智能量化工作台全解析：从0到1搭建属于你的自托管量化选股系统

文章目录

• • 为什么每个想学量化的人，都该亲手搭一套
  • 二、项目速览：30 秒建立认知
  • 三、技术架构：六大分层，一眼看懂
  • 四、七大核心原理（重点）
  • • 原理 1：能力路由矩阵——\”换源不换口径\”的秘密
    • 原理 2：enriched 统一数据口径——选股→回测→监控一条链
    • 原理 3：策略体系——25 内置 + 3 种扩展方式
    • 原理 4：因子平台与 DSL——25 个算子点选写公式
    • 原理 5：因子与策略挖掘——对抗\”未来函数\”的终极武器
    • 原理 6：市场情绪周期——6 阶段识别市场位置
    • 原理 7：AI 对话助手——\”删除目录即整体卸载\”的解耦典范
  • 五、快速上手：三条命令跑起来
  • • 方式 A：GHCR 现成镜像（多数用户推荐 ⭐）
    • 方式 B：Docker Compose（本地构建，全套挂载）
    • 方式 D：Dev 模式（二次开发推荐）
    • 最常用的三项配置
    • 跑起来后的第一次使用（照做即可）
  • 六、实践案例：从零写出你自己的策略与数据源
  • • 案例 1：用\”自定义信号\”零代码选股
    • 案例 2：手写一个策略文件
    • 案例 3：写一个 DSL 因子
    • 案例 4：接入自定义数据源（YAML，零代码）
  • 七、最佳实践（新手避坑指南）
  • 八、常见问题解答（FAQ）
  • 九、总结：它到底教会了我们什么

为什么每个想学量化的人，都该亲手搭一套

很多人学量化的第一步就卡住了：数据源绑死，换一家券商接口就要重写整套拉数代码；选股、回测、监控各用一套工具，口径对不上，回测赚钱、实盘亏钱；盘中异动靠人盯盘，错过就是错过；想查个数据要在十几个页面之间来回点；付费终端贵，云端平台数据还出不了本地。

今天要拆解的开源项目 TSP（tick-stock-panel）· A股智能量化工作台，正是冲着这些痛点设计的。它把自己定位成\”自托管、零运维的 股市「选股 + 监控 + 回测」量化工作台\”：一条 Docker 命令跑起来，数据全部落在本地 Parquet，多数据源可插件化切换，还自带一个能\”一句话问出全站数据\”的 AI 对话助手。