本文是《以AI量化为生》系列的第17篇，记录ATMQuant系统的一次架构升级。

今天花了一天时间重构了指标系统，主要解决了目录结构混乱、扩展困难和macOS崩溃三个问题。一共做了6次提交，下面直接说改了什么。

1. 目录重构：分离图表和指标

以前core/charts/目录里既有图表容器（enhanced_chart_widget.py、dual_chart_widget.py），又有指标实现（boll_item.py、rsi_item.py），混在一起不好管理。

现在拆成两个目录：

core/
├── charts/          # 图表容器和UI组件
└── indicators/      # 技术指标实现

职责清晰了，找代码也快了。涉及15个文件的导入路径调整。

2. 条件导入：解决兼容性问题

新的core/indicators/__init__.py分两部分：

# 基础指标 - 直接导入
from .boll_item import BollItem
from .rsi_item import RsiItem
# ...

# 扩展指标 - try-except
try:
    from .enhanced_volume_item import EnhancedVolumeItem
    __all__.append("EnhancedVolumeItem")
except ImportError:
    pass

这样基础版用户不会因为缺少扩展指标文件而报错，高级版用户有文件就自动导入。

3. .gitignore：否定模式

用否定模式管理指标文件：

core/indicators/*                # 忽略所有
!core/indicators/__init__.py     # 保留基础文件
!core/indicators/boll_item.py
# ... 其他基础指标

以后新增的指标自动被忽略，不用手动维护列表。

4. 动态加载：配置字典管理

在enhanced_chart_widget.py里用配置字典管理扩展指标：

EXTENDED_INDICATORS_CONFIG = {
    "fibonacci": {
        "module": "fibonacci_entry_bands_item",
        "class": "FibonacciEntryBandsItem",
        "type": "main",
        "default_visible": False,
    },
    "zlema": {...},
    "adaptive_macd": {...},
    # 共8个扩展指标
}

启动时自动尝试加载，文件存在就注册到图表，不存在就跳过。用户只需复制文件，不用改代码。

5. 成交量指标：智能降级

try:
    from core.indicators.enhanced_volume_item import EnhancedVolumeItem
    VolumeItem = EnhancedVolumeItem
except ImportError:
    from vnpy.chart import VolumeItem

优先用增强版（带买卖量分解），没有就降级到基础版。

6. 崩溃修复：移除emoji

macOS平台打开K线图会bus error，排查发现是Qt渲染emoji字符的问题。

批量替换：

  • ⚠️ → [ALERT]
  • ▲ → [BUY]
  • ▼ → [SELL]

涉及zlema_item.py、supertrend_item.py等指标文件，还有widget.py的注释。测试代码保留了emoji用于复现问题。

7. 其他调整

  • X轴显示优化：只有最后一个可见副图显示X轴
  • 主图高度：从300调整为250
  • 配置按钮：从"…“改为”[x]"

总结

这次重构的核心是：

  1. 目录结构更清晰
  2. 扩展机制更灵活
  3. 兼容性更好
  4. macOS不崩溃了

本文是《以AI量化为生》系列文章的第17篇，完整代码已开源至GitHub：https://github.com/seasonstar/atmquant

本文内容仅供学习交流，不构成任何投资建议。交易有风险，投资需谨慎。

加入「量策堂·AI算法指标策略」

想系统性掌握策略研发、指标可视化与回测优化？加入我的知识星球，获得持续、体系化的成长支持：

往期文章回顾

《以AI量化为生》系列

《量化指标解码》系列

# 量化交易
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

cover

2026年蚂蚁GEO效果大测评！究竟好不好用，答案即将揭晓

avatar 2048 AI社区
cover

面向AI水泥厂储能系统的功率器件选型分析——以高可靠、高效率的能源转换与管理系统为例

avatar 2048 AI社区

IntelliPro 企业级产研协作平台：数据可视化全流程拆解

本文系统阐述了数据可视化技术全链路实现方案，涵盖从自然语言需求解析到图表交付的核心环节。重点分析了意图识别、实体提取等需求理解技术，数据查询规划与预处理方法，以及图表选型与视觉编码策略。同时提出了性能优化、错误处理和扩展性设计的工程化实现方案，为开发高效可视化系统提供参考。未来可结合LLM提升需求理解深度，增强AI数据解读能力，优化多端交互体验，拓展应用场景。

avatar 2048 AI社区