Back to search
quantdash-ai-stock
SkillGitHub
🤖📈 A股看盘、复盘与盘前计划一体化工作台,集成情绪周期、板块轮动、策略选股、AI复盘、MCP Server 与飞书机器人。
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Checked today
Badge for your README
Markdown
[](/listings/rancy777--quantdash-ai-stock)HTML
<a href="/listings/rancy777--quantdash-ai-stock"><img src="/api/listings/rancy777--quantdash-ai-stock/badge.svg" alt="findsafeskills safety rating" /></a>Install
i
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
README.md · README · 605 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- 简体中文 | [English](./README.en.md) | [日本語](./README.ja.md)
- # QuantDash A股看盘与复盘面板
- 基于 Vite + React 的 A 股分析面板。
- 当前覆盖这些页面和能力:
- - 股票信息
- - 选股工具
- - 连板天梯
- - 板块轮动
- - 情绪指标
- - 信息收集
- - AI 复盘
- - 盘前计划
- - Skills
- 项目支持把自己的复盘口径、交易框架、观察清单整理成 skill,然后注入到 AI 复盘、盘前计划、个股观察和研报摘要。
- 完整项目手册见:[项目使用手册.md](./项目使用手册.md)
- ## 最近更新
- 这一轮主要改了结构和数据链路。
- - 前端大页面继续拆成 `container + hook + panel`
- - 高频 EastMoney 请求统一走 Python 代理 / action 层
- - 第二数据源 `mootdx` 已接入 `K线 / 基础行情 / 市场宽度 / 指数序列`
- - 后端补了缓存、连接池、线程池、事务上下文、异常处理、鉴权
- - GitHub 页面加了启动检查更新和手动检查更新
- 详细变更可看:
- - [更新文档.md](./更新文档.md)
- - [服务加固说明.md](./服务加固说明.md)
- - [第二数据源说明.md](./第二数据源说明.md)
- <details>
- <summary><strong>展开查看最近更新详情</strong></summary>
- ### 前端重构
- - `AIIntegrationSection` 拆成工作区头部、模型配置、飞书配置、文档面板、workflow hooks
- - `SentimentSection` 拆成指标工具条、历史日期条、独立面板、数据 hooks
- - `InfoGatheringSection` 拆成 page shell、左侧 sidebar、右侧 detail pane、workflow hooks
- - `ScreenerSection`、`LimitUpLadderSection`、`StockHoverCard` 继续拆分
- ### 数据源治理
- - 浏览器不再直接请求 EastMoney
- - 前端统一走本地 Python 服务的 `/eastmoney/*`
- - 代理层已支持请求去重、缓存、失败冷却、并发上限、快照回退、最小请求间隔、轻量重试
- ### 第二数据源 mootdx
- 当前已支持第二源的数据集:
- - 个股 `K线`
- - 指数 `K线`
- - 主要指数快照
- - 股票列表 / 基础行情
- - 市场宽度概览
- - 全市场原始快照
- - 全市场涨跌分布快照
- - 指数情绪序列
- - 指数成交额序列
- 仍保留主源的数据集:
- - 涨停池 / 炸板池 / 跌停池
- - 板块榜单 / 板块历史
- - A 股平均估值
- - 股指期货主力 / 净持仓
- ### 服务层加固
- 新增共享基础设施:
- - `scripts/server/shared/cache.py`
- - `scripts/server/shared/db.py`
- - `scripts/server/shared/api.py`
- 已补能力:
- - Redis / 内存双模式缓存
- - HTTP 连接池
- - EastMoney 专用连接池
- - 阻塞 IO 线程池
- - SQLite WAL / busy timeout / 自动事务控制
- - 请求 ID 和统一异常响应
- - 登录失败限流、密码强度校验、权限校验
- - Feishu 敏感配置脱敏读取
- ### GitHub 更新检查
- GitHub 页面现在支持:
- - 启动时自动检查一次更新
- - 用户点击按钮手动检查更新
- - 展示当前版本、当前提交、远端最新提交、最新 Release
