Skip to main content
Glama
monitor

monitor

by chenzqy

📊 多因子监控面板(Multi-Factor Monitor Panel)

一个原生 Windows 桌面窗口(PySide6,非浏览器)的行情与因子看板:A 股 / 美股 / 加密货币三市场横截面打分排名,真实期权链与 Black-Scholes 对照,全球财经快讯聚合,DeepSeek AI 解读,并可作为 MCP 服务端接入 DeepSeek Harness 等 Agent 框架。

Python PySide6 Platform License CI Release

直接下载:MultiFactorPanel.exe(单文件免安装,约 87 MB)· zip 打包版

本项目仅为工具与教学演示,所有数据、因子得分与理论定价均不构成任何投资建议。

⚡ v1.1.0 全面提速:窗口一出现就是满表(先读上次快照),A 股 57 只刷新 0.27s(改前 9~17s),刷新与期权拉取全程不冻结界面。详见性能。


✨ 功能一览

模块

能力

因子监控

估值 / 动量 / 质量 / 波动 / 流动性五因子横截面百分位打分,加权综合分与评级,支持筛选、排序、CSV 导出

多市场

A 股(东财 → 新浪 → 代码表三级降级)、美股(腾讯报价 + 东财 PB + 新浪历史)、加密货币(Binance 公开数据)

外币折人民币

美股 / 加密市场价格旁自动给出「折人民币(¥)」列,汇率取新浪在岸即期,表头标注原币种

个股折线图

双击任意股票弹出独立窗口:当日 5 / 15 分钟分时、近 120 日日线,60 秒自动刷新,支持跟随主表选中切换

期权观察

中金所股指期权(IO / HO / MO)与上交所 ETF 期权(510050/510300/510500/588000)真实期权链:隐含波动率、Delta、持仓量、平价偏离,并可切换 BS 理论对照

全球新闻

东方财富 + 财联社快讯,可扩展 RSS;后台线程加载,设置项(来源 / 条数 / 自动刷新间隔)自动持久化

AI 助手

填入 DeepSeek API Key,自动带当前打分表与新闻作为上下文解读、追问

MCP 服务端

mcp_server.py 暴露打分表 / 个股明细 / 新闻 / 自选 / 期权链工具,供外部 Agent 调用


Related MCP server: Stock MCP

📸 界面预览

因子监控 —— 五因子横截面打分,条形图直接看出强项弱项:

因子监控演示

真实期权链 —— 切到期权页、一键拉链,IV 与 Delta 由市场价反解:

期权链演示

个股折线图 —— 双击任意行弹出的独立窗口,当日分时 / 日线切换:

折线图演示

因子监控(真实行情 + 五因子得分条形)

真实期权链(IO / ETF,含 IV 与 Delta)

因子监控

期权观察

个股折线图


🚀 快速开始(Windows)

方式 A:双击启动(推荐,不需要打包)

  1. 安装 Python 3.10+(勾选 Add Python to PATH):https://www.python.org/downloads/

  2. 双击 run_windows.bat

    • 首次运行自动安装依赖(需联网);

    • 之后直接弹出桌面窗口,不会闪出 CMD 黑框(launcher.pyw + pythonw.exe 启动);

    • 启动日志写到 logs/launcher.log。

方式 B:打包成独立 exe

双击 build_windows.bat,自动安装 PyInstaller 并打包,产物在 dist\MultiFactorPanel.exe,可单独复制到其他 Windows 电脑运行。

打包不能跨平台:Linux / macOS 上无法直接产出 Windows exe。

方式 C:命令行

python -m pip install -r requirements.txt
python desktop_app.py

方式 D:不装 GUI,20 秒验证它真能跑

只要装了 Python 和 pandas / numpy / pyyaml,就能在终端里跑通整条数据链路(拉行情 → 打分 → 排名),不需要 PySide6、不需要开窗口:

python -m pip install -r requirements-desktop.txt
python -m src.cli
python -m src.cli --market 美股 --top 3
python -m src.cli --source codes      # 完全不联网,只验证离线代码表与打分逻辑

典型输出:

市场:A股 数据来源:auto
股票池:A 股 57 只 / 美股 65 只 / 加密 1 个
------------------------------------------------------------------------
耗时 9.4s 标的 57 只 数据档位:live
 缺数:PE 缺 57/57,PB 缺 57/57,ROE 缺 57/57
------------------------------------------------------------------------
排名  代码      名称               最新价     涨跌幅%     综合分    评级
1   600887  伊利股份           32.91     1.60    67.4    偏强
2   000333  美的集团           95.01     1.45    67.0    偏强
3   601318  中国平安           54.66     0.48    66.0    偏强

