革新性缠论量化平台:chanvis全方位可视化解决方案
chanvis是一款基于TradingView本地SDK构建的缠论量化研究平台,为交易者和研究者提供私有化部署的几何交易分析环境。通过整合多级别K线数据处理、缠论结构智能识别与自定义指标分析功能,该平台彻底打破传统商业软件的功能限制,让专业级缠论可视化分析触手可及。
打造专属分析环境:从零开始的部署指南
💡 核心优势:完全本地化部署确保数据安全,无功能限制的缠论分析工具链,支持多流派缠论体系兼容
环境准备清单
- Node.js 14.0+(前端界面运行环境)
- Python 3.7+(后端数据处理服务)
- MongoDB 4.0+(金融数据存储引擎)
快速启动流程
- 获取项目源码
git clone https://gitcode.com/gh_mirrors/ch/chanvis
cd chanvis
-
配置TradingView核心组件
- 下载官方charting_library SDK
- 解压至
ui/public/put-charting-library-here目录 - 配置datafeeds文件至
ui/public/put-datafeeds-here
-
启动前端可视化界面
cd ui && npm install && npm run serve
- 部署后端数据服务
cd api && pip install -r requirements.txt && python chanapi.py
- 导入示例数据
cd hetl/hmgo && bash restore_chanvis_mongo.sh
技术架构解密:前后端分离的创新设计
🚀 架构亮点:模块化设计实现功能解耦,前后端通过API无缝衔接,支持自定义扩展与二次开发
chanvis采用现代化的分层架构设计,主要包含三大核心模块:
前端可视化层
基于Vue.js构建的单页应用,核心组件位于ui/src/components/ChanContainer.vue,实现了:
- 多时间周期K线展示
- 缠论结构实时绘制
- 自定义指标叠加分析
- 交互式图表操作界面
后端服务层
通过api/chanapi.py提供RESTful接口,核心功能包括:
- 多级别K线数据查询
- 缠论结构识别算法
- 指标计算引擎
- 数据缓存与优化
数据存储层
采用MongoDB存储各类金融数据,主要数据文件位于data/目录下,包括:
- 历史K线数据(如
data/stock/stk_000001.XSHG_1d.bson) - 缠论分析结果
- 系统配置信息
图:chanvis平台展示的多级别缠论结构分析界面,包含本质线段、中枢及买卖点标记
核心功能体验:专业级缠论分析工具集
无限画图技术
突破传统平台限制,支持:
- 任意复杂度的笔、线段、中枢绘制
- 多层技术指标同屏叠加
- 自定义几何图形标注
- 多级别联立分析视图
智能缠论识别
通过utils/nlchan.py实现的核心算法,提供:
- 本质线段自动识别
- 动态中枢构建
- 买卖点信号标注
- 多周期走势联动分析
历史行情回放
内置行情回放系统,适用于:
- 交易策略验证
- 缠论教学演示
- 历史走势复盘
- 模拟交易训练
常见场景解决方案:从研究到实战的全流程支持
缠论教学与学习
场景需求:直观展示缠论结构,帮助理解复杂概念
解决方案:利用多级别同步显示功能,清晰展示笔、线段、中枢的形成过程,通过历史回放功能演示走势演化规律
量化策略开发
场景需求:验证基于缠论的交易策略有效性
解决方案:通过api/symbol_info.py扩展支持自定义品种,结合hetl/stock/get_jqdata.py获取历史数据,进行策略回测
实盘交易辅助
场景需求:实时监控多品种缠论信号
解决方案:配置实时数据接入,利用平台预警功能监控预设的缠论买卖点条件,辅助交易决策
传统方案对比:为什么选择chanvis
| 特性 | 传统商业软件 | chanvis开源方案 |
|---|---|---|
| 功能限制 | 付费解锁高级功能 | 完全开放无限制 |
| 数据安全 | 依赖第三方服务器 | 本地存储保障安全 |
| 扩展性 | 有限插件支持 | 完全自定义开发 |
| 成本投入 | 高昂订阅费用 | 免费开源 |
| 学习曲线 | 复杂专业术语 | 直观可视化界面 |
个性化扩展指南:打造专属分析工具
功能扩展路径
- 新增指标:修改
ui/src/components/ChanContainer.vue添加自定义指标计算逻辑 - 数据接入:扩展
api/symbol_info.py支持新的交易品种 - 算法优化:改进
utils/nlchan.py中的缠论识别算法 - 界面定制:调整
ui/src/main.css实现个性化界面风格
进阶应用建议
- 结合机器学习算法预测缠论结构演化
- 开发移动端适配界面
- 构建多用户协作分析系统
- 对接实盘交易接口实现自动交易
通过chanvis开源平台,无论是缠论初学者还是专业量化研究者,都能构建属于自己的专业分析环境,将几何交易理论转化为可视化的交易决策工具。立即部署体验,开启缠论量化研究的全新可能!
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