- </details>
- ## 待更新
- 1. `LLM Wiki` 知识库
- 2. 个股监控条件自动预警
- 3. 波浪理论与缠论画笔继续完善
- 4. 港股、美股数据接入
- 5. 开盘啦数据接入
- ## 项目截图
- 
- 
- 
- 
- 
- 
- 
- 
- 
- 
- 
- 
- 
- 
- 
- 
- ## 许可状态
- - 代码许可证:[`PolyForm Noncommercial 1.0.0`](./LICENSE)
- - 禁止未经授权的商业使用;如需商业授权,请由项目维护者另行许可
- - 公开仓库默认不附带完整本地数据、认证数据库、第三方报告原文或个人研究资料
- - 克隆后如需恢复盘后数据,请在本地自行运行 `npm run sync:*` 或 Python 采集脚本生成
- - 数据目录公开策略见:[data/README.md](./data/README.md)
- ## 功能概览
- - 市场情绪周期、涨停结构、修复率、龙头状态、高位风险面板
- - 个股列表、K 线、单日表现、选股形态识别
- - 板块轮动、题材持续性、跨市场情绪指标
- - 本地研报清单、研报摘要、重点资讯聚合
- - `AI 当日复盘`、`盘前计划`、个股观察
- - `Skills` 规则库,可把多个分析 skill 注入到 AI 复盘、盘前计划、个股观察和研报摘要
- - 个股悬浮卡支持主图 `MA` 均线开关与缠论结构叠加显示(笔 / 线段 / 中枢)
- - 本地 `stdio` MCP Server,供外部 AI 直接读取结构化数据
- - 飞书问答机器人,可复用项目内结构化数据和模型线路
- ## 支持大模型 / 平台
- | 模型 / 平台 | 状态 | 备注 |
- | --- | --- | --- |
- | [OpenAI](https://openai.com/) | ✅ | 可接入任何 OpenAI 兼容接口格式模型 |
- | [Ollama](https://ollama.com/) | ✅ | 本地大模型运行平台 |
- | [LM Studio](https://lmstudio.ai/) | ✅ | 本地大模型运行平台 |
- | [AnythingLLM](https://anythingllm.com/) | ✅ | 本地知识库与文档问答平台 |
- | [DeepSeek](https://deepseek.com/) | ✅ | 支持 `deepseek-reasoner`、`deepseek-chat` 等线路 |
- | [SiliconFlow 硅基流动](https://siliconflow.cn/) | ✅ | OpenAI 兼容模型聚合平台 |
- | [火山方舟](https://www.volcengine.com/product/ark) | ✅ | 豆包等模型接入平台 |
- 如果你准备找一个省事的模型聚合入口,可以试试 [SiliconFlow 硅基流动](https://cloud.siliconflow.cn/i/uVFj3AbT)。
- - 邀请链接:[https://cloud.siliconflow.cn/i/uVFj3AbT](https://cloud.siliconflow.cn/i/uVFj3AbT)
- - 邀请码:`uVFj3AbT`
- ## 快速开始
- 只启动前端时,最少执行下面两步:
- 1. `npm install`
- 2. `npm run dev`
- 如果还要使用本地数据同步、Python 采集、研报同步或飞书机器人,再安装 Python 依赖并配置环境变量。
- 统一启动入口:
- - 启动项目:`npm run start:project`
- - 停止项目:`npm run stop:project`
- Windows 仍可继续使用 `start_project.bat` / `start_project.ps1`,macOS / Linux 使用 `start_project.sh` / `stop_project.sh`。
- 如果你是从 GitHub 公开仓库拉下来的新环境,第一次启动前建议额外执行一次:
- `npm run sync:startup-check`
- ## 本地运行
- **前置条件:** Node.js、Python 3
- 1. 安装依赖:
- `npm install`
- 2. 如果要运行 Python 采集链路、研报同步或本地选股服务,再安装:
- `pip install -r requirements.txt`
- 3. 先复制环境变量模板,再按需填写本地配置:
- `Copy-Item .env.example .env.local`
- 4. 在 `.env.local` 中按需配置环境变量:
- `TUSHARE_API_KEY`
- `TUSHARE_API_BASE_URL`
- `PYWENCAI_COOKIE`
- 5. 启动开发环境:
- `npm run dev`
- 6. 生产构建:
- `npm run build`
- ## 可选环境变量
- 常用环境变量:
- - `TUSHARE_API_KEY`
