1. 项目定位与用途
Trading_Strategy 是一个开源全栈 Web 应用，定位为交易策略的交互式学习平台。它基于学术论文《151 Trading Strategies》构建，覆盖 79 种真实交易策略（包括 58 种期权策略和 21 种股票策略），旨在为用户提供从理论认知到实践应用的一站式教育解决方案。用户可通过浏览策略库、跟随结构化课程、完成测验以及使用收益可视化工具，系统性地掌握复杂交易策略的原理与操作方法。
项目档案应用项目
KellanFinney/Trading_Strategy 是什么？用途、安装与使用指南
KellanFinney/Trading_Strategy：Trading_Strategy 是一个基于 FastAPI 和 React 的全栈 Web 应用，旨在通过交互式课程、测验和收益可视化工具，帮本页整理它解决什么问题、适用场景、安装方式和使用方法。
AI 总结
Trading_Strategy 是一个基于 FastAPI 和 React 的全栈 Web 应用，旨在通过交互式课程、测验和收益可视化工具，帮助用户系统掌握 Kakushadze & Serur 论文中的 151 种交易策略。
中文项目介绍
Trading_Strategy 是一个全栈交易策略学习平台，基于 Kakushadze & Serur 的《151 Trading Strategies》论文构建，涵盖 79 种期权与股票策略（58 种期权 + 21 种股票）。
项目核心功能包括：策略库（支持筛选、公式展示与详细描述）、学习路径（14 门渐进式课程）、测验引擎（多选题、评分与解析）、收益可视化（交互式期权 payoff 图构建器）、术语表（156 个可搜索交易术语）以及进度仪表盘（跟踪学习成果与掌握度）。
技术架构上，后端采用 Python 3.11+、FastAPI、SQLAlchemy、SQLite 和 NumPy，提供 RESTful API；前端使用 React 18、Vite、Plotly.js 和 KaTeX，实现响应式交互界面。数据库首次启动时自动创建并播种种子数据。
该项目适用于金融交易教育、量化策略自学、交易员技能认证准备以及高校金融课程辅助，旨在解决传统学习资源分散、缺乏系统性实践的问题，通过结构化内容与即时反馈，提升学习效率。
详细信息与使用说明
2. 解决的问题
传统交易策略学习往往面临资源分散、缺乏系统性练习和即时反馈的问题。Trading_Strategy 通过整合论文中的策略为结构化课程，配合交互式测验（含答案解析）和动态 payoff 可视化，将抽象策略转化为可操作的学习模块。这解决了学习者难以将理论应用于实际场景的痛点，降低了金融知识门槛，使复杂策略更易理解和记忆。
3. 适用场景
本项目主要适用于：1) 金融交易初学者与进阶者，希望系统学习期权与股票策略；2) 量化交易自学者，需要实践导向的教材；3) 准备专业交易认证（如 CFA、FRM）的人员，作为策略复习工具；4) 高校金融课程师生，用于辅助教学或作业。其交互式设计也适合交易培训机构和在线教育平台集成使用。
4. 安装方式
项目采用前后端分离架构，需分别安装：后端基于 FastAPI，进入 backend 目录后，执行 python3 -m venv venv 创建虚拟环境，激活后运行 pip install -r requirements.txt 安装依赖，最后用 uvicorn app.main:app --reload --port 8000 启动服务；前端基于 React + Vite，进入 frontend 目录，运行 npm install 安装依赖，再用 npm run dev 启动开发服务器。具体步骤详见 README.md。
5. 使用方式
启动后端（端口 8000）和前端（端口 5173）服务后，在浏览器访问 http://localhost:5173 进入应用主页。通过顶部导航栏可访问主要功能：策略库页面用于浏览和筛选 79 种策略；课程页面展示 14 门渐进式 lesson；测验页面完成配套 quiz；收益可视化页面构建交互式 payoff 图；术语表页面搜索 156 个交易术语；进度仪表盘查看个人学习统计与掌握度。
6. 补充说明与实现特点
技术栈：后端 Python 3.11+、FastAPI、SQLAlchemy ORM、SQLite 数据库、NumPy 数值计算；前端 React 18、Vite 构建工具、Plotly.js 图表库、KaTeX 公式渲染。数据库首次启动自动创建并播种 JSON 种子数据（位于 backend/seed/）。API 设计遵循 RESTful 风格，提供策略、课程、测验、进度跟踪和收益计算等端点。前端组件化开发，服务层封装 API 调用，确保前后端分离。项目未明确提及用户认证系统，进度跟踪可能基于本地存储或简单会话。
思维导图
Trading_Strategy 全栈学习平台
后端服务 (FastAPI)
策略管理 API (/api/strategies/)
课程与测验 API (/api/lessons/, /api/quizzes/)
进度跟踪 API (/api/progress/)
收益计算 API (/api/simulator/payoff)
前端应用 (React + Vite)
策略库页面 (浏览、筛选、公式)
学习路径页面 (14 门课程)
测验引擎页面 (答题、评分)
收益可视化页面 (交互式图表)
术语表页面 (搜索 156 个术语)
进度仪表盘 (掌握度跟踪)
数据层
SQLite 数据库 (自动创建)
种子数据 (JSON 格式)
核心功能模块
79 种交易策略库 (58 期权 + 21 股票)
渐进式课程体系 (期权与股票模块)
交互式 payoff 图构建器
可搜索术语表 (156 条)
常见问题
Trading_Strategy 项目的主要目标是什么？
帮助用户系统掌握《151 Trading Strategies》论文中的交易策略，通过交互式课程、即时测验和动态收益可视化，提供从理论到实践的一站式学习体验，降低金融策略学习门槛。
如何安装和运行 Trading_Strategy？
后端：进入 backend 目录，创建虚拟环境，安装 requirements.txt 依赖，运行 uvicorn app.main:app --reload --port 8000；前端：进入 frontend 目录，运行 npm install 和 npm run dev。详细步骤见 README.md。
项目包含哪些核心功能模块？
包括策略库（79 种策略浏览与筛选）、学习路径（14 门渐进课程）、测验引擎（多选题与评分）、收益可视化（交互式 payoff 图）、术语表（156 个可搜索术语）和进度跟踪仪表盘。
技术栈使用哪些主要技术？
后端：Python 3.11+、FastAPI、SQLAlchemy、SQLite、NumPy；前端：React 18、Vite、Plotly.js、KaTeX；数据库首次启动自动创建并播种种子数据。
是否支持多用户或账户系统？
仓库中未明确给出多用户认证或账户管理功能。进度跟踪功能可能存在，但具体实现（如基于本地存储或会话）需查看代码确认。