stock/stock-html/docs/应用算法总结.md

本应用全部算法总结

一、全景扫描与策略建议

1.1 全景扫描（全量信号扫描）

触发：用户点击「全景扫描」或定时任务（如凌晨 01:00，crontab 0 1 * * 1-5）。

数据源：

• 股票列表：从表 stock_realtime_price 读取全部 code, name（即全市场股票）。
• K 线：优先 麦蕊智数 get_kline(period='d', days=120)，备用 AKShare 日 K。

算法流程：

1. 脚本 full_signal_scan.py 按日 scan_date 运行，支持断点续扫（已扫过的 code 跳过）。
2. 每只股票：取约 120 日 K 线 → 调用 detect_all_signals(df, lookback=5)（services/signal_detector.py）检测 7 个信号。
3. 7 个信号：主升浪(85%)、日线底背离(80%)、龙抬头(75%)、真龙(70%)、短底背离(65%)、老鼠仓(60%)、反弹(55%)。每个信号得到是否触发、描述等。
4. 结果写入表 stock_signal_scan：code, name, scan_date, triggered_count, signal_status, indicators, latest_signals。
   （注意：本脚本不写入价格；表 stock_realtime_price 由其他定时任务或接口更新。）

并发：WORKERS=3，BATCH_SIZE=30，多线程按批处理。

---

1.2 策略建议（分档买卖建议）

触发：用户点击「策略建议」。

接口：GET /api/scan_strategy，可选 date、holding_codes（逗号分隔）。

算法：

1. 从 stock_signal_scan 读取当日 scan_date 全部记录（signal_status, indicators, triggered_count）。
2. 对每条记录调用 统一推荐函数 _compute_recommend(signal_status, indicators, triggered_count, is_holding)（与扫描结果、提醒共用）：
   • 持仓：MACD 死叉且无主升浪 → 卖出；有主升浪 → 加仓；有真龙 → 持有；否则 → 观望。
   • 非持仓：底背离+龙抬头 → 买入；主升浪 → 加仓；真龙 → 关注；MACD 死叉 → 卖出；仅底背离 → 关注；仅龙抬头 → 关注；其他触发 → 观察；无 → 观望。
3. 按推荐文案分档：
   • 档1 立即买入：disp == '买入'（底背离+龙抬头）。
   • 档2 持仓加仓：disp in ('加仓','持有')。
   • 档3 关注：disp == '关注' 且龙抬头触发、无底背离。
   • 档4 纳入关注：disp == '关注' 且其余（如仅底背离）。
4. 返回 4 档的 action/condition/desc/count/stocks，前端展示。

与全景扫描结果：使用同一套 _compute_recommend，算法一致。

---

1.3 扫描结果列表（GET /api/scan_results）

触发：全景扫描完成后前端拉取或切换筛选/分页。

接口：GET /api/scan_results，参数：date, min_triggered, signal_type, holding_codes, recommend_text, page, per_page, sort。

算法：

1. 从 stock_signal_scan 按 scan_date 筛选，可选按 triggered_count、信号类型过滤。
2. 若有 recommend_text（如「买入」「关注」）：全量读出当日扫描，逐条 _compute_recommend，统计各推荐数量，筛出 disp == recommend_text 的 code，再分页。
3. 否则：按 triggered_count 等排序分页，LEFT JOIN stock_realtime_price 取 price, change_pct。
4. 对当前页每条记录再算一次 _compute_recommend（带入 holding_codes），得到 recommend_type/recommend_text 等返回前端。
5. 列表中的现价来自表 stock_realtime_price（与全量扫描脚本无直接关系，需另有时效性更新）。

---

二、检查信号与批量扫描关注

2.1 单只检查信号（技术信号详情）

触发：在「技术信号」里输入/选择股票并查询，或从扫描列表点击某只股票。

接口：GET /api/technical_signals/<stock_code>?lookback=5&days=120。

算法：

1. 用 _get_kline_data(stock_code, days) 取 K 线（优先麦蕊智数，备用 AKShare）。
2. 调用 detect_all_signals(kline_df, lookback=5)，得到 7 个信号的触发情况、指标、说明。
3. 返回 signals, latest_signals, signal_summary, indicators, signal_status。
   不读 stock_signal_scan，不读 stock_realtime_price，纯实时 K 线+本地计算。

---

2.2 批量扫描关注

触发：用户点击「批量扫描关注」。

接口：POST /api/batch_technical_signals，body：{ codes: [关注列表的 code], lookback: 3, days: 120 }。

