个人用，本地 Flask 服务 + 静态 HTML，准实时（yfinance 15-20 分钟延迟）。
pip install yfinance pandas numpy openpyxl flask pyarrowpython serve.py # 真实数据，自动每 5 分钟（盘中）/ 30 分钟（盘后）刷新
python serve.py --mock # 离线开发，使用合成数据
python serve.py --no-auto # 关掉后台调度python update.py # 真实数据
python update.py --mock # 合成数据然后双击 web/index.html 即可。
python scripts/bt_v33.py或在看板点 📈 策略回测 Tab，第一次会自动加载。
两部分能力：
- 自动推送 — 每次后台 pipeline 跑完，
scripts/notify_telegram.py把signals.json里is_priority=true的 ticker 跟data/priority_snapshot.json做 diff，有新增 / 移除 / 排名变化时推一条消息。 - 交互查询 —
POST /api/telegram/webhook路由 +scripts/telegram_bot.py把消息变成指令，可以在 Telegram 直接看盘。
支持的指令：
| 指令 | 作用 |
|---|---|
/top [N] |
按 conviction Top N（默认 10，最多 25） |
/priority |
当前 PRIORITY 列表 |
/ticker NVDA |
单个 ticker 详情卡 |
/status |
服务状态 / regime / action 分布 |
/refresh |
触发后台 pipeline，立即返回，刷完会自动推 priority 变化 |
/help |
显示指令列表 |
每条机器人回复底下都带 4 个内联按钮（🔥 PRIORITY / 📊 Top 10 / 📡 状态 / 🔄 刷新）， 不想敲指令就直接点。
- Telegram 找 @BotFather 发
/newbot，记下 bot token。 - 找 @userinfobot 拿你自己的 chat_id（私聊推送）；
群组推送则把机器人加进群后给群发一句话，再访问
https://api.telegram.org/bot<token>/getUpdates看chat.id。 - 在 Render Dashboard → Service → Environment 里加：
TELEGRAM_BOT_TOKEN=123456:ABC...TELEGRAM_CHAT_ID=123456789TELEGRAM_NOTIFY_ON_START=1（可选，部署后立即推一次当前 Top）TELEGRAM_WEBHOOK_SECRET= 任意 32+ 位随机串（推荐，可选； 用openssl rand -hex 16生成）
- Render 容器启动时会自动调 Telegram
setWebhook把https://<你的-render-url>/api/telegram/webhook注册成机器人的回调， 之后你在 Telegram 给 bot 发的每条消息都会推到这个 endpoint 处理。 - 本地调试同样用环境变量：
TELEGRAM_BOT_TOKEN=xxx TELEGRAM_CHAT_ID=yyy python scripts/notify_telegram.py注：Render free 实例文件系统是易失的，快照随容器重启重置。 因此默认 冷启动不推送——第一次 pipeline 只播种 snapshot。 把
TELEGRAM_NOTIFY_ON_START=1打开则每次重启都会播一次当前 Top。
cd C:\Users\hongh\Documents\Claude\Projects\StockChaser
# 1. 抓 yfinance 实盘价格 (24 个月历史 + 最新行情)
python scripts/fetch_data.py
# 输出: data/prices.json 和 data/history.parquet
# 期望看到: "Fetching 113 tickers..." 然后 "SPY 4-week: +X.XX% above SMA50: True/False"
# 2. 计算 Conviction 信号 + Framework 标签
python scripts/engine_v32.py
# 输出: data/signals.json
# 期望: "Action distribution: {'STRONG_BUY': N, ...}" + "Priority Top-8" 列表
# 3. 跑 6 套策略历史回测 (含 ★ S6 Hybrid)
python scripts/bt_v33.py
# 输出: data/backtest_results.json
# 期望: 横评表，★ Hybrid 6M+Conv 行有数据
# 4. 打开看板 (双击或浏览器打开)
start web/index.html首次跑会比较慢 (yfinance 抓 113 只 × 24 个月 ≈ 30-60 秒) 后续每周只需要重跑
fetch_data.py和engine_v32.py，几秒钟搞定
Trend Strength (TS) 40% + Entry Quality (EQ) 30% + Fundamental (FC) 30%
× Regime Modifier (0.35-1.10)
= CONVICTION (0-100)
- TS 趋势强度: 均线位置 / 距 4W 高 / RS / 多周期同向 / 6 月月均动量
- EQ 入场质量: 周涨甜区 (3-8%) / 量能确认 / ATR / 是否过度追高
- FC 基本面: ★评级 + 角色 (龙头/二线/概念) + 下游传导加成 + 新节点加成
- RM Regime: 渐变 0.35-1.10，非二元开关
| 标签 | 触发条件 | 含义 |
|---|---|---|
| 🌊 F1 下游传导 | L10/L11/L12 + 综合分 ≥ 50 | 12-18 月资金传导期 |
| 🧮 F2 财报真空 | 距 52W 高 -10~-30% + SMA50 上 + 综合 ≥ 70 | 长底+健康，黎明前 |
| 💡 F3 新节点 | 16 只白名单 (SNDK/ALAB/CRDO/...) | 凭空多出来的位置 |
| 📅 6M-Mom | 6 月月均 ≥ 3% | 持续长期动量 |
| Conviction | 动作 | 仓位 | 默认 % |
|---|---|---|---|
| ≥ 85 | 🔥 强力买入 | 重仓 | 10% |
| 72-84 | 🟢 买入 | 中仓 | 7% |
| 58-71 | 🟡 试仓 | 小仓 | 4% |
| 42-57 | 👀 观察 | — | 0 |
| < 42 | ⚪ 回避 | — | 0 |
STRONG_BUY 额外需要 TS ≥ 80 AND EQ ≥ 65（不允许有短板） 每层最多 2 个 STRONG_BUY（强制跨层分散） 顶部 8 只标 🔥 PRIORITY = 这周实际开仓清单
| 策略 | 总收益 | Sharpe | MaxDD |
|---|---|---|---|
| ★ S6 Hybrid 6M+Conv | +15.45% | 1.76 | -4.00% |
| S3 Comp Top10 | +30.62% | 2.44 | -5.65% |
| S2 6M-Mom Top3 | +52.12% | 1.70 | -10.94% |
| S5 Conviction | +2.49% | 0.41 | -6.14% |
| S1 B&H SPY | +3.02% | 0.27 | -10.71% |
ATR(20) = 20 日平均真实波幅
建议止损 = 当前价 - 1.5 × ATR
建议目标价 = 当前价 + 3.0 × ATR (1:2 R:R)
建议仓位 = 风险预算(1%) / 止损距离 ，封顶 25%
→ 越波动的股票仓位自动越小，组合最大回撤被锁死。
- 硬止损 — 跌破 -1.5 × ATR
- 移动止损 — 盈利 ≥ 1.5R 后跟在 SMA10 下方
- 时间止损 — 10 个交易日没到 +1R
- 信号反转 — 综合分跌破 60
- 大盘转向 — SPY 跌破 SMA50
StockChaser/
├── AI_Chain_Watchlist.xlsx ← 股票池（手动维护，108 只 AI 链美股）
├── update.py ← 一次性更新（不开服务）
├── serve.py ← Flask 本地服务（推荐）
├── README.md
├── data/
│ ├── universe.json
│ ├── prices.json
│ ├── history.parquet/csv ← 24 个月日线（用于回测）
│ ├── signals.json ← 综合分 + 闸门 + 止损建议
│ └── backtest_results.json ← 4 套策略对比