CopoHub Trending

sngyai/Sequoia-X

A股自动选股系统 — 多种技术形态自动扫描,收盘后自动运行并推送飞书

Python · ★ 6,434 · Fork 1,304 · 在 GitHub 查看

在手机上浏览源码、订阅每日 AI 趋势日报与项目架构深度解读:获取 CopoHub 客户端(iOS & HarmonyOS)→

GitHub Trending 上榜记录

sngyai/Sequoia-X 已在 GitHub Trending 每日榜单上榜 2 天,最高排名第 4,首次上榜 2026-09-02,最近一次上榜 2026-09-03。

日期排名Star当日增长
2026-09-03#56,434+63
2026-09-02#46,015+195

同期上榜的项目

Sequoia-X 项目深度剖析与商业评估报告

Sequoia-X 项目深度剖析与商业评估报告

1. 核心定位与商业落地价值

1.1 根本痛点解决

Sequoia-X 精准切入 A 股个人及中小型量化团队的三大核心痛点:

数据获取成本壁垒:通过 baostock 免费数据源 + 本地 SQLite 存储,将全市场 5200+ 只股票的历史日 K 数据获取成本降至零,规避了 Wind、聚宽等商业数据源的高昂订阅费用及东方财富等免费接口的反爬封锁。 技术形态识别的工程化门槛:将海龟突破、高窄旗形、涨停洗盘等经典技术形态封装为可复用的策略基类,大幅降低了策略开发者的入门门槛。 自动化闭环缺失:内置收盘后自动执行 + 飞书推送链路,解决了"选股结果无法及时触达决策者"的最后一公里问题。

1.2 商业落地场景

个人投研辅助工具:作为自用选股信号发生器,辅助人工决策,降低信息检索时间成本。 中小私募/工作室策略原型验证:作为策略快速回测与信号产生的脚手架,验证形态因子有效性后迁移至商业平台。 投教/内容创作工具:为财经自媒体提供每日选股素材,生成可追溯的量化信号内容。 企业内部投研平台的数据层补充:作为低成本的 A 股日线数据备援管道,与主数据源形成灾备冗余。

1.3 竞品差异化与护城河

查看完整 AI 分析 →

在 README 中展示上榜徽章

GitHub Trending

[![GitHub Trending](https://github.fq6825.top/badge/sngyai/Sequoia-X.svg)](https://github.fq6825.top/repo/sngyai/Sequoia-X)