- - `TUSHARE_API_BASE_URL`
- - `PYWENCAI_COOKIE`
- - `FEISHU_APP_ID`
- - `FEISHU_APP_SECRET`
- - `FEISHU_BOT_AI_BASE_URL`
- - `FEISHU_BOT_AI_API_KEY`
- - `FEISHU_BOT_AI_MODEL`
- 如果只使用前端展示和本地文件读取,这些变量可以先不配置。
- 如果要使用 `pywencai` 一句话选股,需要在 `.env.local` 中配置 `PYWENCAI_COOKIE`。
- 公开仓库时不要提交 `.env.local`,只提交 `.env.example`。
- ## 数据分工
- 新增界面数据功能前,先看 [STRUCTURED_DATA_RULES.md](./STRUCTURED_DATA_RULES.md)。
- 新增到界面的数据,先整理成结构化对象,再进入服务层和页面。不要直接把页面拼接结果当数据边界。
- 技术分工规则:
- - `采集优先 Python`
- 批量采集、定时任务、历史沉淀、跨页面抓取、全市场扫描放在 Python。
- - `展示优先前端`
- 页面展示、上传、预览、筛选、交互、浏览器本地存储放在前端 `JS/TS`。
- - `Node 负责编排`
- `npm run sync:*`、启动脚本、任务串联、兼容入口放在 Node 层处理。
- - `只有明显更优时再例外`
- 个别能力放在前端或 Node 更合适时可以例外。
- 按下面的原则维护:
- - `Python / 脚本离线采集`
- 用于日频或盘后沉淀的数据,例如情绪周期、涨停结构、炸板率、龙头状态、跨市场情绪指标、A股平均估值、K线库。
- - `前端读取本地文件`
- 用于展示稳定快照的数据,例如 `data/sentiment.json`、`data/performance.json`、`data/emotion_indicators.json`、研报清单、高手持仓快照。
- - `前端实时请求`
- 用于轻量、实时性要求高、且失败不影响主流程的数据,例如登录态、用户自选、后端业务 API。
- 不建议放在前端直接抓的内容:
- - 东方财富大盘/全市场统计接口
- - 需要留历史的数据
- - 依赖全市场扫描才能算出的指标
- 优先放到 Python 采集链路的数据:
- - `emotion_indicators.json`
- - `stock_list_full.json`
- - `stock_list_chinext.json`
- - `sector_rotation_*.json`
- - `sector_persistence_*.json`
- - `limit_up_structure.json`
- - `repair_rate.json`
- - `leader_state.json`
- - `market_volume_trend.json`
- - `high_risk.json`
- - `cycle_overview.json`
- ## 数据目录
- 项目的数据目录正在迁移到按市场分层的结构。当前代码支持:
- - `新路径优先`
- - `旧路径兜底`
- 目录结构示例:
- ```text
- data/
- markets/
- a_share/
- klines/
- single_day_snapshots/
- sentiment.json
- performance.json
- stock_list_full.json
- stock_list_chinext.json
- limit_up_structure.json
- repair_rate.json
- leader_state.json
- market_volume_trend.json
- high_risk.json
- cycle_overview.json
- emotion_indicators.json
- index_futures_long_short.json
- bull_bear_signal.json
- hk/
- us/
- research_reports/
- a_share/
- manifest.json
- hk/
- us/
- system/
- sync_status.json
- auth.db
- ```
- 兼容规则:
- - 前端和脚本先读取 `data/markets/a_share`、`data/research_reports/a_share`、`data/system`
- - 如果新路径下没有文件,会自动回退旧的 `data/*.json` 和 `data/research_reports/*`
- - 所以可以先迁代码、再逐步搬文件,不需要一次性切换
- 继续保留前端直接获取或接口兜底的内容:
- - 登录态、自选、业务后端接口
- - 页面交互时才需要的临时实时查询
- - 本地离线文件缺失时的只读兜底请求
- ## 服务分层
- - `services/quotesService.ts`
- 个股列表、K线、单日涨跌、选股形态识别
