📈 Stock Signal Analyzer

AI-powered self-learning trading signal system

Многофакторный анализ • LLM sentiment • Самообучение на outcomes • Telegram бот • REST API

💡 Что это

Stock Signal Analyzer — система анализа торговых сигналов с самообучением. Анализирует акции по 7+ факторам, генерирует готовые торговые планы с entry/stop/targets, автоматически отслеживает результаты и учится на своих ошибках через AI-модель.

В отличие от обычных скринеров:

🧠 Самообучение — каждые 6 часов анализирует прошлые сигналы через IC (Information Coefficient) + LLM, корректирует веса компонентов
🤖 AI анализ новостей — Ollama Cloud API или локальный Ollama (qwen2.5:1.5b) понимает финансовый контекст
📊 8 факторов — техника, импульс, новости, объём, макро-данные, квант-модели, real-time price
🧠 Kronos Foundation Model — PyTorch-трансформер для прогноза цены по свечам (только /signal, не скринер)
🏛️ Режим рынка — автоопределение bull/bear/sideways для адаптивных порогов и риск-менеджмента
🎯 Торговые планы — entry, stop, два targets, R:R ≥ 1.5, ATR-based position size
📉 Chandelier trailing stop — динамический стоп на основе ATR (Chuck LeBeau)
📊 Бэктест с графиками — equity curve, drawdown, monthly returns, PnL distribution, tier stats
📡 TradingView webhook — принимайте алерты из TradingView и усиливайте SSA-анализом
📱 Telegram + REST API — получайте сигналы куда удобно
✅ Три режима фильтрации — Conservative (только A, conf≥0.55, ADX>25), Balanced (A/B, conf≥0.50), Aggressive (A/B, conf≥0.45, без недельного тренда). Фильтр применяется к уведомлениям и dashboard
🔔 Календарная дедупликация — 1 уведомление на тикер за сутки UTC, независимо от часового пояса

📖 Как работает анализ (для новичков)

Бот анализирует акцию по 8 факторам, объединяет их в итоговый score и выдает готовый торговый план.

Что такое /signal

Команда /signal AAPL (или /signal SBER.ME) делает полный анализ одного тикера:

Загружает историю — котировки за 12+ месяцев.
Считает 8 факторов — каждый дает оценку от −1 (медвежий) до +1 (бычий).
Объединяет — итоговый score (−1…+1).
Строит торговый план — entry, stop, target 1, target 2, размер позиции.
Проверяет макро — ближайшие важные события (Fed, CPI, и т.д.).

8 факторов (что каждый означает)

Фактор	Что оценивает	Пример значения
Техника	RSI, MACD, скользящие средние, BB, паттерны	+0.35 — бычий MACD, цена выше SMA50
Импульс	Доходность за 5/10/20 дней, ускорение	−0.15 — за 20 дней −2%, но ускорение +1%
Новости	Финансовый сентимент через LLM (FinBERT)	+0.20 — заголовки позитивные, compound +0.12
Объём	CMF (денежный поток), отношение к среднему	−0.30 — объём низкий, деньги уходят
Макро	Ближайшие релизы (Fed, CPI, GDP)	×0.95 — через 24ч CPI, повышенная осторожность
Квант-модели	MTF momentum, z-score, тренд, режим волатильности	−0.10 — 3M momentum −12%, MA stack медвежий
Real-time	Текущая цена MOEX/Т-Банк, VWAP, POC	+0.05 — last ≈ VWAP, нет отклонения
Kronos FM	PyTorch-трансформер прогнозирует цену по свечам	+0.80 — модель видит +3.5% за 5 дней

Что выдает отчет

После анализа ты получаешь сообщение в Telegram:

Итог: +0.250 (−1…+1), до макро: +0.263

Итог — суммарная сила сигнала. Чем выше по модулю, тем сильнее.
До макро — score до применения макро-коэффициента.

Класс качества: B

A — сильный, чистый сигнал (|score| ≥ 0.30, согласованность ≥ 0.60, ADX > 25).
B — средний, можно входить, но с осторожностью.
C — слабый или противоречивый. Лучше не входить, только наблюдать.

Согласованность: 0.72

1.0 = все 8 факторов в одну сторону.
0.5 = половина за, половина против.
Чем ниже, тем больше противоречий.

