TradingLab 🧪⚡

当金融遇上极客精神，量化交易从此变成一场高能实验！

"在 TradingLab，没有'韭菜'，只有尚未完成实验的交易研究员。"
—— 实验室墙上的涂鸦

📚 简介

TradingLab 是一个功能强大的股票数据获取与回测平台，让你像科学家一样严谨地验证交易策略。无论你是量化交易新手还是经验丰富的交易员，TradingLab 都能帮助你构建、测试和优化交易策略，降低投资风险，提高收益率。

✨ 特性

• 📊 可视化实验室：一键生成专业级回测报告，收益率、交易记录、价格走势与信号图表一目了然
• 🌐 全市场覆盖：内置数据提取器，可通过多个数据源获取需要的股票数据，并且智能切换可用的数据源
• 🧪 策略实验室：5+经典策略模板（动量、均值回归、套利等），开箱即用
• 🔄 批量回测：支持多股票、多策略、多参数的批量回测，快速找出最优组合
• 📈 性能分析：全面的回测统计指标，包括夏普比率、最大回撤、胜率等，帮助你评估策略表现
• 🔍 策略优化：内置参数优化工具，自动寻找最佳参数组合
• 🕒 定时任务：支持定时拉取股票数据，定时执行回测策略并保存结果

🛠️ 技术栈

前端技术

技术	描述
React	用户界面库
TypeScript	类型安全的 JavaScript 超集
Tailwind CSS	实用优先的 CSS 框架
Shadcn/ui	基于 Radix UI 的组件库
TanStack Query	数据获取和缓存库
Recharts & Highcharts	数据可视化图表库
Wouter	轻量级路由库
Zod	TypeScript 优先的模式验证
React Hook Form	表单处理库

后端技术

技术	描述
FastAPI	高性能 Python API 框架
SQLAlchemy	Python SQL 工具包和 ORM
Pydantic	数据验证和设置管理
SQLite	轻量级数据库
AkShare	金融数据接口
Backtesting.py	回测框架
TA-Lib	技术分析库
Scikit-learn	机器学习库
APScheduler	任务调度库

🚀 快速开始

系统要求

• Python 3.13+
• uv (Python 包管理工具)
• Node.js 23.2.0+
• pnpm (推荐的 Node.js 包管理工具)
• SQLite (内置)

安装与运行

# 克隆实验室仓库
git clone https://github.com/souloss/TradingLab.git
cd TradingLab

# 安装后端依赖
cd backend
uv venv
uv pip install -e .

# 运行后端服务
cd tradingapi
uvicorn main:app --reload

# 在新终端中安装前端依赖
cd frontend
pnpm install

# 运行前端服务
pnpm dev

或者使用 Makefile 简化操作：

# 安装并运行后端
make run-backend

# 安装并运行前端
make run-frontend

📖 使用指南

获取股票数据

1. 访问主页，点击「数据管理」
2. 输入股票代码（如：000001 平安银行）
3. 选择日期范围
4. 点击「获取数据」
5. 数据将自动保存到本地数据库

运行回测

1. 访问「策略回测」页面
2. 选择股票和日期范围
3. 选择策略（如：双均线交叉）
4. 设置策略参数（如：快线周期=5，慢线周期=20）
5. 点击「开始回测」
6. 查看回测结果和性能指标

🧩 API 参考

TradingLab 提供了完整的 RESTful API，可用于获取股票数据、运行回测和管理策略。

主要 API 端点

• GET /api/v1/stocks: 获取股票列表
• GET /api/v1/stocks/{code}: 获取单个股票信息
• GET /api/v1/stocks/{code}/daily: 获取股票日线数据
• POST /api/v1/backtest/single: 运行单股票回测
• POST /api/v1/backtest/multiple: 运行多股票回测
• GET /api/v1/strategies: 获取可用策略列表

完整 API 文档请访问：http://localhost:8000/docs

🤝 如何贡献

我们欢迎各种形式的贡献，无论是新功能、文档改进还是 bug 修复。

1. Fork 项目
2. 创建特性分支 (git checkout -b feature/amazing-feature)
3. 提交更改 (git commit -m 'Add some amazing feature')
4. 推送到分支 (git push origin feature/amazing-feature)
5. 创建 Pull Request

贡献指南

• 添加新策略：在 backend/tradingapi/strategy/strategies 目录下创建新策略
• 添加新指标：在 backend/tradingapi/strategy/indicators 目录下添加新指标
• 添加新数据源：在 backend/tradingapi/fetcher/datasources 目录下实现新的数据源

📄 许可证

本项目采用 MIT 许可证 - 详情请参阅 LICENSE 文件

📊 项目截图

主页

单股策略回测

多股策略回测

回测结果

---

TradingLab - 让量化交易成为一场激动人心的科学实验！

参考

• 财报狗： 这是一个优秀的参考案例！