「数据档位:live / codes」直接告诉你现在用的是实时行情还是离线代码表;「缺数」一行列出这一档数据源缺了哪些字段——这就是本项目的核心哲学:宁可显示「—」,也不假装有数据。


🧪 开发与测试

python -m pip install -r requirements-dev.txt
python -m pytest -q

测试不依赖 PySide6 / akshare / 网络,只覆盖纯逻辑与仓库卫生:

测试文件

覆盖内容

tests/test_factors.py

因子打分:排名连续性、亏损股 PE≤0 判最差、PE 缺失不算亏损、单标的退化为中性 50、权重归一化、attrs 透传

tests/test_repo_smoke.py

全仓 compileall、watchlist.yaml 可解析且 api_key 为空、离线代码表存在、无本机绝对路径

单标的那条测试对应一个真实 bug:加密市场只有 BTC 一个标的时,rank(pct=True) 恒等于 1.0,会让"越低越好"的波动因子恒得 0 分。

持续集成

.github/workflows/ci.yml 在 Ubuntu 与 Windows 上跑 Python 3.10 / 3.12 矩阵:

  1. compileall 语法检查;

  2. pytest 单元测试;

  3. 编码与卫生检查——所有文本文件必须是合法 UTF-8,禁止出现疑似 API Key、本机路径、config/ui_state.json。

自动发布

.github/workflows/release.yml 支持两种触发:

git tag v1.0.0
git push origin v1.0.0

或在 Actions 页面手动 Run workflow 并填版本号。CI 会在 windows-latest 上用 MultiFactorPanel.spec 打包成单文件 exe, 连同 SHA256 一起发布到 Releases(MultiFactorPanel.exe + MultiFactorPanel-windows-x64.zip)。


🗂 项目结构

multi_factor_panel/
├── desktop_app.py            # ★ 桌面程序主入口(PySide6 窗口、因子表、期权页、新闻页、AI 页、折线图窗口)
├── mcp_server.py             # ★ MCP 服务端(stdio),把看板数据暴露给外部 Agent
├── launcher.pyw              # 无控制台启动器(pythonw 启动,异常写日志并弹窗)
├── run_windows.bat           # 双击启动
├── build_windows.bat         # 一键打包 exe
├── requirements.txt          # 完整依赖
├── requirements-desktop.txt  # 桌面版最小依赖(bat 脚本使用)
├── requirements-dev.txt      # 跑单元测试所需(无 GUI 依赖)
├── MultiFactorPanel.spec     # PyInstaller 配置
├── tests/                    # 单元测试(因子打分 / 语法 / 配置卫生)
├── docs/
│   ├── ARCHITECTURE.md       # 分层结构、降级链、关键设计取舍
│   ├── DATA-SOURCES.md       # ★ 数据源口径与限流应对(复刻必读)
│   ├── DATA-SOURCE-FALLBACK.md  # ★ 行情接口挂了怎么办(按症状排查)
│   └── screenshots/          # 界面截图与演示 GIF
├── config/
│   └── watchlist.yaml        # 股票池、权重、新闻源、DeepSeek、期权品种等全部配置
├── data/
│   ├── universe_a.csv        # A 股全市场代码表(5000+ 只真实代码与名称)
│   ├── universe_us.csv       # 美股代码表(65 只,含中概)
│   └── _cache/               # 运行时缓存(自动生成,已 gitignore):行情快照 + ROE 缓存
├── dsh/
│   └── monitor-panel.cordis.yml  # dsh MCP client 配置示例
└── src/
    ├── data_source.py        # 三市场行情接入与降级策略
    ├── factors.py            # 因子计算与横截面打分
    ├── screener.py           # 条件筛选与 CSV 导出
    ├── options.py            # 真实期权链、IV 反解、BS 定价与希腊字母
    ├── crypto.py             # 加密货币行情与人民币汇率
    ├── chartdata.py          # 个股分钟线 / 日线数据
    ├── news.py               # 新闻聚合
    ├── ai_assistant.py       # DeepSeek 对话接入
    ├── uistate.py            # 界面设置持久化
    └── paths.py              # 资源路径解析(兼容 PyInstaller)