Торговый план

Entry — цена входа (текущая или лучшая).
Stop — стоп-лосс, рассчитан по ATR (1.5×ATR от цены).
Target 1 — первая цель, закрыть 50% позиции.
Target 2 — вторая цель, закрыть остаток.
R:R — соотношение риск/прибыль (всегда ≥ 1.5).
Позиция — рекомендуемый % от капитала (например, 5%).

Компоненты подробно Каждый фактор расписан отдельно:

Техника: RSI=32, MACD медвежий, паттерн "треугольник нисходящий"
Импульс: 5д −0.6%, 10д −3.6%, ускорение +2.3%
Новости: 55 заголовков, сентимент нейтральный
Объём: CMF −0.20, объём 0.02× от среднего

Квант-модели

MTF momentum — доходность за 1М/3М/6М/12М.
Trend — MA stack (−1 = цена ниже всех MA).
Z-score — отклонение от среднего (Z < −1 = недооценка).
Vol regime — текущая волатильность vs медиана.
Cross-asset — VIX, DXY, US10Y (влияние макро).

🧠 Kronos FM

Показывается только в /signal (не в /screen).
5d pred: +3.46% — модель предсказывает рост на 3.46% за 5 дней.
Score клипается в [−1, +1]. Вклад в итог: вес × score (вес 0.05–0.25, адаптивный).

Макро

Список ближайших релизов (Fed, CPI, GDP, и т.д.) за 48 часов.
Если есть критичные события — макро-коэффициент < 1.0 (снижает score).

Вывод простым языком

Поддержка / сопротивление — ближайшие уровни.
Рекомендация: "Продавать" или "Покупать".
Объяснение: почему такая оценка.

Что такое /screen

/screen сканирует список акций (голубые фишки или твой watchlist) и показывает только те, у которых score выше порога. Kronos FM не работает в /screen — только для скорости.

Самообучение (почему система умнеет)

Каждые 6 часов:

Система смотрит на прошлые сигналы — какие сработали (win_t1, win_t2), какие нет (loss).
Считает IC (Information Coefficient) для каждого фактора — насколько он предсказывает результат.
LLM (Ollama/gemma3:4b) анализирует топ-5 wins и losses, ищет паттерны.
Корректирует веса: факторы с положительным IC получают больше веса, с отрицательным — меньше.

Пример из отчета:

↑ Импульс: ×1.13 (доверять больше)
↓ Объём: ×0.86 (доверять меньше)

Режим рынка (bull / bear / sideways)

Система автоматически определяет режим по индексу (IMOEX.ME / SPY):

Bull — бычий рынок, агрессивные targets, стопы шире.
Bear — медвежий рынок, только short, стопы уже, позиция меньше.
Sideways — флэт, осторожность, position size −15%.

📋 Требования

Компонент	Минимум	Рекомендуется
Python	3.11+	3.12
RAM	2 GB	4 GB
Диск	5 GB	10 GB
CPU	2 cores	4 cores
OS	Ubuntu 22.04 / Debian 12	Ubuntu 24.04
Docker	24+	latest

Зависимости:

PostgreSQL — основная БД (в Docker-режиме поднимается автоматически; для systemd — нужен локальный сервер)
SQLite — альтернатива PostgreSQL для минимальной установки
Redis (опционально) — очередь задач Celery для параллельного анализа
Ollama Cloud API (по умолчанию) — AI анализ новостей без нагрузки на сервер
Ollama локальный (опционально) — если хотите локальный LLM; требует +4 GB RAM

🚀 Быстрый старт

git clone <repository-url>
cd stock_signal_analyzer
./scripts/deploy.sh

Интерактивное меню проведёт через всю установку — запросит API ключи (с инструкциями), установит зависимости, запустит сервисы.

