A 股量化选股系统 V2 | A-Share Quantitative Stock Selection System V2
Sequoia-X V2 是面向 A 股市场的量化选股系统，基于现代 Python 工程化标准从零重构。 系统以 OOP 架构、向量化计算和增量数据更新为核心设计原则，每日收盘后自动选股并推送至飞书群。
数据层使用 baostock（免费、无需注册、无限流）拉取历史及增量日 K 数据（后复权）， 存储于本地 SQLite，彻底规避东方财富反爬问题。
python main.py # 日常模式：8进程增量补数据 + 跑策略 + 飞书推送（2~3分钟）
python main.py --backfill # 回填模式：全市场历史K线一次性灌入（约12分钟）| 策略 | 说明 |
|---|---|
| TurtleTrade | 海龟突破：20日新高 + 成交额过亿 + 阳线防诱多，按涨幅排序 |
| MaVolume | 均线+放量突破 |
| HighTightFlag | 高而窄的旗形整理突破 |
| LimitUpShakeout | 涨停洗盘回踩确认 |
| UptrendLimitDown | 上升趋势中的跌停反包 |
| RpsBreakout | 欧奈尔 RPS 相对强度突破 |
- Python >= 3.10
# 推荐使用 uv（快速包管理器）
uv sync
# 或者 pip
pip install .cp .env.example .env
# 编辑 .env，填写飞书 Webhook URLpython main.py --backfill约 12 分钟完成 ~5200 只 A 股历史后复权日 K 数据回填。
python main.py建议配合 crontab 每个交易日收盘后自动执行：
15 19 * * 1-5 cd /root/Sequoia-X && .venv/bin/python main.py >> log.txt 2>&1Sequoia-X/
├── main.py # 入口：argparse 分发日常/回填模式
├── pyproject.toml # 依赖声明 + ruff/pytest 配置
├── .env.example # 环境变量模板
├── data/ # SQLite 数据库（运行时生成，不入 git）
├── sequoia_x/
│ ├── core/
│ │ ├── config.py # Pydantic-settings 配置管理
│ │ └── logger.py # rich 结构化日志
│ ├── data/
│ │ └── engine.py # 数据引擎（baostock 回填 + 增量同步 + SQLite）
│ ├── strategy/
│ │ ├── base.py # 策略抽象基类
│ │ ├── turtle_trade.py # 海龟交易策略
│ │ ├── ma_volume.py # 均线放量策略
│ │ ├── high_tight_flag.py # 高窄旗形策略
│ │ ├── limit_up_shakeout.py # 涨停洗盘策略
│ │ ├── uptrend_limit_down.py # 上升跌停策略
│ │ └── rps_breakout.py # RPS 突破策略
│ └── notify/
│ └── feishu.py # 飞书 Webhook 推送
└── tests/ # 属性测试（hypothesis）
- 数据源：baostock（免费、无需注册、无限流）
- 复权方式：后复权（hfq）— 历史价格不变，适合增量存储，避免除权导致数据错乱
- 存储：本地 SQLite（
data/sequoia_v2.db），可直接拷贝到其他机器使用 - 日常增量：8 进程并行通过 baostock 拉取，2~3 分钟完成全市场更新
MIT