Sequoia-X：收盘后自动扫描技术形态、推送飞书的 A 股量化选股系统

一句话看懂：Sequoia-X 是一个面向 A 股市场的量化选股系统，每天收盘后自动更新全市场日 K 数据、跑多套技术形态策略，并把选出的股票推送到你自己的飞书群里。整个过程约 2~3 分钟，纯本地运行、免费数据源。

今天 GitHub Trending 上这个中文项目很醒目——sngyai/Sequoia-X，一天涨了 60 多 star，累计 6000+。它精准戳中不少 A 股散户的痛点：收盘后到底哪些票走出了值得关注的形态？靠肉眼翻六千只股票根本不现实。Sequoia-X 把这件事自动化了。

它解决了什么问题

在 A 股做”形态选股”，大家通常面临几个拦路虎：

1. 数据要花钱：很多历史行情接口收费、限流，或者有严格的反爬。

2. 复权坑多：除权除息后价格不连续，裸价算形态会算错。

3. 策略写起来繁琐：突破、旗形、洗盘这些形态，每套都是完整逻辑。

4. 运行要靠人盯：每天手动跑脚本、手动看结果，很难坚持。

Sequoia-X 的解法是：数据全部来自免费的 baostock（无需注册、无限流），用 后复权价格规避除权错乱，数据存本地 SQLite 一份就够；策略按 OOP 写好，cron 定时每天收盘自动跑、自动推飞书。落地很完整。

内置了哪些选股策略

项目内置了 6 套常见技术形态策略，各有侧重：

• TurtleTrade（海龟突破）：20 日新高 + 成交额过亿 + 阳线防诱多，按涨幅排序，经典海龟交易思路。
• MaVolume（均线放量突破）：均线多头 + 成交量放大的突破组合。
• HighTightFlag（高窄旗形）：找”高而窄”的旗形整理后突破。
• LimitUpShakeout（涨停洗盘）：涨停之后的洗盘回踩确认。
• UptrendLimitDown（升势跌停反包）：上升趋势中出现跌停后的反包机会。
• RpsBreakout（欧奈尔 RPS 突破）：基于相对强度 RPS 的突破逻辑，牛市选股常用。

每套策略做成独立模块（sequoia_x/strategy/ 下每个文件一套），想做自己的策略，照着 base.py 的抽象基类加一个文件即可，扩展成本不高。

怎么跑起来

环境要求

只需要 Python ≥ 3.10。推荐用 uv 包管理器，也可以用 pip：

uv sync
# 或者
pip install .

配置飞书推送

cp .env.example .env
# 编辑 .env，把飞书群里机器人 Webhook 的 URL 填进去

首次回填全市场历史数据

python main.py --backfill

大约 12 分钟能把 ~5200 只 A 股的历史后复权日 K 数据全部灌进本地 SQLite。

每天收盘后自动运行

python main.py

日常模式会做三件事：8 进程增量补当天数据 → 跑全部策略 → 推送飞书，整体 2~3 分钟完成。

配合 cron 自动执行（每个交易日 19:15 左右）是最省心的用法：

15 19 * * 1-5 cd /root/Sequoia-X && .venv/bin/python main.py >> log.txt 2>&1

工程上几个值得点赞的设计

• OOP + 向量化：不是堆脚本，策略抽象、数据引擎、配置、日志分层清晰，hypothesis 属性测试也配了。
• 增量更新：日常只补增量数据，2~3 分钟跑完全市场，不像很多方案每天全量重灌。
• 后复权存储：历史价不变，适合增量累积，从根上避开除权导致的数据错乱。
• 本地 SQLite：数据文件 data/sequoia_v2.db 拷走就能换机器继续用。
• 规避反爬：明确不碰东方财富类爬虫，用 baostock 免费接口，稳定省心。

使用提醒

量化选股工具是辅助决策，不是稳赚的印钞机。任何”形态模型”都有失效的场景和系统性回撤的可能，尤其 A 股还有涨跌停、政策面等非技术干扰。建议先当信号参考 + 研究素材，别把真金白银完全交给自动策略，更别在没理解策略逻辑前就上高杠杆。

总结

Sequoia-X 是一套很完整的 A 股本地量化选股脚手架：免费数据、后复权规避坑、6 套现成策略、收盘自动跑 + 飞书推送，落地体验成熟。对想在 A 股”把自己平时看的形态选股自动化”的开发者来说，拿来就能跑、想改也好改，是个值得收藏参考的开源项目。

项目信息：https://github.com/sngyai/Sequoia-X ｜ ⭐ 6000+ ｜ Python ｜ MIT