Три режима запуска

Режим	Команда	Когда использовать
Docker (рекомендуется)	`./scripts/deploy.sh install` → выбрать Docker	Продакшн, полный стек
systemd	`./scripts/deploy.sh install` → выбрать systemd	VPS без Docker
Тесты	`./scripts/deploy.sh tests`	CI/CD, разработка

Прямые команды

./scripts/deploy.sh install      # Полная установка (с нуля)
./scripts/deploy.sh configure    # Перенастроить API ключи
./scripts/deploy.sh start        # Запустить сервисы
./scripts/deploy.sh stop         # Остановить
./scripts/deploy.sh restart      # Перезапустить
./scripts/deploy.sh status       # Статус и health check
./scripts/deploy.sh logs         # Логи (выбор сервиса)
./scripts/deploy.sh update-deps  # Обновить Python зависимости
./scripts/deploy.sh update       # git pull + пересборка + fix_old_signals
./scripts/deploy.sh fix-signals  # Исправить старые сигналы (trade plans)
./scripts/deploy.sh learning     # Управление самообучением
./scripts/deploy.sh backtest     # Бэктестирование
./scripts/deploy.sh tests        # Запустить pytest
./scripts/deploy.sh uninstall    # Удалить всё

⚙️ Переменные окружения

Все параметры в .env. Создаётся автоматически при первом запуске ./scripts/deploy.sh или скопируйте вручную:

cp .env.example .env
nano .env

Обязательные

Переменная	Описание	Где получить
`TELEGRAM_BOT_TOKEN`	Токен Telegram бота	@BotFather
`ADMIN_CHAT_ID`	Ваш Telegram ID (для управления доступом)	@userinfobot

API ключи (опционально, но рекомендуется)

Переменная	Что даёт	Где получить
`POLYGON_API_KEY`	US котировки, исторические свечи, новости	massive.com
`FINNHUB_API_KEY`	US real-time котировки, макро-календарь	finnhub.io
`TINKOFF_INVEST_TOKEN`	Мосбиржа real-time, VWAP/POC	tbank.ru/invest

База данных

Переменная	По умолчанию	Описание
`DATABASE_URL`	`postgresql://ssa:pass@localhost:5432/stock_signals`	URL подключения к PostgreSQL
`POSTGRES_PASSWORD`	генерируется	Пароль PostgreSQL

Очередь задач (Redis + Celery)

Переменная	По умолчанию	Описание
`REDIS_URL`	`redis://localhost:6379/0`	Redis для cache + rate limiter (при отсутствии — in-memory fallback)
`CELERY_BROKER_URL`	`redis://localhost:6379/0`	Redis для очереди
`CELERY_RESULT_BACKEND`	`redis://localhost:6379/1`	Redis для результатов

LLM (Ollama)

Переменная	По умолчанию	Описание
`OLLAMA_HOST`	`http://localhost:11434`	URL Ollama
`OLLAMA_MODEL`	`qwen2.5:1.5b`	Модель для sentiment + обучения
`LLM_SENTIMENT`	`1`	Включить LLM sentiment (`0` = только VADER)
`LLM_LEARNING`	`1`	Включить LLM обучение (`0` = только числовой IC)
`LLM_CACHE_TTL`	`3600`	TTL кэша LLM ответов (сек)

Автоматизация

Переменная	По умолчанию	Описание
`COLLECT_INTERVAL_SEC`	`14400` (4ч)	Автосбор сигналов (`0` = выкл)
`NOTIFY_INTERVAL_SEC`	`3600` (1ч)	Проверка сильных сигналов
`LEARN_INTERVAL_SEC`	`21600` (6ч)	Цикл самообучения (IC + LLM)
`NOTIFY_MIN_TIER`	`A`	Минимальный класс для уведомлений

Пути к данным

Переменная	По умолчанию	Описание
`STOCK_SIGNAL_DATA`	`/var/lib/stock_signal_analyzer`	Директория данных
`SSA_SIGNAL_LOG`	`<data>/signals.jsonl`	Лог сигналов

MAX мессенджер (опционально)

Переменная	Описание
`MAX_BOT_TOKEN`	Токен бота MAX (получить у @MasterBot в MAX)
`MAX_CHAT_ID`	ID чата для уведомлений
`MAX_NOTIFY`	`1` = включить дублирование сигналов в MAX

