FQuant 后端项目地图

本文档旨在提供 FQuant.Server 的高层结构概览，明确每个模块的核心职责与功能，作为新开发者快速理解项目的“地图”。

1. `FQData/` - 数据层 (Data Layer)

职责: 项目的数据基础，负责从外部（主要是通达信）获取原始数据，并进行标准化的清洗、转换和存储。

QAFetch/: 数据获取模块。
- QATdx.py: 封装 pytdx，与通达信服务器交互的核心，获取行情数据。
- QAQuery.py, QAQuery_Advance.py: 对原始数据进行二次封装，提供更友好的上层查询接口。
- QACrawler.py: 用于爬取特定网页数据的模块。
QAData/: 数据结构模块。
- QADataStruct.py 等: 定义项目中核心数据对象（如日线、财务数据）的 Pandas DataFrame 标准结构。
- data_resample.py: 提供时间序列数据重采样（如分钟转日线）的工具。
QASU/ (Save/Update): 数据存储与更新模块。
- save_tdx.py 等: 将 QAFetch 获取的数据，按照 QAData 的标准结构，存入 MongoDB。这是实现数据每日增量更新的核心。
QAUtil/: 通用工具模块。
- QADate_trade.py: 强大的交易日期处理工具库。
- 其他工具如日志、数据库连接等。

职责: 基于数据层提供的基础数据，计算各种技术指标和复合因子。

Indicator/: 技术指标库。
- IKDJ.py, IMACD.py 等: 每个文件都是一个独立的技术指标算法实现（如 KDJ, MACD），是所有因子计算的原子单位。
Factor/: 复合因子模块。
- 将 Indicator/ 中的基础指标进行组合，形成更复杂的复合因子（如“KDJ金叉”叠加“MACD红柱”等）。
Analysis/: 因子分析模块。
- 对单个证券的多个因子进行综合分析、计算评分或生成分析结论。

职责: 项目的业务逻辑核心，负责市场分析、策略筛选和模拟回测。

FQUtil/: 市场层工具模块。
- Parameter.py: 项目核心配置文件，定义了绝大部分业务参数、文件路径、阈值和全局变量。
- ToolsGetData.py: 核心数据访问接口，封装了从数据库获取各类预计算数据（如因子、指数、市场数据）的标准方法。
- ToolsSaveData.py: 负责将 FQMarket 计算出的结果（如策略池）保存到数据库或生成供前端使用的 JSON 文件。
StrategyPools/: 策略池生成模块。
- sp_*.py: 包含一系列以 sp_ 开头的独立选股策略文件。每个文件都是一套完整的选股逻辑，是所有回测和推荐的股票来源。
Simulate/: 模拟回测模块。
- CPoolsSimulate.py: 回测引擎的核心，负责驱动整个模拟交易流程。
- CPools_BuyStra.py, CPools_SellStra.py 等: 定义了具体的买入、卖出、仓位管理等可被回测引擎调用的原子化策略组件。
RealTime/: 实时分析模块。
- CAnalysisRealTime.py: 负责在交易时段内，进行实时的市场统计（如成交量预测、涨跌分布）和数据更新。

职责: 任务调度与服务入口。

Celery/: 异步任务调度模块。
- Application.py: Celery 应用的入口点。
- TaskData.py: 定义了所有核心的数据处理定时任务（如每日收盘后的数据下载、因子计算、策略池生成等）。
- TaskMessage.py: 定义了所有消息推送相关的定时任务。
Flask/: 一个临时的测试服务，在开发中可以忽略。