8.5 KiB

Raw Blame History

A股大事记录 / 大周期择时看板 · 架构设计

目标：把 指数日成交量、ETF流入、股民情绪、重大事件 四类信息按时间轴叠加到 上证综指 / 创业板指 / 科创50 的指数K线上，形成一份 A 股「大事记录」，用于辅助判断 A 股 大周期的顶与底。

本文件是设计基线，随迭代更新。数据字段口径参考同目录 DATA_MODEL.md。

1. 设计原则与关键决策

决策点	结论	说明
数据来源	直连现有内网库 + 自有库	指数收盘/成交额直读 `zs_day_data`(MySQL-A 18.199)，情绪直读 `gp_market_sentiment`(PG 16.150)；本系统另建自有 Postgres 存事件、ETF、派生指标与本地快照。
指数 OHLC	可插拔 Provider，暂缺	现有 `zs_day_data` 只有 `close`，无开/高/低，画不了完整蜡烛图。OHLC 源由你后续提供，系统预留 `OHLCProvider` 接口；未接入时退化为收盘线（`ohlc_source='close_only'`），接入后自动转蜡烛图。
ETF & 事件	人工录入为主 + 自动化接口预留	提供 Web 表单录入 + CSV 导入模板；`importers.py` 预留 `EventImporter`/`EtfFlowImporter` 接口，未来可挂新闻/公告/资金流抓取。
前端	FastAPI + ECharts	单页看板：蜡烛图 + 成交量副图 + 情绪/温度副图 + 事件打点；切换指数、缩放、看事件详情。
部署	Docker Compose	`db`(自有 Postgres) + `backend`(FastAPI，含静态前端)。外部内网库 DSN 走环境变量，可缺省降级。
数据落地	读→同步→自有库→看板	ETL 从内网库拉取并落一份到自有库；看板只读自有库，保证「大事记录」自包含、可离线回看、事件可长期叠加。

为什么不直接在看板里跨库实时查？

「大事记录」要长期留存、可离线回看、和事件长期叠加，且要跨 MySQL + PG 联合出图。因此采用 ETL 同步进自有库 的读写分离：内网库只在同步时被读，看板永远读自有库，既尊重「直连现有库」的选择，又让系统自包含、易 Docker 化、查询快。

2. 系统拓扑

                外部（现有内网库，只读）
   ┌──────────────────────────────┐        ┌──────────────────────────────┐
   │ MySQL-A 192.168.18.199        │        │ PostgreSQL 192.168.16.150     │
   │  zs_day_data(指数 close/额)   │        │  gp_market_sentiment(情绪)    │
   └───────────────┬──────────────┘        └───────────────┬──────────────┘
                   │  (LEGACY_MYSQL_DSN)                    │ (LEGACY_PG_DSN)
                   ▼                                        ▼
         ┌───────────────────────────────────────────────────────────┐
         │                  backend (FastAPI 容器)                    │
         │  sources.py  —— 现有库读适配 + 可插拔 OHLCProvider(预留)   │
         │  etl.py      —— 同步 index_daily / sentiment_daily         │
         │  importers.py—— ETF/事件 CSV导入 + 自动化接口(预留)        │
         │  signals.py  —— 顶底「市场温度」透明启发式                 │
         │  api.py      —— REST 接口                                  │
         │  frontend/index.html —— ECharts 看板(静态挂载)            │
         └───────────────────────────┬───────────────────────────────┘
                                     │ (OWN_DB_DSN)
                                     ▼
                       ┌──────────────────────────────┐
                       │  db: 自有 Postgres(容器)      │
                       │  index_daily / sentiment_daily│
                       │  etf_flow / market_event      │
                       │  cycle_annotation             │
                       └──────────────────────────────┘

3. 指数范围

名称	代码(dot式)	zs_day_data 有	说明
上证综指	`000001.SH`	✅	主看盘
创业板指	`399006.SZ`	✅	成长/科技情绪
科创50	`000688.SH`	✅	科创板代表指数（科创板本身无指数，用科创50代理）
深证成指	`399001.SZ`	✅	可选，默认关闭