🏗️ Архитектура

┌─────────────────────────────────────────────────────────────┐
│                     ПОЛЬЗОВАТЕЛИ                             │
│         Telegram Bot    REST API    CLI                      │
└──────────┬──────────────┬───────────┬───────────────────────┘
           │              │           │
           ▼              ▼           ▼
┌─────────────────────────────────────────────────────────────┐
│                    Redis Queue (Celery)                       │
└──────────────────────────┬──────────────────────────────────┘
                           │
              ┌────────────┼────────────┐
              ▼            ▼            ▼
         Worker 1     Worker 2     Worker N
              └────────────┼────────────┘
                           ▼
┌─────────────────────────────────────────────────────────────┐
│                  engine.build_report()                        │
│  Technical + Momentum + Sentiment(VADER+LLM) + Volume        │
│  + Quant Models + Macro + Intraday + MarketRegime             │
│  → Score → Tier → Plan                                       │
└──────────┬──────────────┬─────────────┬────────────────────┘
           │              │             │
    PostgreSQL         LLM Client   Data APIs
    (users,         (Ollama Cloud  (Yahoo, Polygon,
     signals,         или local)     Finnhub, MOEX,
     outcomes)                        T-Bank)

Модули

Модуль	Описание
`engine.py`	Главный пайплайн — собирает все компоненты, считает score, формирует `SignalReport`
`technical.py`	Технический анализ: RSI, MACD, Bollinger Bands, ADX, свечные паттерны
`momentum.py`	Импульс: ROC за 5/20/60 дней, ускорение тренда
`sentiment.py` + `llm_sentiment.py`	VADER + LLM — анализ новостей и заголовков
`volume_pressure.py`	Объём: CMF, OBV, VWAP tape
`quant_models.py`	Квант-модели: MTF momentum, z-score, vol regime
`market_regime.py`	Определение режима рынка: bull / bear / sideways / transition
`signal_filter.py`	Фильтрация: win rate >65%, ADX > 20 (жёсткий блок), score ≥ 0.30
`trade_plan.py`	Торговые планы: entry/stop/targets, R:R ≥ 1.5, ATR-based position size
`backtest_charts.py`	Генерация графиков бэктеста (matplotlib)
`llm_client.py`	Унифицированный клиент LLM (Ollama Cloud / local)
`outcome_tracker.py`	Отслеживание исходов открытых сигналов (win/loss/timeout)
`adaptive_weights.py`	IC-адаптация весов: ранговая корреляция Спирмена компонент с реальным PnL
`llm_learning.py`	Самообучение: числовой IC-анализ + LLM паттерн-анализ побед/поражений
`scheduler.py`	Фоновые задачи: автосбор, outcome check, learning cycle
`cache.py`	Redis-backed cache с TTL для expensive вычислений (analyze, и др.)
`circuit_breaker.py`	Circuit breaker для внешних API (Polygon, Finnhub, Yahoo, T-Bank)
`rate_limiter.py`	Redis-backed sliding-window rate limiter per client
`db.py`	PostgreSQL через SQLAlchemy: пользователи, сигналы, outcomes, alerts
`subscriptions.py`	Тарифы Free/Pro/Premium и лимиты
`risk_manager.py`	Sizing: Kelly criterion, vol targeting, drawdown control
`polygon_data.py`	Интеграция с Polygon API (котировки, новости)
`admin_alerts.py`	Уведомления админу в Telegram при сбоях (circuit breaker, quant failures)
`config_validator.py`	Валидация символов: regex `^[A-Z0-9.\-]{1,20}$`
`universe.py`	Списки тикеров + автоопределение рынка (RU → `.ME`)
`screener.py`	Параллельный скрининг 89 тикеров (ThreadPoolExecutor, cache)
`volume_clusters.py`	Объёмный анализ: POC, Value Area, HVN, LVN
`ml_scoring.py`	RankEnsemble (LightGBM + ExtraTrees + HistGradientBoosting)
`moex_iss.py`	MOEX ISS REST API: котировки TQBR, объёмы
`tbank_invest.py`	T-Bank Invest API (gRPC): real-time котировки РФ
`fix_old_signals.py`	Ретроактивное добавление trade plans к старым сигналам

🧠 Система самообучения

Бот генерирует сигналы
        ↓
outcome_tracker.py — каждый час проверяет достижение TP/стопов
        ↓
adaptive_weights.py — IC (ранговая корреляция компонентов с PnL)
        ↓
llm_learning.py — числовой анализ + LLM паттерны (каждые 6ч)
        ↓
engine.py — применяет скорректированные веса (blend 30%)