算法：

1. 对 codes 中每只（最多 20 只）：取 K 线 → detect_all_signals → 得到 signal_status, triggered_count, latest_signals, indicators。
2. 结果仅用于当前页展示，不写入 stock_signal_scan，不写入 stock_realtime_price。
3. 即：批量扫描关注 = 多只股票各自走一遍「单只检查信号」逻辑，无持久化。

---

三、模拟交易及查看时的现价

3.1 模拟持仓与统计中的现价

数据来源：

• 表 sim_positions 存有每只持仓的 current_price（上次更新时的现价）。
• 列表/统计接口（如 GET /api/sim/positions、GET /api/sim/stats）直接读该字段，不在此处调实时接口。

现价何时更新：

• 手动刷新：在「分析 → 模拟交易」页的 当前持仓 区块，点击 「刷新现价」 按钮时，会调用 updateSimPrices()：
  • 对每条持仓并行请求 GET /api/realtime_price/<stock_code>（12s 超时）；
  • 拿到价格后写回前端展示，并 POST /api/sim/update_prices，将 { stock_code: price } 写入 sim_positions.current_price，并刷新统计。
• 进入模拟交易子页（loadSimData()）时不会自动拉实时价，只读库中的 current_price。
• 后端定时任务（如 scheduler）也可按配置更新 sim_positions.current_price（若已实现）。

结论：模拟交易「查看」时的现价 = 库中 sim_positions.current_price；只有用户点击「刷新现价」（或定时任务）时，才通过 实时 API 经 /api/realtime_price 再经 /api/sim/update_prices 写入。

---

四、提醒 tab 下的刷新

触发：进入提醒 tab 或用户点击刷新（含强制刷新）。

涉及股票：关注列表（searchHistory）+ 当前持仓（holdingStocks），合并去重得到 allStocks。

算法流程：

1. 优先读缓存（未强制刷新时）：GET /api/alerts_cache，若缓存存在且为当日且版本匹配，则用缓存填充 stockAlerts，并 updateHoldingPricesFromAlerts()，对新加入的股票做增量分析；然后直接结束，不再请求信号接口。
2. 主流程：
   POST /api/signal_alerts，body：{ stocks: allStocks, holding_codes: this.holdingStocks }。
   • 后端从 stock_signal_scan 取当日扫描结果（signal_status, indicators, triggered_count），从 stock_realtime_price 取 price, change_pct。
   • 对每只股票调用 _compute_recommend(..., is_holding)，得到推荐类型、理由、推荐率等，并与价格一起返回。
   • 前端用返回结果覆盖 stockAlerts，保存缓存，并 updateHoldingPricesFromAlerts()（用提醒里的 price 回填持仓的 currentPrice）。
3. 后台补齐实时价：
   调用 refreshAlertPricesFromRealtime()（不传参 = 刷新全部 stockAlerts）：
   • 每批 5 只，GET /api/realtime_price/<code>（超时 12s），用返回价格覆盖对应 alert 的 price 及 latest_data['收盘价']；
   • 更新后 saveAlertsCache、updateHoldingPricesFromAlerts()。
     即：提醒列表的最终展示价来自实时接口，不是表里旧值。

小结：

• 信号与推荐：stock_signal_scan + _compute_recommend，价格初值来自 stock_realtime_price。
• 最终现价：实时 API（/api/realtime_price → 麦蕊智数等）通过 refreshAlertPricesFromRealtime() 覆盖。

---

五、交易 tab 下的刷新价格

触发：用户在交易 tab 点击「刷新价格」。

涉及股票：仅 当前持仓（holdingPositions 中 quantity > 0 的 code）。

算法（与提醒共用一套逻辑）：

1. 取持仓 code 列表 holdingCodes。
2. 设置 priceRefreshing = true，调用 refreshAlertPricesFromRealtime(holdingCodes, 12000)：
   • 若持仓在 stockAlerts 中存在：按与提醒相同的逻辑，每批 5 只请求 GET /api/realtime_price/<code>，更新 alert 的 price，并 updateHoldingPricesFromAlerts()，从而更新 holdingPositions[code].currentPrice 及统计。
   • 若某持仓不在 stockAlerts 中：仍对该 code 单独请求 GET /api/realtime_price/<code>，直接写 holdingPositions[code].currentPrice，并触发 calculateTradeStats()。
3. 结束后 checkStopLoss()，priceRefreshing = false。