代码统一用 dot 式（000001.SH），与 zs_day_data.symbol 一致，避免格式互转。

4. 数据模型（自有库）

详见 ddl/own_db_init.sql 与 backend/app/db.py。摘要：

index_daily — 指数日线（同步落地）：index_code, trade_date, open/high/low/close, volume, amount, pct_chg, turnover_rate, ohlc_source。唯一键 (index_code, trade_date)。
sentiment_daily — 情绪日度：trade_date, up_down_ratio, median_pct_chg, pct_chg_gt_5_count, limit_up/down_count, margin_balance, new_accounts, sentiment_score。
etf_flow — ETF 流入（人工/导入/自动）：trade_date, etf_code, etf_name, category, related_index, net_inflow(亿元), shares_change, source, note。
market_event — 重大事件：event_date, title, category(监管/IPO/政策/资金/外部/其他), impact_direction(bullish/bearish/neutral), severity(1-5), related_indices, cycle_tag(top/bottom/none), description, source_url, source(manual/import/auto)。
cycle_annotation — 人工顶底标注（复盘用）：index_code, anno_date, kind(top/bottom/watch), note。

5. 顶底信号方法论（`signals.py`，透明可调）

不做黑盒。综合几个 A 股经典的顶底极值信号，产出每日 市场温度 0–100 与离散标记：

分量	顶部含义	底部含义	计算
量能分位 `vol_pct`	天量见天价	地量见地价	`amount` 在滚动 N 日(默认250)的百分位
价格分位 `price_pct`	高位	低位	`close` 在滚动 N 日的百分位
情绪分 `sentiment`	涨停潮/普涨亢奋	跌停潮/普跌冰点	`up_down_ratio`、`pct_chg_gt_5_count` 归一
ETF资金 `etf_z`	大额净流出	大额净流入(国家队)	净流入 z-score

市场温度 = 各分量加权（默认权重写在 signals.py 顶部，便于你用自己数据回测调参）。温度 >80 记 过热/顶部风险，<20 记 冰点/底部机会，并在看板上以热力带 + 标记呈现。

权重与阈值是初值，需你在实机用历史数据回测校准；方法论刻意保持透明，不追求复杂模型。

6. 接口一览（REST）

方法	路径	说明
GET	`/api/health`	健康检查（含各库连通性）
GET	`/api/index/list`	可用指数列表
GET	`/api/index/{code}/kline?start=&end=`	K线(OHLC/收盘)+成交量+温度
GET	`/api/sentiment?start=&end=`	情绪日度序列
GET	`/api/etf?start=&end=&index=`	ETF 流入序列
GET/POST/PUT/DELETE	`/api/events`	事件 CRUD（人工录入）
POST	`/api/events/import` `/api/etf/import`	CSV 导入
GET	`/api/signals?code=&start=&end=`	顶底温度与离散标记
POST	`/api/sync/index` `/api/sync/sentiment`	触发 ETL（也可 CLI/定时）

7. 部署与运维

docker compose up -d 起 db + backend；前端由 backend 静态挂载，浏览器访问 :8000。
内网库 DSN（LEGACY_MYSQL_DSN / LEGACY_PG_DSN）经 .env 注入；留空则该同步自动跳过（降级不报错）。
ETL：docker compose exec backend python -m app.etl sync-index --start 20240101；后续可挂 cron / APScheduler。
开发机 ↔ 服务器：git 同步代码；数据不入库随代码走。每个里程碑提示提交。

8. 里程碑

✅ 架构 + 骨架 + Docker + 自有库DDL
✅ 数据源适配 + ETL + API + 顶底信号
✅ ECharts 看板 + 事件录入/导入
⏳ 实机联调（你跑测试回传）→ OHLC 源接入 → 顶底权重校准
⏳ 自动化接入（ETF/事件抓取）按需开启

8.5 KiB Raw Blame History Unescape Escape