Trading Quant

核心功能与用法

trading-quant 是一套面向专业投资者的量化交易数据分析工具，通过聚合腾讯、新浪、东方财富、同花顺四大主流数据源，实现A股、美股、港股及贵金属期货的全市场覆盖。核心使用场景包括：

1. 个股深度分析：输入股票代码即可获取实时行情，系统自动计算五维综合评分（技术面25%+资金面30%+基本面10%+消息面20%+情绪面15%），输出STRONG_BUY至STRONG_SELL六级信号
2. 市场异动监测：实时扫描涨跌停池、龙虎榜（LHB）、北向资金流向，当涨停超30只或北向净流出超50亿时自动触发风险提示
3. 分钟级资金追踪：支持主力资金流、两融余额、成交量排行等高频数据查询
4. 全球市场概览：美股（yfinance备用）、港股、大宗商品（新浪期货源）一站式查询

显著优点

• 多源冗余设计：单源故障时自动降级切换，保障数据连续性
• AI增强决策：消息面与情绪面评分由LLM基于实时新闻与市场数据智能判断
• 风控内置规则：PE>100或PB<0.8自动标注风险，避免极端估值陷阱
• 低成本本地化：Python3.12单机运行，无需API密钥即可获取基础行情

潜在局限与风险

• 数据源依赖：免费行情接口存在延迟（非交易所直连），高频交易场景精度不足
• LLM评分主观性：消息面/情绪面评分依赖模型理解能力，可能存在误判
• 无交易执行能力：仅限分析工具，不具备下单、风控、仓位管理功能
• 合规灰色地带：部分数据源（同花顺、东财）抓取可能违反ToS，存在接口封禁风险
• 回测功能缺失：当前版本无历史数据回测模块，策略验证需外部工具

适合人群

• 个人量化研究者与日内交易者
• 需要快速多市场扫描的资管研究员
• 对付费金融终端（Wind/同花顺iFinD）成本敏感的中小投资者

常规风险提示

工具输出仅供参考，不构成投资建议；免费数据源可能存在15秒至数分钟延迟，严禁用于实盘高频交易；涉及跨境市场（美股、北向资金）时需关注汇率与交易时差影响。

核心用法

本 Skill 是一款面向多市场的量化交易数据分析工具，通过统一的 Python 脚本入口 quant.py 提供全面的金融数据服务。用户可通过子命令调用不同功能模块：A股分析（stock_analysis、intraday_snapshot）、全球市场（us_stock、hk_stock、commodity、global_overview）、市场数据（market_anomaly、capital_flow、northbound_flow 等）及系统维护工具。

其核心亮点在于五维评分体系：技术面（25%，MACD/RSI/KDJ等指标）、资金面（30%，量比/换手率/主力资金）、基本面（10%，PE/PB/市值）、消息面（20%，LLM基于新闻原文判断）、情绪面（15%，LLM基于市场数据判断），综合输出 STRONG_BUY 到 STRONG_SELL 六级信号。数据层采用多源降级策略，A股主源为腾讯，降级链覆盖新浪、东财、同花顺，确保服务可用性。

显著优点

1. 多市场覆盖：支持A股、美股、港股、贵金属（黄金）及全球市场概览，满足跨市场投资分析需求
2. 智能评分体系：融合传统技术指标与LLM驱动的消息/情绪分析，提供结构化投资信号
3. 数据源健壮：内置多源降级机制，单一数据源故障时自动切换，降低服务中断风险
4. 实时性强：分钟级资金流、北向资金、涨跌停池等异动监测，捕捉市场热点
5. 架构现代：采用 async/await 异步编程，配合本地SQLite缓存，兼顾性能与资源效率

潜在缺点与局限性

1. 外部依赖较重：依赖腾讯、东财、新浪等第三方公开API，存在服务限流、接口变更或增加认证的风险；美股依赖 yfinance，稳定性不及主站
2. 网络环境受限：离线环境完全无法使用；部分网络环境需配置域名白名单（qt.gtimg.cn、push2.eastmoney.com等）
3. 情感分析成本：FinBERT模型需从HuggingFace下载（约400MB+），首次使用延迟较大，且依赖外部模型服务可用性
4. 数据延迟 disclaimers：金融数据通常存在15秒至数分钟延迟，不适合高频交易场景
5. T3来源可信度：个人开发者发布，无公开GitHub仓库，未经第三方安全审计，代码审查成本较高

适合的目标群体

• 个人投资者：需要快速获取多市场实时行情、资金流向及综合评级的散户
• 量化研究爱好者：希望基于公开数据进行策略回测、信号验证的分析师
• 财经内容创作者：需要实时市场数据、涨跌停异动、北向资金流向等素材的自媒体运营者
• 中小机构辅助工具：作为内部投研系统的数据补充，但不建议作为核心交易决策系统

使用风险与缓解建议

性能与稳定性风险：外部API限流或故障会导致功能异常，建议定期运行 system_health 检查数据源状态，并关注降级链是否正常触发。

依赖管理风险：建议生产环境锁定依赖精确版本（pip freeze > requirements.lock），特别关注 httx/pandas 的兼容性；如无需情感分析，可跳过 transformers 安装以减少攻击面。

文件系统风险：Skill 会写入本地缓存（stock_data/ 目录及 /tmp/trading_quant_persistent.sock），需确保运行目录可写，并定期清理过期缓存。

合规与决策风险：Skill 明确声明"不构成投资建议"，输出结果存在数据延迟，用户应结合官方行情软件交叉验证，避免单一依赖本工具进行实盘交易。