Institutional Accumulation Scanner 是一个 Python 量化工具，专门寻找处于长期熊市底部、被大资金持续放量承接、但价格尚未启动的美股和 ETF。
传统扫描器寻找"上涨"的股票。这个扫描器寻找的是：
被低估的、底部横盘的、机构在悄悄买入的标的。
对标：TLT / IGV / SOXS 等长期下跌后大资金慢慢接货的模式。
- 多数据源 ticker 自动发现：NASDAQ / NYSE / AMEX 全部股票，1000+ ETF
- 10 年历史日线数据下载，增量缓存，断点续传
- 50+ 技术指标：价格、成交量、资金流、趋势、波动率、Volume Profile
- Wyckoff 阶段自动检测：吸筹 / 拉升 / 派发 / 下跌 + 卖出高潮
- 100 分制评分系统：趋势(20) + 成交量(25) + 吸筹(25) + 波动率(15) + 底部结构(15)
- Top50 CSV + Top200 Parquet 输出
- 终端格式化报告，每个标的附带理由
- Python 3.12+
- pip
- (可选) Docker
cd InstitutionScanner
pip install --break-system-packages -r requirements.txt# 完整扫描（股票 + ETF）
python main.py scan
# 只看 ETF
python main.py scan --etfs-only
# 只看特定标的
python main.py scan --tickers TLT,SOXS,ASHR,IGV
# 强制重新下载所有数据
python main.py scan --force-download
# 重新评分（不重新下载，速度快）
python main.py report
# 只下载数据
python main.py download
# 清除所有缓存
python main.py clean| 文件 | 说明 |
|---|---|
output/Top50.csv |
得分最高的 50 个标的 |
output/AllResults.csv |
全部评分结果，按分数排序 |
output/Top200.parquet |
前 200 名，Parquet 格式 |
output/AllResults.parquet |
全部结果，Parquet 格式 |
cache/*.csv |
每个 ticker 的 OHLCV 缓存 |
logs/*.log |
详细运行日志 |
# 构建镜像
docker build -t institution-scanner .
# 方式一：docker compose
docker compose up
# 方式二：直接运行
docker run --rm \
-v $(pwd)/cache:/app/cache \
-v $(pwd)/output:/app/output \
-v $(pwd)/logs:/app/logs \
institution-scanner \
python main.py scan --etfs-only取消 docker-compose.yml 中 scheduler 部分的注释即可启用每周一上午 8:00（美东时间）自动扫描。
InstitutionScanner/
├── config.py # 所有可调参数
├── main.py # CLI 入口
├── scanner.py # 扫描编排引擎
├── indicators.py # 50+ 技术指标计算
├── score.py # 100 分制评分系统
├── filters.py # 筛选条件
├── downloader.py # 数据下载 & ticker 发现
├── report.py # 输出生成（CSV / Parquet / 终端）
├── requirements.txt # Python 依赖
├── Dockerfile # Docker 镜像
├── docker-compose.yml # Docker Compose 编排
├── cache/ # 历史数据缓存
├── output/ # 扫描结果
└── logs/ # 运行日志
| 维度 | 满分 | 考察内容 |
|---|---|---|
| 趋势 | 20 | MA200 下降程度、价格低于 MA200 的幅度、熊市持续时间、两年跌幅 |
| 成交量 | 25 | 持续放量天数、Volume Ratio 大小、Volume Trend、成交量稳定性 |
| 吸筹 | 25 | OBV 顶背离、A/D 线斜率、CMF 正值、MFI 区间 |
| 波动率 | 15 | ATR 压缩、布林带宽收缩、历史波动率下降 |
| 底部结构 | 15 | 距离 52 周低点距离、横盘时间、线性回归斜率、Volume Profile HVN 位置 |
编辑 config.py：
MIN_PRICE = 5.0 # 最低价格
MIN_VOLUME = 200_000 # 最低日均成交量
BEAR_DECLINE_PCT = -30.0 # 熊市跌幅阈值
VOLUME_ACCUM_RATIO = 1.5 # 放量倍率
DOWNLOAD_THREADS = 2 # 下载线程数（2 线程 + 1s 间隔 ≈ 2 req/s，Yahoo 限流 ~60 req/min）
SCAN_THREADS = 12 # 分析线程数（numpy 向量化释放 GIL，12 线程加速明显）- 下载阶段：2 线程 ~1s/请求，约 2 req/s（Yahoo 软限制 ~60 req/min），5000 个有效标的首次下载约 40 分钟。退市/无效标的秒级跳过。
- 分析阶段：12 线程并行计算指标 + 评分，5000 标的约 2-3 分钟（纯 numpy 向量化，释放 GIL）。
- 后续增量更新只下载新增 K 线，几分钟内完成。
- 支持断点续扫（
--resume，默认启用）
- 行情数据：yfinance（Yahoo Finance）
- Ticker 列表：NASDAQ Trader FTP、Wikipedia S&P 500、ETFdb
- 全部免费，无需 API Key
- 首次运行会下载所有 ticker 的 10 年历史数据，耗时较长，请耐心等待。
- yfinance 有速率限制，项目内置了批次延迟和重试机制。如果遇到 401/429 错误，增大
DOWNLOAD_RATE_LIMIT_PAUSE或降低DOWNLOAD_THREADS。 - Docker 环境中，cache 和 output 目录已挂载到宿主机，不会丢失数据。
- 增量化：第二次运行只下载新增的 K 线，速度极快。
- 免责声明：本工具仅供研究和学习使用，不构成任何投资建议。过往表现不代表未来收益。
MIT