🔄 数据流

flowchart LR
    A[config/watchlist.yaml] --> B[src/data_source.py]
    B -->|A 股| C1[东方财富<br/>含 PE/PB/换手]
    B -->|A 股降级| C2[新浪<br/>仅价格]
    B -->|美股| C3[腾讯报价 + 东财 PB + 新浪历史]
    B -->|加密| C4[Binance data-api]
    B -->|全部失败| C5[data/universe_*.csv<br/>仅代码与名称]
    C1 & C2 & C3 & C4 & C5 --> D[src/factors.py<br/>五因子打分]
    D --> E[desktop_app.py<br/>因子表 / 明细 / 折线图]
    D --> F[mcp_server.py<br/>MCP 工具]
    G[src/options.py] --> E
    H[src/news.py] --> E

🆚 为什么不直接调 akshare

很多人的第一反应是「我自己写 30 行 akshare 就能出这张表」。可以,但下面这些坑每一条都要重新踩一遍:

场景

直接调 akshare / 公开接口

本项目

期权链

拉到的只是合约代码与报价,想得到 IV / Delta 得自己反解;股指期权的标的还是股指期货,用沪深 300 现货去算会得到「Call 13% vs Put 25.7%」的假微笑

先用看跌-看涨平价 F = K + (C − P)·e^{rT} 反解隐含远期,再反解 IV;Call/Put 两侧波动率对齐

字段口径

每个接口字段含义不同,东财 ulist 里 f23 才是 PB×100、f167 是别的东西;腾讯报价 [39] 是 PE、[46] 是 EPS

全部整理成 12 列统一 schema:code/name/price/change_pct/pe/pb/roe/momentum_20d/volatility_20d/turnover/amount/volume_ratio

限流

东财 push2 一限流就是 Push2RateLimitError,并发 130 直接 502,恢复窗口从 5 分钟累加到 40 分钟

三级降级链(东财 → 新浪 → 代码表),并发压到 6~8,界面上明确标出当前数据档位

数据源失效

akshare 频繁改名:stock_zh_a_hist → stock_zh_a_hist_em、option_current_em → option_realtime_em,升级就 AttributeError

已改用新名,并把每个接口的失效表现写进 docs/DATA-SOURCES.md 和 docs/DATA-SOURCE-FALLBACK.md

跨市场

A 股 / 美股 / 加密三套完全不同的接口、字段、货币,写三遍横截面打分逻辑

三市场同构:统一 schema 后跑同一套五因子打分,美股与加密自动折人民币显示

缺数处理

NaN 参与排序会静默变成最小值,亏损股(PE ≤ 0)反而拿最高估值得分

缺失按中性 50 分;PE ≤ 0 明确钉到最差;单标的时不做百分位(恒等陷阱),直接给中性

接入 Agent

要自己写 MCP server、定义工具 schema、处理 stdio 生命周期

mcp_server.py 已暴露 6 个只读工具,dsh 里一行配置接进来

分时图

拿到的 K 线跨夜会连成假斜线,午休 11:30–13:00 会留出空档

按最后交易日过滤 + 等距序号分类轴,两点都处理掉了

速度

ak.stock_zh_a_spot_em() 是全市场口径:5000+ 只、59 次分页、实测 90 秒;再逐只补日线和 ROE 又是 114 次串行 HTTP

自选池用 ulist 按 secids 精确取(0.32s),动量波动线程池并发(0.58s),ROE 双层缓存;全流程在 QThread 里跑,界面永不冻结

一句话总结:这不是「又一个 akshare 封装」,而是把「免费行情源的脾气」沉淀成代码和文档。


⚡ 性能:快到什么程度

A 股 57 只自选池,实测(Windows / 千兆宽带 / 普通笔记本):

环节

1.0.0

1.1.0

快照行情

90 s(全市场分页)

0.32 s

动量 + 波动

10 s+(57 只串行)

0.58 s(16 并发)

ROE

计入上面 10 s+

首次 12.6 s 后台跑,之后 6 小时内命中磁盘缓存

冷启动到出表

窗口出现后再冻 9~17 s

窗口出现即有满表(先读上次快照)

热启动全量刷新

9~17 s

0.27 s

点「刷新」/「拉取期权链」

界面假死到返回

立刻返回,全程可切页、可筛选

三个设计取舍:

