Equity Data Dashboard

这是一个基于 Streamlit + OpenBB 的股票数据看板，入口是 src/app.py。
应用一方面提供基础面与新闻查询，另一方面把历史价格页做成了一个“机构支撑/阻力区”分析面板，支持：

• 历史价格回放 replay
• 日线与高周期 volume profile
• Anchored VWAP 锚点
• ATR 带
• 支撑/阻力区打分与排序

入口设计

整个应用围绕 src/app.py 展开，执行路径很清晰：

1. 设置 Streamlit 页面配置与标题。
2. 调用 src/ui/sidebar.py 收集用户输入。
3. 根据 TAB_NAMES 创建 6 个标签页。
4. 将“历史价格分析”交给 src/dashboard_page.py。
5. 将财务报表、比率、新闻等交给 src/ui/panels.py 做通用展示。

也就是说，app.py 更像一个总控入口：

• 负责装配页面
• 负责路由 tab
• 不直接承载复杂业务计算

真正的核心分析流程在 dashboard_page.py。

功能概览

应用当前包含 6 个标签页：

• Historical Price
• Income
• Balance Sheet
• Cash Flow
• Ratios
• News

其中最核心的是 Historical Price：

• 加载历史 OHLCV
• 构造回放视角下的计算窗口
• 生成 AVWAP 特征
• 生成日线与高周期 volume profile
• 合并候选 zone
• 对支撑/阻力进行反应验证与排序
• 在图表和表格中展示最终 zone

Historical Price 页工作流

Historical Price 页由 src/dashboard_page.py 驱动，大致流程如下。

1. 数据加载

通过 src/data/market_data.py：

• 拉取历史价格
• 归一化 OHLCV 字段
• 检查必需列是否完整

2. 计算框架与回放模式

通过 src/engines/replay_engine.py：

• 划分图表展示数据 plot frame
• 划分策略计算数据 calc frame
• 支持把任意历史日期当作“今天”重新计算

3. AVWAP 锚点

通过 src/features/volume_profile.py：

• 生成 anchored VWAP 特征
• 当前 major high/low 已按“距离”分层，而不是按日线/周线概念分层
• 目前有两档：
  • 20 个交易日短期高低点
  • 60 个交易日中期高低点

4. Volume Profile

系统会构建两类 profile：

• 日线视角：最近若干交易日的 5m 数据合成 profile
• 高周期视角：最近若干周窗口的 1d 数据合成 profile

然后提取高成交密度节点，生成候选价格带。

5. Zone 合并与打分

通过：

• src/features/boundaries.py
• src/engines/validation_engine.py

完成以下工作：

• 合并相近或重叠 zone
• 识别支撑 / 阻力
• 计算 reaction 指标
• 计算 institutional score
• 分别筛出最终展示的支撑区和阻力区

6. 图表渲染

通过 src/plotting/chart_builder.py：

• 渲染 K 线
• 渲染成交量
• 渲染 zone 水平线
• 渲染 AVWAP 线
• 渲染 volume profile 侧边叠加层

侧边栏参数

侧边栏定义在 src/ui/sidebar.py，主要分为几组：

• 基础输入
  • Symbol
  • Price provider
  • Fundamentals provider
  • News provider
  • Price history range
• Institutional Zone Settings
  • volume profile 分箱数
  • 高周期回看窗口
  • zone 扩展宽度
  • 高成交量分位数
  • zone 合并阈值
  • 最大支撑/阻力显示数量
• ATR Overlay
  • 是否显示 ATR 带
  • ATR 倍数
• Reaction Validation
  • lookahead bars
  • strong reaction threshold
  • minimum touch gap
• Bar Handling
  • 是否排除最新未收盘 bar 参与计算
  • 是否在图上显示最新 live bar

默认值定义在 src/config/settings.py。

目录结构

以 src/app.py 为中心，可以把项目理解成下面几层：

src/
├─ app.py                  # 应用入口
├─ dashboard_page.py       # 历史价格主页面
├─ config/                 # 页面常量、默认参数
├─ data/                   # OpenBB 数据拉取与清洗
├─ engines/                # 回放、验证、打分等流程引擎
├─ features/               # AVWAP、VP、边界特征
├─ plotting/               # 图表拼装与渲染
├─ ui/                     # 侧边栏、面板、状态
├─ boundary_tester/        # 批量验证与研究工具
└─ run_boundary_tester.py  # 研究/验证入口

安装依赖

项目当前依赖见 requirements.txt：

pip install -r requirements.txt

核心依赖包括：

• streamlit
• openbb
• pandas
• plotly
• PyYAML
• streamlit-lightweight-charts

启动方式

在仓库根目录执行：

streamlit run src/app.py

启动后可以在侧边栏输入证券代码，例如：

• AAPL
• MSFT
• 000300.SS

使用建议

如果你主要关心价格结构，建议优先看 Historical Price 页：

1. 输入 symbol
2. 选择足够长的 history range
3. 调整 VP / zone 参数
4. 用 replay 看历史某一天当下系统会给出哪些支撑阻力
5. 结合下方表格检查 zone 来源、反应质量和分数

如果你主要关心公司基本面，则可以直接切到：

• Income
• Balance Sheet
• Cash Flow
• Ratios
• News

开发说明

如果要继续扩展这个项目，建议从 src/app.py 往下读：

1. 先看 app.py 怎么组织 tab 和 sidebar。
2. 再看 dashboard_page.py 怎么串起价格分析流程。
3. 接着看 features/ 和 engines/，理解 zone 是怎么生成和排序的。
4. 最后看 plotting/chart_builder.py，理解最终图表是怎么拼出来的。

这是目前最省力、也最接近真实运行路径的阅读顺序。

已知特点

• 应用以 Streamlit 交互体验为主，适合研究和可视化，不是交易执行系统。
• 多数数据能力依赖 OpenBB 提供的数据接口。
• 高周期 zone 与日线 zone 会做合并和加权，所以最终结果是“结构化汇总”，不是简单罗列原始信号。
• 当前 README 以 src/app.py 为主线，因此更偏“应用结构说明”，而不是研究方法论文式文档。