1. 项目定位与用途
Grider 是一款专业的 ETF 网格交易策略分析 Web 应用，面向需要进行量化分析的投资者群体。其核心定位是提供从策略设计、参数优化、历史回测到风险评估的全流程分析工具，帮助用户系统化地验证网格交易策略的有效性。用户可以通过本工具输入 ETF 代码，配置网格参数（如网格类型、数量、资金分配等），系统将自动计算最优参数建议，并基于历史数据进行精确回测，最终输出包含收益率、最大回撤、夏普比率等在内的多维度性能报告，支持 Excel 导出与结果分享。
项目档案应用项目
Grider - 专业ETF网格交易策略分析工具 | 支持5分钟K线回测与参数优化 | Docker一键部署
jorben/grider：Grider 是一款专业的 ETF 网格交易策略分析 Web 应用，基于 React 前端与 Flask 后端构建，提供智能网格计算、5 分钟 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
Grider 是一款专业的 ETF 网格交易策略分析 Web 应用，基于 React 前端与 Flask 后端构建，提供智能网格计算、5 分钟 K 线回测、多维度风险评估和参数优化功能，帮助投资者量化分析策略表现。
中文项目介绍
Grider 是一款专为 ETF 投资者设计的网格交易策略分析 Web 应用，旨在解决投资者在实施网格交易时缺乏系统化分析工具的痛点。通过提供策略参数自动优化、历史数据回测验证、多维度风险评估和性能指标计算，帮助用户量化分析网格交易策略的风险与收益表现，从而辅助投资决策并降低试错成本。
本工具适用于需要精细化管理 ETF 投资的场景，用户可为特定 ETF 产品设计网格交易策略，使用历史 5 分钟 K 线数据进行多周期回测，对比不同参数配置的表现差异，并基于 A 股、港股、美股市场的实时行情模拟进行策略验证。
技术架构上，Grider 采用前后端分离设计：前端基于 React 18.2.0 + Vite 5.0.8 构建，使用 Tailwind CSS 3.3.6 实现响应式界面，Recharts 3.2.1 提供数据可视化；后端采用 Flask 框架与 Python 3.13+，核心包含回测引擎、交易逻辑、手续费计算器和指标计算器等模块。系统支持 Docker 容器化部署与本地开发两种方式，数据源集成 Tsanghi API 以获取多市场历史行情与交易日历。
详细信息与使用说明
2. 解决的问题
网格交易策略在实际应用中常面临参数选择困难、历史表现未知、风险难以量化等问题。Grider 针对这些痛点提供系统化解决方案：首先，通过智能算法自动计算等差/等比网格参数，并基于 ATR 动态调整网格间距，解决参数优化难题；其次，集成基于 5 分钟 K 线的回测引擎，精确模拟买卖触发与成交逻辑，让用户清晰了解策略在历史市场中的表现；再次，内置风险评估模型与适宜度评分系统，从收益、风险、交易频率等多维度评估策略可行性；最后，支持多市场数据源与实时行情模拟，确保分析覆盖 A 股、港股、美股等主要市场。
3. 适用场景
Grider 适用于以下场景：个人投资者在买入 ETF 前希望验证网格策略的盈利潜力与风险水平；量化爱好者需要系统化工具进行策略回测与参数调优；理财顾问需为客户提供专业的策略分析报告。典型用户包括：ETF 定投者希望优化网格参数以提高收益；波段交易者需要评估策略在不同市场周期下的表现；投资教育者用于演示网格交易原理与风险特征。工具支持从基础参数配置到高级回测分析的全流程，既适合新手快速上手，也满足专业用户的深度分析需求。
4. 安装部署指南
Grider 支持 Docker 容器化部署与本地开发两种方式。Docker 部署（推荐）：克隆项目后执行 `docker-compose up -d`，服务将在 http://localhost:5000 启动，无需额外配置。本地开发需分别启动前后端：后端基于 Python Flask，进入 backend 目录后运行 `uv sync` 安装依赖，复制 `.env.example` 为 `.env` 并配置 Tsanghi API 密钥等环境变量，最后执行 `uv run main.py` 启动；前端基于 React + Vite，进入 frontend 目录后运行 `npm install` 安装依赖，执行 `npm run dev` 启动开发服务器（默认 http://localhost:3000）。生产环境建议使用 Gunicorn 运行后端，并通过 `npm run build` 构建前端静态文件。
5. 使用方式与操作流程
使用 Grider 进行策略分析遵循清晰流程：第一步，在搜索框输入 ETF 代码或名称选择目标产品，系统支持 A 股、港股、美股市场的 ETF；第二步，配置网格参数，包括投资资金总额、网格类型（等差/等比）、网格层数（建议 5-20 层）、风险系数和调整系数等，系统会提供参数优化建议；第三步，查看分析报告，包括策略概述、风险评估（含适宜度评分）、历史回测交易记录明细，以及收益率、年化收益、最大回撤、夏普比率、胜率等关键性能指标；第四步，可将回测结果导出为 Excel 文件或生成分享链接，便于后续分析或团队协作。
6. 技术实现特点
Grider 的技术实现具有模块化与可扩展性特点。后端采用分层架构：算法层包含 BacktestEngine（回测引擎）、TradingLogic（交易逻辑）、FeeCalculator（手续费计算）和 MetricsCalculator（指标计算）；服务层通过 BacktestService 整合数据获取、回测执行与指标计算；接口层提供标准化 RESTful API。前端采用组件化设计，核心分析页面包含策略配置、回测标签页（含指标卡片与双图表组件）、交易明细等模块。关键创新在于倍数委托机制与 ATR 动态网格调整，前者在 K 线扫描时根据价格偏离倍数触发委托，后者根据市场波动率自动优化网格间距，提升策略适应性。系统通过单元测试与集成测试保障代码质量，测试覆盖率要求≥80%。
思维导图
Grider
前端技术栈
React 18.2.0
Vite 5.0.8
Tailwind CSS 3.3.6
Recharts 3.2.1
Axios 1.6.0
后端技术栈
Flask
Python 3.13+
回测引擎
指标计算器
核心功能模块
网格策略分析
历史回测系统
风险评估模型
参数优化建议
部署与运行
Docker Compose
本地开发
环境配置
数据支持
A股/港股/美股
Tsanghi API
5分钟K线
交易日历
常见问题
Grider 是什么？适合哪些投资者使用？
Grider 是一款专业的 ETF 网格交易策略分析 Web 应用，适合需要进行量化分析的投资者，包括 ETF 定投者、波段交易者和量化爱好者。它提供从策略设计、参数优化、历史回测到风险评估的全流程分析工具。
如何部署和运行 Grider？
推荐使用 Docker 部署：克隆项目后执行 `docker-compose up -d`，访问 http://localhost:5000 即可。本地开发需分别启动前后端：后端运行 `uv run main.py`，前端运行 `npm run dev`，详细步骤见安装指南。
支持哪些市场和数据源？
Grider 支持 A 股、港股、美股三大市场的 ETF 和股票分析，数据源主要集成 Tsanghi API，提供 5 分钟 K 线历史数据和交易日历，确保数据准确性。
回测功能基于什么数据？能模拟多久的历史？
回测基于 5 分钟 K 线数据进行精确模拟，支持 30-120 个交易日的详细回测分析，能够真实还原网格交易的买入卖出逻辑和成交过程。
网格策略参数如何优化？是否提供建议？
系统提供智能参数优化功能，包括网格数量、风险系数、调整系数等参数的自动计算与建议，并基于 ATR（平均真实波动率）实现动态网格调整，帮助用户找到更优策略配置。