- - `services/chanService.ts`
- 缠论结构计算,负责包含处理、分型、笔、线段、中枢
- - `services/sectorService.ts`
- 板块轮动、板块持续性
- - `services/sentimentCycleService.ts`
- 情绪周期读取入口
- - `services/emotionIndicatorService.ts`
- 跨市场情绪指标
- - `services/localDataService.ts`
- 本地 `data/*.json` 读取
- - `services/dataPathService.ts`
- 本地数据路径兼容层,处理新旧目录回退
- - `services/eastmoneyService.ts`
- 东方财富请求和代理兜底
- ## 数据同步
- - 全量同步:`npm run sync:all`
- - 盘后主数据同步:`npm run fetch:data`
- - Python 主数据同步:`npm run sync:market:py`
- - Python K线库同步:`npm run sync:kline:py`
- - 情绪周期快照同步:`npm run sync:cycle`
- - Python 情绪周期快照同步:`npm run sync:cycle:py`
- - 股票快照同步:`npm run sync:stocks`
- - 板块快照同步:`npm run sync:sectors`
- - Python 股票快照同步:`npm run sync:stocks:py`
- - Python 板块快照同步:`npm run sync:sectors:py`
- - Python 离线快照同步:`npm run sync:offline:py`
- - 跨市场情绪指标同步:`npm run sync:emotion`
- - 自动盘后同步:`npm run fetch:data:auto`
- - 启动前数据检查:`npm run sync:startup-check`
- - 单天项目快照导出:双击 `获取单天数据.bat`,按日期导出到 `data/single_day_snapshots/YYYY-MM-DD.json`
- - 历史数据补全:双击 `补全之前数据.bat`,可按 `主市场 / 股票 / 板块 / 周期 / 情绪 / K线` 选择;板块支持继续选 `概念 / 行业 / 全部`
- 双击 `start_project.bat` / 执行 `start_project.ps1` 时,会先执行一次启动前数据检查。
- 如果本地数据已是最新交易日,会直接跳过;如果需要跳过这一步,可临时设置:
- - `STARTUP_AUTO_SYNC=0`
- - `STARTUP_SYNC_MODE=startup` 默认轻量模式,仅检查 `market-core + emotion + sectors + cycle`
- - `STARTUP_SYNC_MODE=market` 运行完整主市场链路
- - `STARTUP_SYNC_MODE=offline` 运行完整离线同步
- `fetch:data` 会一并更新:
- - `sentiment.json`
- - `performance.json`
- - `ladder.json`
- - `stock_list_full.json`
- - `stock_list_chinext.json`
- - `sector_rotation_*.json`
- - `sector_persistence_*.json`
- - `limit_up_structure.json`
- - `repair_rate.json`
- - `leader_state.json`
- - `market_volume_trend.json`
- - `high_risk.json`
- - `cycle_overview.json`
- 采集入口说明:
- - `fetch:data`
- 主编排入口。先同步最新主数据、股票快照、板块快照、情绪周期快照,不先跑重型 K 线库。
- 如需把 K 线库也并入这条链路,可临时设置:`FULL_SYNC_INCLUDE_KLINE=1`
- - `sync:offline:py`
- 纯 Python 离线快照入口,用于完整补主数据、股票、板块、K线库、情绪指标、情绪周期快照。
- - `sync:stocks` / `sync:sectors` / `sync:cycle`
- 统一走 Python 采集入口;旧的 JS 文件只保留兼容转发。
- - `sync:reports`
- 走 Python 采集:抓取东方财富单篇研报列表、详情页摘要、PDF 链接,并保留东方财富总览页和天风证券页面快照。已存在的单篇研报会按 `infoCode` 增量复用,不重复抓详情。
- 可选环境变量:
- `REPORT_SOURCE_KEYS=eastmoney-stock-report,eastmoney-industry-report`
- `REPORT_INCLUDE_SNAPSHOTS=0`
- `REPORT_ITEM_LIMIT_OVERRIDE=10`
