": "（最终结论，中文）",
  "actions": [
    {"tool": "test_factor", "args": {...}, "output": "因子测试完成（Experiment EXP-…）..."},
    {"tool": "run_backtest", "args": {...}, "output": "回测完成（Experiment EXP-…）..."}
  ]
}

Agent 能力边界（内置受控工具，只读）：

search_stocks / get_market_data：查询
test_factor / run_backtest：研究并自动归档 Experiment
get_experiment / compare_experiments：读取/对比归档

不提供 shell / 任意代码执行 / 删改数据 / 修改配置与凭证。未配置 Key 时接口返回 400 引导信息。研究纪律写入系统提示：禁止仅凭单次样本内高收益判定策略有效，需说明样本外、过拟合、look-ahead bias、成本、参数敏感性等（未验证项要明说）。

8. 测试与质量门禁

cd backend
uv run ruff check app tests && uv run ruff format --check app tests
uv run pytest                      # 当前 86 passed

cd frontend/web
pnpm run typecheck
pnpm run build

覆盖重点：Provider 归一化与 Failover 审计、Repository 幂等与「未来函数阻断」（as_of_date/announce_date）、Alembic 迁移、因子/IC/分层、回测记账与成本/涨跌停、 QlibEngine 数据管线（bin 落盘格式/roundtrip/端到端回测）、Job 状态机与 Experiment 归档、Agent 工具白名单与编排、LLM 配置加载、API 端到端。

9. 已知限制与说明

QlibEngine v1 边界：数据管线（落盘→D.features→回测）已打通，见 docs/QLIB_VERIFICATION.md；Alpha158 全特征 + LightGBM walk-forward 预测信号仍未实现，当前 QlibEngine 使用共享因子分回测（ROADMAP §2 备注为该增强 TODO）。
数据规模：仓库自带示例数据为 20 只权重股 2023–2024 日线（sync --all 可扩展全市场，注意耗时与 Tushare 积分限制）。
回测为近似建模：涨跌停按收盘相对上一有效收盘判定、成交假设调仓日收盘，未建模开盘一字 / 集合竞价 / 盘中路径（详见结果 unimplemented）。
Agent 结论质量取决于模型：编排只保证「经受控工具 + 归档留痕」，研究有效性判断需要人复核；接不同厂商模型请核对 config.yaml 的 base_url 与 model 命名。
SSE 与 Job 为单进程本地执行：重启进程后未完成 Job 需重新提交（第一阶段刻意不引入 Redis/Celery）。
Qlib 数据为进程内单例初始化：qlib.init 以 provider_uri 为键幂等，切换不同 qlib_dir 会重新初始化；测试环境建议注入独立临时目录。

10. 常见问题（FAQ）

同步报「缺少 TUSHARE_TOKEN」：把 token 填入根目录 .env 的 TUSHARE_TOKEN。
同步报「未安装 tushare 客户端」：cd backend && uv sync --extra datasource-tushare。
Agent 报 400「未配置 LLM」：.env 设置 LLM_API_KEY；换模型改 config.yaml 的 agent.llm.model / base_url。
回测默认用哪个引擎？怎么切 Qlib 引擎：默认 LocalEngine（纯 pandas）。需要在代码中向 ResearchService 注入 QlibEngine() 启用 QlibDataset 数据管线（见 §6.1）。
Parquet 导出文件在哪、怎么读：data/parquet/stock_daily/<year>.parquet； pd.read_parquet(...) 直接读取（pyarrow 已随依赖安装）。
前端连不上后端 / NetworkError：前端默认经 Next 同源代理访问 /api/* （next.config.ts rewrites → 127.0.0.1:8000，可用 BACKEND_API_URL 覆盖），任意 IP 访问 :3000 都不需要 CORS 或硬编码后端地址；后端 CORS 开发期为 *。若 API 返回 500 且日志出现 database is locked，多半是正在跑全市场数据同步（长写事务），同步结束后自动恢复（引擎已加 busy_timeout 等待）。
数据库被改动想重置：删除 data/quant.db 后 uv run alembic upgrade head 重建表结构（行情需重新同步）。
想切换 MySQL：.env 设 DATABASE_URL=mysql+pymysql://user:pass@host/db，业务层无需改动（Repository 已隔离）。

15 KiB Raw Blame History Unescape Escape