  1. stale-while-revalidate:启动先渲染 data/_cache/universe_a.json 里的上次结果,同时后台拉新数据,回来再无声替换。你看到的永远是「有数据的界面」,而不是白屏转圈。

  2. 精度分级:get_universe(roe_mode="cached") 只读缓存先出表,"live" 再后台补齐 ROE。ROE 是季度数据,没必要每次刷新都等它。

  3. 能批量绝不逐只:东财 ulist 一次 30 只,新浪日线 16 线程并发,表格填充用 setUpdatesEnabled(False) 抑制重绘。


⚙️ 配置:config/watchlist.yaml

stocks:                       # A 股自选(6 位代码)
  - {code: "600519", name: "贵州茅台"}
us_stocks:                    # 美股自选
  - {code: "AAPL", name: "苹果"}
crypto: ["BTC"]               # 加密货币(Binance 交易对前缀)
options_a: {symbol: 华泰柏瑞沪深300ETF期权, end_month: ""}
options_us: {symbol: AAPL}

news:
  limit: 50
  sources: ["eastmoney", "cls"]
  auto_refresh_minutes: 0     # 0 = 仅手动刷新
  rss_feeds: []               # 可选境外 RSS:[{name, url}]

deepseek:
  api_key: ""                 # 留空则在界面里临时输入
  base_url: https://api.deepseek.com
  model: deepseek-flash

weights:                      # 权重无需相加为 1,程序自动归一化
  valuation: 0.25
  momentum: 0.20
  quality: 0.25
  volatility: 0.15
  liquidity: 0.15

settings:
  momentum_window: 20
  top_n: 10
  data_source: auto           # auto / live / codes
  pool_size: 57

因子口径

因子

含义

方向

valuation 估值

PE、PB 越低越便宜

越低越好

momentum 动量

近 20 日涨跌幅

越高越好

quality 质量

ROE 净资产收益率

越高越好

volatility 波动

近 20 日收益率标准差

越低越稳健

liquidity 流动性

成交额活跃度

越高越好

评级:≥80 强势 / 60~80 偏强 / 40~60 中性 / <40 偏弱。缺失指标按中性 50 分处理,界面显示 —。


🌐 数据来源

数据

主源

降级 / 备注

A 股快照

东方财富 stock_zh_a_spot_em(价格、PE、PB、换手、量比)

新浪 stock_zh_a_spot_sina(仅价格);再降级为代码表

A 股日线

stock_zh_a_hist_em

akshare ≥ 1.20.46 已改名,旧名会抛 AttributeError

美股报价

腾讯 qt.gtimg.cn(价格、涨跌幅、成交额、PE)

代码需把 BRK-B 写成 BRK.B

美股 PB

东方财富 ulist 批量(f23 才是市净率×100)

逐只 push2 兜底

美股动量 / 波动

新浪 US_MinKService.getDailyK 全历史日线

yfinance(常 429)

加密货币

data-api.binance.vision(唯一可直连的 Binance 域)

其余交易所域名在部分网络下不可达

人民币汇率

新浪 fx_susdcny(在岸即期,GBK + Referer)

—

期权链

新浪:中金所 option_cffex_*、上交所 ETF option_sse_*

东财期权接口常限流

个股 K 线

新浪 CN_MarketDataService.getKLineData

美股分时无公开可用源,只提供日线

新闻

东方财富、财联社

RSS 可扩展

期权定价的两个关键点

  1. 股指期权的标的是股指期货,不是沪深 300 现货。程序先用看跌-看涨平价 F = K + (C − P)·e^{rT} 反解隐含远期,再以 S = F、q = r 反解隐含波动率;否则会得到「Call 13% vs Put 25.7%」的假微笑。

  2. ETF 期权到期日为第四个周三,中金所股指期权为第三个周五。

每个接口的字段含义、限流表现、失效通道与降级策略,全部整理在 docs/DATA-SOURCES.md。想复刻或换数据源,先读这份文档能省掉大量试错。

某一列突然变成「—」? 先看 docs/DATA-SOURCE-FALLBACK.md —— 按「症状 → 原因 → 处理」排查,覆盖东财限流、新浪降级、akshare 改名、期权链空白、美股代码格式、加密域名不可达、折线图假斜线七类高频故障。


🤖 接入 DeepSeek Harness(dsh)

mcp_server.py 以 stdio 方式暴露只读工具,模型侧工具名为 mcp__monitor__<name>:

工具

作用

list_stock_scores

多因子打分排名表(可选 market:A股 / 美股 / 加密货币)

get_stock_detail

单只个股明细(code + market)

list_latest_news

最新财经快讯

list_watchlist

自选清单

list_option_markets

可用期权品种与到期月

list_option_chain

真实期权链(market、expiry、max_rows)

接入步骤:

  1. python -m pip install -r requirements.txt(需 mcp<2.0,2.x 已把 FastMCP 改名,代码不兼容)

  2. 编辑 dsh/monitor-panel.cordis.yml,把 args 换成你本机 mcp_server.py 的绝对路径,command 填 python(找不到就填 py)

  3. 临时生效:dsh web --patch "<该文件的绝对路径>";长期生效:把 - insert: 整段合并进 $DSH_HOME/profiles/<profile>/cordis.patch.yml

  4. 在 dsh 会话里提问,例如「看看打分最高的几只」「查一下 600519 的因子明细」


❓ 常见问题

Q:切到「实时行情」后价格有,但 PE/PB/ROE/动量是「—」? A:主源东方财富被临时限流时会自动切新浪(只含价格),估值类因子留空。等东财恢复后点「刷新」自动补齐。

Q:美股价格显示为「—」? A:确认代码拼写(BRK-B → BRK.B)。腾讯批量报价失败时会回落代码表,此时只有代码与名称。

Q:ROE 为什么经常为空? A:免费快照不含 ROE,质量因子按中性 50 分处理。可在 src/data_source.py 补充财务报表接口。

Q:提示「未检测到 Python」? A:安装 Python 3.10+ 并勾选 Add Python to PATH,或改用 py -3。

Q:依赖装得很慢?

python -m pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

Q:DeepSeek Key 会被上传吗? A:不会。Key 只存在本地(界面输入或 watchlist.yaml),请勿把填了 Key 的配置提交到仓库。

Q:想新增因子? A:在 src/factors.py 的 FACTOR_DIRECTION / FACTOR_LABELS 注册,在 _build_raw_factors() 给原始值,再到 watchlist.yaml 加权重。


🧱 已知限制

  • 仅针对 Windows 做了验证(run_windows.bat / .pyw 启动器 / PyInstaller 配置);Linux、macOS 需自行改启动方式。

  • 免费行情接口随时可能限流或改名(akshare 尤其频繁),代码里已做多级降级,但仍可能出现短时缺数。

  • 美股分时线无可用公开数据源,只有日线。

  • 期权链来自新浪公开接口,深度虚值合约 IV 可能为空(价格过小,反解不收敛)。

  • 不包含任何交易、下单功能。


🤝 参与贡献

见 CONTRIBUTING.md。欢迎提 Issue、补充数据源适配、改进界面。

📄 许可证

MIT © 2026 YG

⚠️ 免责声明

本项目仅供学习与技术研究。行情数据来自第三方公开接口,可能存在延迟、缺失或错误;因子得分与期权理论价均为数学计算结果,不构成任何投资建议。据此操作风险自负。

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Related MCP Connectors

    Related MCP Servers

    • F
      license
      Not graded
      quality
      A
      maintenance
      Enables AI agents to query A-share, US equity, ETF, index, and crypto market data and run technical analysis, fundamentals, money-flow, news, and SEC/A-share filing tools through a unified MCP interface. It also supports CSV/JSON code-export and can be deployed as a standalone HTTP API.
      -
    • F
      license
      Not graded
      quality
      A
      maintenance
      Enables AI agents and backends to access standardized financial market data and analysis tools across A-shares, US equities, ETFs, indices, and crypto, including technical indicators, fundamentals, news, filings, and money flow. It exposes these capabilities through MCP tools and HTTP endpoints, with agent-friendly artifacts and CSV/JSON exports.
      -
    • F
      license
      Not graded
      quality
      A
      maintenance
      Enables AI agents and backends to query A-share, US equity, ETF, index, and crypto market data with technical indicators, fundamentals, money flow, news search, and SEC/A-share filings through MCP tools. Also exposes CSV/JSON code-export endpoints so script-driven agents can pull data without bloating model context.
      -
    • F
      license
      Not graded
      quality
      A
      maintenance
      Enables AI agents and applications to access and analyze A-share, US equity, ETF, index, and crypto market data, including technical indicators, fundamentals, news, filings, money flow, and exportable CSV/JSON datasets through MCP tools and HTTP APIs.
      -