- `REPORT_DOWNLOAD_PDFS=0`
- 同步策略:
- - 主编排和离线总入口带阶段日志与失败重试。
- - 每个阶段默认重试 `2` 次,可用 `SYNC_STAGE_RETRIES` 覆盖。
- - 阶段重试间隔默认 `1500ms`,可用 `SYNC_RETRY_DELAY_MS` 覆盖。
- - `K线库` 默认只跑 `1` 次,避免大批量任务在失败时重复拉全量数据。
- - 可用 `SYNC_STAGES=market-core,stocks,sectors,kline,cycle,emotion,market-pipeline` 只跑指定阶段。
- - 编排层会对本地快照做最新交易日检查;已是最新时会直接跳过对应阶段。
- - `K线库` 会先按 symbol 做本地预筛;已更新到最新交易日的代码不会重复请求。
- - `K线库` 默认只补最近一段滚动窗口数据,并合并进本地历史;更早的缺口不会在日常同步中主动回补。
- - 可用 `KLINE_RECENT_LIMIT=30` 调整默认滚动窗口大小。
- - 如需强制全量重刷 K 线,可临时设置 `KLINE_FORCE_FULL=1`。
- - `sync:all` 默认允许单阶段失败后继续后续阶段,可用 `SYNC_CONTINUE_ON_ERROR=0` 改回失败即停。
- - 主编排、离线同步、自动盘后任务都会输出阶段摘要,包含完成、跳过、失败统计。
- - `fetch:data`、`sync:offline:py`、`sync:all`、`fetch:data:auto` 会写入 `data/sync_status.json`,保存最近一次同步的交易日、阶段状态、耗时和本地快照日期。
- - `sync:emotion` 增加了容错策略:
- - A 股平均估值改为分批抓取 + 截尾均值
- - 请求之间会短暂停顿,降低接口抖动
- - 全市场分页中途失败时,如果前面已有有效数据,会保留已拿到的数据继续生成
- ## 待办
- - 继续丰富 `data/sync_status.json` 的摘要内容,补更多失败原因、跳过原因和阶段级诊断信息。
- - Python 采集增加更细粒度失败明细,区分接口请求失败、本地写入失败、数据解析失败。
- - `AI对接 > 个股观察` 增加历史时间轴:
- - 按股票维度沉淀不同交易日的 AI 观察结果
- - 展示同一只票在启动、加速、分歧、修复、退潮过程中的判断变化
- - 作为回看个股演化和复盘 AI 判断稳定性的辅助视图
- - 规划 `QuantDash + 飞书` 集成方案:
- - 盘后自动把 `AI 当日复盘` 推送到飞书群
- - 盘前自动把 `盘前计划` 推送到飞书
- - 研报抓取结果同步到飞书表格 / 多维表格
- - 大V复盘整理后同步到飞书文档
- - 数据同步失败时发飞书告警
- - 仍按现有项目规则执行:`采集优先 Python`,飞书推送由 Python / Node 编排层完成,前端不承担主推送逻辑
- ## MCP 接入
- 项目已内置一个本地 `stdio` MCP Server,供外部 AI 直接读取盘面结构化数据,不需要解析前端页面。
- 1. 启动 MCP Server:
- `npm run mcp:server`
- 2. 可用工具:
- `get_market_dashboard`
- `get_leader_state`
- `get_sector_persistence`
- `get_cycle_overview`
- `get_volume_trend`
- `get_high_risk_panel`
- `get_sentiment_snapshot`
- `get_news_feed`
- `get_research_reports`
- `get_research_report_content`
- `get_expert_holding_snapshots`
- `get_expert_holding_snapshot`
- 3. MCP Server 入口文件:
- [scripts/mcp-server.js](scripts/mcp-server.js)
- 更完整的 tool 说明见 [AI_MCP_GUIDE.md](./AI_MCP_GUIDE.md)。
- 使用方式:
- AI 通过 MCP 读取结构化数据,再做情绪周期、龙头状态、题材持续性和新闻影响分析,不解析页面 DOM。
- ## 飞书问答机器人
- 项目额外提供了一个飞书问答服务,可把 `情绪周期` 数据接到飞书机器人里。
- 飞书接入代码单独放在 `scripts/integrations/feishu/`。
- 飞书使用 `长连接 / WebSocket` 事件订阅模式,不需要公网回调地址。
- 1. 在 `.env.local` 配置:
- `FEISHU_APP_ID`
- `FEISHU_APP_SECRET`
- `FEISHU_BOT_AI_BASE_URL`
- `FEISHU_BOT_AI_API_KEY`
- `FEISHU_BOT_AI_MODEL`
- 2. 启动服务:
- `npm run feishu:bot`
