首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >从资产配置到可视化:零依赖 Python 构建长期持仓看板

从资产配置到可视化:零依赖 Python 构建长期持仓看板

原创
作者头像
用户12915571
发布于 2026-11-21 21:27:14
发布于 2026-11-21 21:27:14
40
举报

摘要:本文以“长持看盘”项目为案例,讲解如何仅用 Python 标准库和原生前端,打造一个集多源行情容灾、技术指标信号、真实持仓驱动的买入建议、再平衡纪律、K 线与收益可视化于一体的私人资产配置看板。不依赖任何第三方 Web 框架或前端构建工具,适合想管理自己长期组合的个人投资者与 Python 爱好者。

推荐标签:Python、资产配置、数据可视化、量化、Canvas、个人理财


一、背景与目标

长期持有指数基金和低波动资产,最大的敌人往往不是市场波动,而是“拿不住”和“没有纪律”。我们希望有一个看板能回答四个问题:

  1. 我现在的持仓和目标比例差多少?
  2. 下一次该买什么、买多少?
  3. 市场处在什么位置,有没有金叉/银叉信号?
  4. 什么时候该做再平衡,把组合拉回战略配置?

于是就有了这个项目:6 只标的(沪深300ETF、长江电力、黄金ETF、国债ETF、红利ETF、短融ETF),目标比例固定(22/13/13/30/12/10),所有数据本地计算,不依赖付费行情接口。


二、最终效果


三、技术架构

代码语言:javascript
复制
┌──────────────┐   东方财富主源    ┌──────────────────┐
│ 行情数据接口 │ ←───────────────→ │ market.py        │
│ 新浪/腾讯备源 │ ←───────────────→ │ 多源容灾 + 缓存  │
└──────────────┘                    └────────┬─────────┘
                                             │
                    ┌────────────────────────┼────────────────┐
                    ↓                        ↓                ↓
            ┌──────────────┐        ┌──────────────┐  ┌──────────────┐
            │ 信号与指标   │        │ 建议买入算法 │  │ 再平衡算法   │
            │ MA/金叉/银叉 │        │ 缺口/剩余期数 │  │ 年度/偏离触发│
            └──────┬───────┘        └──────┬───────┘  └──────┬───────┘
                   └────────────────────────┼─────────────────┘
                                            ↓
                                  ┌──────────────────┐
                                  │ app.py JSON API  │
                                  │ http.server      │
                                  └────────┬─────────┘
                                           ↓
                                  ┌──────────────────┐
                                  │ 原生前端 + Canvas│
                                  └──────────────────┘

技术选型仍然坚持“零依赖”:

  • 后端:http.server.ThreadingHTTPServer,端口 8766。
  • 行情:东方财富为主,新浪、腾讯为备,失败时返回缓存的 stale 数据并标注 stale: true。
  • 前端:原生 JS + Canvas 手写 K 线、均线、饼图,无 ECharts。
  • 配置:config.json 管理目标比例、鉴权 token、持仓等。
  • 缓存:market_cache.json,行情失败时兜底。

四、核心实现

4.1 多源容灾与 stale fallback

行情接口经常限流,尤其是东方财富。我们用重试 + 备源 + 缓存三级容错:

代码语言:javascript
复制
def _http_json(url, retries=3):
    for i in range(retries):
        try:
            with urllib.request.urlopen(url, timeout=8) as resp:
                return json.loads(resp.read().decode("utf-8"))
        except Exception:
            if i == retries - 1:
                raise

在 build_data() 里,如果主源和备源都失败:

代码语言:javascript
复制
try:
    data = fetch_quote()
except Exception as exc:
    stale = load_cache()
    stale["stale"] = True
    stale["stale_reason"] = str(exc)
    data = stale

这样即使网络异常,看板也不会白屏,只是顶部提示“数据可能延迟”。

4.2 技术指标与金叉/银叉

indicators(klines) 计算 MA5、MA20,前端 app.js 里用 Canvas 绘制并在交叉点打标:

代码语言:javascript
复制
var ma5 = calcMA(bars, 5), ma20 = calcMA(bars, 20);
for (var i = 1; i < bars.length; i++) {
  var prevDiff = ma5[i - 1] - ma20[i - 1];
  var curDiff = ma5[i] - ma20[i];
  if (prevDiff <= 0 && curDiff > 0) drawCrossMark(ctx, bars[i], "金叉", "#e74c3c");
  else if (prevDiff >= 0 && curDiff < 0) drawCrossMark(ctx, bars[i], "银叉", "#2ecc71");
}

signal_score(ind, is_defensive) 根据均线排列、量能、偏离度给出一个综合分数,作为辅助信号,不直接给出买卖指令。

4.3 真实持仓驱动的“下一次建议买入”

这是项目最有业务价值的算法。它不是简单地说“每月定投 X 元”,而是根据当前持仓和目标缺口动态计算:

代码语言:javascript
复制
gap = max(0.0, target_amt - bought)
remain_periods = max(1, installments_now - int(bought / base_inst))
suggest = round(min(gap, gap / remain_periods * factor)) if gap > 0 else 0