接口统一：

• 提醒与交易刷新现价均使用 同一接口 GET /api/realtime_price/<stock_code>，后端为 get_realtime_price(stock_code)（优先麦蕊智数，备用 AKShare），不读 stock_realtime_price 表。

---

附录：关键数据流一览

场景	股票范围	信号/推荐来源	现价来源（最终展示）
全景扫描	全市场（stock_realtime_price 表）	detect_all_signals，写入 stock_signal_scan	扫描不写价格；列表用 stock_realtime_price
策略建议	当日 stock_signal_scan 全量	_compute_recommend	不展示单股现价
扫描结果列表	按筛选/分页	stock_signal_scan + _compute_recommend	stock_realtime_price 表
单只/批量检查信号	用户选定/关注列表	实时 K 线 + detect_all_signals	不涉及现价
模拟交易查看	模拟持仓	sim_positions.current_price	刷新时：/api/realtime_price → update_prices
提醒刷新	关注+持仓	stock_signal_scan + _compute_recommend；初价 stock_realtime_price	refreshAlertPricesFromRealtime → /api/realtime_price
交易刷新价格	持仓	无信号重算	refreshAlertPricesFromRealtime(holdingCodes) → /api/realtime_price

统一推荐逻辑：_compute_recommend(signal_status, indicators, triggered_count, is_holding) 用于：策略建议、扫描结果列表的推荐列、提醒的推荐与理由。信号类型键与 signal_detector 一致（如真龙为 true_dragon）。

---

算法与逻辑是否一致？

一致的部分

1. 信号检测

   • 全景扫描（full_signal_scan）、单只检查信号、批量扫描关注，均使用 同一套 detect_all_signals（services/signal_detector.py），7 个信号定义与判定一致。
   • 唯一区别：全景扫描写库（stock_signal_scan），单只/批量不写库。

2. 推荐逻辑

   • 策略建议、扫描结果列表的推荐列、提醒的买卖/观望结论，均使用 同一函数 _compute_recommend（routes/analysis.py），同一只股票在相同持仓状态下会得到相同推荐（买入/加仓/持有/关注/观察/观望/卖出）。
   • 策略建议的 4 档（立即买入、持仓加仓、关注、纳入关注）即按该推荐结果分组，无第二套规则。

3. 现价刷新（提醒与交易）

   • 提醒 tab 的「用实时价覆盖」与交易 tab 的「刷新价格」共用 同一方法 refreshAlertPricesFromRealtime(codesOnly?, timeoutMs)，同一接口 GET /api/realtime_price/<code>，同一后端 get_realtime_price（麦蕊智数优先，AKShare 备用）。
   • 逻辑一致：按 code 列表分批请求、写回 alert/持仓、更新缓存与统计。

4. 持仓状态

   • 提醒、策略建议、扫描结果列表都使用同一套 holding_codes（前端传 holdingStocks），_compute_recommend 的 is_holding 与真实持仓一致，故「持有/加仓/卖出」等与是否持仓一致。

需注意的差异（非矛盾）

1. 数据来源与时效

   • 全景扫描 / 策略建议 / 扫描结果 / 提醒（初值）：依赖 当日 stock_signal_scan（及 stock_realtime_price）。若今日未跑全量扫描，则无当日信号，提醒会显示「今日尚未扫描此股」等。
   • 单只/批量检查信号：不读库，用当前 K 线实时算，与库内扫描结果可能不同（日期或数据源不同）。
   • 设计如此：全量扫描是「当日快照」，单只/批量是「实时计算」，二者用途不同，不要求数值完全一致。

2. 现价来源

   • 列表/表内展示（扫描结果、提醒初值）：来自 stock_realtime_price 表（由定时或其它任务更新）。
   • 用户主动刷新后（提醒、交易、模拟持仓）：来自 实时 API（/api/realtime_price）。
   • 即：先表后实时，两段一致（同一实时接口），只是数据源阶段不同。

3. 模拟交易现价

   • 模拟持仓的 current_price 仅在使用「刷新」或定时更新时从实时接口写入；查看时只读库，不自动调实时接口。与「真实交易 tab」的持仓现价逻辑相同（都是刷新时才拉实时价）。

结论

• 信号检测：全应用共用 detect_all_signals，一致。
• 推荐与分档：策略/扫描结果/提醒共用 _compute_recommend，一致。
• 现价刷新：提醒与交易共用 refreshAlertPricesFromRealtime 与 /api/realtime_price，一致。
• 差异仅在于：谁写库、谁读库、何时用表价/何时用实时价，属设计上的分工，不是算法或逻辑不一致。