- 3. 在飞书开放平台把事件订阅方式切到:
- `使用长连接接收事件`
- 4. 本机保持该进程运行即可,不需要公网 IP、域名或内网穿透
- 已实现:
- - 支持飞书 `text` 消息长连接接收
- - 支持提取消息里的日期,如 `分析 2026-03-27 情绪周期`
- - 读取本地 `get_sentiment_snapshot` 同口径数据
- - 调用已配置的 `OpenAI 兼容模型`
- - 如果模型未配置或调用失败,会回退为本地规则摘要
- 使用场景:
- - 问某一天的情绪周期
- - 问最新交易日的盘面判断
- - 让 AI 综合参考 `砸盘系数 / 涨停溢价 / 炸板率 / 修复率 / 龙头状态 / 量能 / 高位风险`
- ## AI 对接
- 左侧有 `AI对接` 页面。这里做模型接入配置,也承接 `AI 当日复盘`、`盘前计划`、研报摘要等调用。
- - 可在页面中维护各家模型线路:
- `ChatGPT / OpenAI`
- `豆包 / 火山方舟`
- `Gemini`
- `DeepSeek`
- `智谱`
- `OpenRouter`
- `Ollama`
- `LM Studio`
- `自定义 OpenAI 兼容`
- - 常用模型线路包括:
- `豆包`
- `ChatGPT`
- `Gemini`
- `DeepSeek`
- `GLM`
- 默认预置已覆盖。
- - 可填写:
- `token / api key`
- `base url`
- `model`
- `备注`
- - 页面支持基础 `连通性测试`:
- `OpenAI 兼容接口` 先探测 `/models`
- `Gemini` 探测 `models` 列表
- `Anthropic` 探测 `v1/models`
- - 本地模型统一暴露为 `OpenAI Compatible API`,这样同一套配置可兼容 Ollama、LM Studio、vLLM、自建网关。
- - 页面会生成可复制的 `mcpServers` 配置片段,便于对接 Claude Desktop、Cherry Studio、Open WebUI 等支持 MCP 的客户端。
- 使用说明:
- - `模型调用` 用你配置的云端或本地模型
- - `结构化数据读取` 用本项目内置的 `MCP Server`
- - 不要让模型直接解析前端页面 DOM
- - `信息采集 > 研报` 支持直接调用已启用模型生成 `AI 摘要`,摘要结果按 `研报 + 模型` 缓存到浏览器本地。
- - `AI对接` 页面支持生成 `AI 当日复盘`,分析对象是 `最近交易日`,不是自然日的“今天”。
- - `AI对接` 页面支持生成 `盘前计划`,基于最近交易日复盘输出下一交易日观察清单、交易预案和风险提醒。
- - `AI 当日复盘` 和 `盘前计划` 支持:
- `一键复制`
- `下载 PDF`(通过浏览器打印窗口另存为 PDF)
- - `盘前计划` 会自动提取观察标的代码,并支持一键加入:
- 已登录时写入后端自选
- 未登录时回退到本地重点关注列表
- ## Skills
- 左侧 `Skills` 页面位于 `AI对接` 和 `GitHub` 之间。
- 这一页不是 GitHub 技能市场,是项目内的 AI 分析规则库。你可以创建多条 skill,并为每条 skill 设置:
- - 名称
- - 一句话描述
- - 直接注入模型的规则指令
- - 自动生效范围
- 自动注入范围:
- - `AI 当日复盘`
- - `超短深度分析`
- - `盘前计划`
- - `个股观察`
- - `次日校验`
- - `研报摘要`
- 适合写进 Skills 的内容:
- - 固定输出结构
- - 风险偏好
- - 复盘口径
- - 禁做事项
- - 龙头 / 情绪 / 题材优先级
- 不要把数据本身写死在 skill 里。skill 用来约束模型的分析方式,不代替输入数据。
- ## 个股图表与缠论
- `股票信息` 里的悬浮图表支持:
- - 主图 K 线
- - `MA` 均线主图叠加开关
- - `BOLL` 主图叠加
- - `MACD / KDJ / RSI / BIAS / WR / VR` 副图切换
- - 缠论结构开关
- 缠论结构当前为第一版可视化能力,包含:
- - 包含关系处理
- - 分型
- - 笔
- - 线段
- - 中枢
- 补充:
- - 中枢采用 `笔级中枢优先,线段级中枢兜底`
- - 目前还没有接入 `背驰`、`一二三类买卖点`、`多周期联立`
- - 主要用于图形辅助判断,不是严格交易信号引擎
- ## 许可说明
- - 本仓库代码以 [`PolyForm Noncommercial 1.0.0`](./LICENSE) 许可证提供。
- - 未经项目维护者额外授权,不得将本仓库代码用于商业用途。
- - 仓库不包含 `.env.local`、本地数据库、第三方报告原文、网页快照及个人研究资料。
- - 使用、部署或再分发前,请自行确认代码许可与数据来源许可的适用范围。
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.