含义:

  • gap:距离本期目标金额还差多少;
  • remain_periods:按照当前已买期数推算还剩几期;
  • factor:加速或减速系数,默认 1.0,可在配置里调;
  • 最终建议是“补足缺口”和“按期均摊”两者取小,避免一次性买太多。

compute_trade_advice(holdings, capital) 会对 6 只标的分别输出建议金额,前端渲染成“下一次建议买入”卡片。

4.4 再平衡纪律

compute_rebalance(data, positions_updated_at) 判断两个触发条件:

  1. 年度触发:距离上次再平衡超过 12 个月;
  2. 偏离触发:实际比例偏离目标超过 ±5 个百分点。
代码语言:javascript
复制
dev = round(actual_pct - r["target_pct"], 2)
delta = round(total_value * r["target_pct"] / 100 - r["cur_value"], 2)
result["triggered"] = result["annual_due"] or result["breach"]

delta 为正表示要加仓,为负表示要减仓。前端把结果画成表格,并按目标比例从高到低排序。

4.5 收益计算

calc_returns(klines) 基于 K 线算区间收益率,position_period_returns(holdings) 算每只标的在持有期间的收益,simulate_portfolio(holdings, capital) 按目标比例模拟一个理想组合的走势,用于和真实组合对比。

前端对应两个容器:

代码语言:javascript
复制
<div class="stock-returns" id="stockReturns"></div>
<div class="stock-returns" id="simStockReturns"></div>

所以只要改一处 CSS,真实和模拟收益都会同步变成 3 列 2 排:

代码语言:javascript
复制
.stock-returns {
  display: grid;
  grid-template-columns: repeat(3, 1fr);
  gap: 12px;
}
@media(max-width:1200px) and (min-width:861px) {
  .stock-returns { grid-template-columns: repeat(2, 1fr); }
}

4.6 响应式与 iPad 适配

市场速览从 4 列改为 6 列,两排 12 张卡:

代码语言:javascript
复制
.brief-grid { display: grid; grid-template-columns: repeat(6, 1fr); gap: 12px; }
@media(max-width:1280px) and (min-width:861px) {
  .brief-grid { grid-template-columns: repeat(3, 1fr); }
}

iPad 竖屏(761–1023px)专门断点:

代码语言:javascript
复制
@media(min-width:761px) and (max-width:1023px) {
  .holdings, .plan-grid { grid-template-columns: repeat(2, 1fr); }
  .stock-returns { grid-template-columns: repeat(2, 1fr); }
  .brief-grid, .brief-gold { grid-template-columns: repeat(3, 1fr); }
  .flow-grid { grid-template-columns: repeat(4, 1fr); }
}

两个 index.html 都已经有 <meta name="viewport" content="width=device-width, initial-scale=1.0" />,所以断点生效的关键在 CSS,不在 HTML。


五、部署上线

  1. 上传项目到 /opt/stock-advisor,配置 config.json 中的持仓与目标比例。
  2. systemd 服务:
代码语言:javascript
复制
[Unit]
Description=Stock Advisor
After=network.target

[Service]
WorkingDirectory=/opt/stock-advisor
ExecStart=/usr/bin/python3 /opt/stock-advisor/app.py
Restart=always

[Install]
WantedBy=multi-user.target
  1. 启动并放行 8766 端口:
代码语言:javascript
复制
systemctl daemon-reload
systemctl enable --now stock-advisor
systemctl status stock-advisor
  1. 桌面快捷方式同样使用 /auto-login?token=<你的auto_login_token> 实现免密。

六、踩坑记录

问题

原因

解决

东方财富接口偶发 403

请求频繁被限流

主源失败自动切新浪/腾讯备源

缓存数据被当成实时数据

没有标记 stale

缓存返回时加 stale: true 和原因

iPad 上收益卡片挤压

断点只写了 1200px

增加 761–1023px 专属断点

模拟收益没有跟着变

两个容器共用 class

统一改 .stock-returns 即可


七、总结

这个项目的核心不是“预测涨跌”,而是把纪律变成可执行的数字:

  • 用多源容灾保证数据不断;
  • 用技术指标提供语境,而不是替代判断;
  • 用持仓缺口算法给出“下一次买多少”;
  • 用再平衡规则把组合拉回长期战略配置。

从工程角度看,它同样证明了零依赖方案的可行性:Python 标准库 + 原生前端,足以支撑一个功能完整、体验良好的个人金融看板。

合规提示:本文仅分享技术实现,不构成任何投资建议。投资有风险,决策需谨慎。公开发布时请替换真实持仓、token 与服务器 IP 为占位符。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 一、背景与目标
  • 二、最终效果
  • 三、技术架构
  • 四、核心实现
    • 4.1 多源容灾与 stale fallback
    • 4.2 技术指标与金叉/银叉
    • 4.3 真实持仓驱动的“下一次建议买入”
    • 4.4 再平衡纪律
    • 4.5 收益计算
    • 4.6 响应式与 iPad 适配
  • 五、部署上线
  • 六、踩坑记录
  • 七、总结
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档