Три уровня обучения:

Уровень	Метод	Порог
IC числовой	Weighted Spearman correlation	≥ 50 закрытых outcomes
Паттерн-анализ	Статистика wins vs losses по компонентам	≥ 30 outcomes
LLM анализ	Ollama анализирует топ-5 wins/losses, находит паттерны	≥ 30 outcomes + Ollama

Диапазон корректировок весов:

Компоненты с положительным IC → вес увеличивается (boost до ×1.6)
Компоненты с отрицательным IC → вес уменьшается (penalty до ×0.3)
Компоненты с IC ≈ 0 → остаются на базовом весе

💡 Отрицательный IC означает, что компонент предсказывает наоборот (например, высокий technical_score перед падением). Система штрафует такие компоненты, а не усиливает их.

💰 Тарифы

	🆓 Free	⭐ Pro	💎 Premium
Анализов/день	5	50	∞
Рынки	US	US + RU	Все
LLM sentiment	❌	✅	✅
Автосбор	❌	✅	✅
Уведомления	❌	✅	✅
Per-user learning	❌	❌	✅
Watchlist	5	30	100
`/clusters`	❌	✅	✅
`/portfolio`	❌	✅	✅
`/alerts`	❌	❌	✅
`/mlscore`	❌	❌	✅

Включить: SUBSCRIPTION_ENABLED=1 в .env.

🧪 Запуск тестов

# Через меню
./scripts/deploy.sh tests

# Или напрямую (local/venv)
cd stock_signal_analyzer
python3 -m pytest tests/ -v

# Docker
docker compose exec api python3 -m pytest tests/ -v

📱 Telegram бот — команды

Аналитика

Команда	Описание	Тариф
`/signal AAPL`	Полный анализ с торговым планом (10-30 сек)	Free+
`/signal SBER`	Анализ российской акции (авто `.ME`)	Free+
`/signal SBER.ME`	Анализ российской акции (явный суффикс)	Free+
`/price AAPL`	Быстрая котировка	Free+
`/dashboard`	Свод по watchlist	Free+
`/screen`	Скринер топ сигналов по рынку (US/RU/все)	Free+
`/clusters AAPL`	Объёмный профиль (POC, Value Area, HVN/LVN)	Pro+
`/mlscore`	ML RankEnsemble — важность фич и статус обучения	Premium

Управление

Команда	Описание	Тариф
`/settings`	Интерактивные настройки (inline-кнопки)	Free+
`/watchlist add AAPL MSFT`	Добавить в watchlist	Free+
`/collect`	Запустить массовый сбор сигналов	Free+
`/status`	Статус системы	Free+
`/export`	Выгрузить лог сигналов	Free+
`/portfolio`	Открытые позиции (от outcome_tracker)	Pro+
`/alerts`	Список активных алертов	Premium
`/alerts_add score > 0.30`	Добавить алерт по score/tier/direction	Premium
`/alerts_remove 3`	Удалить алерт по ID	Premium

Настройки

Команда /settings открывает интерактивное меню с inline-кнопками:

Настройка	Описание
Фильтр сигналов	Conservative (A, conf≥0.55, ADX>25) / Balanced (A/B, conf≥0.50) / Aggressive (A/B, conf≥0.45) — строгость отбора сигналов и уведомлений
Уведомления вне списка	Вкл/выкл уведомления о сильных сигналах не из watchlist
Язык	Русский / English
Learning report	Получать отчёты о самообучении
Автосбор	Автоматический сбор сигналов
Просадки	Уведомления о circuit breaker
Дайджест	Ежедневная сводка сигналов

Админ-команды

Команда	Описание
`/approve 123456789 pro`	Одобрить пользователя с тарифом
`/deny 123456789`	Заблокировать
`/users`	Список пользователей

🔌 REST API

curl http://localhost:8000/health              # Health check
curl http://localhost:8000/analyze/AAPL        # Полный анализ
curl "http://localhost:8000/analyze/AAPL?fast=true"  # Быстрый анализ
curl http://localhost:8000/stats               # Статистика
curl http://localhost:8000/learning/report     # Отчёт об обучении

TradingView Webhook

Принимайте алерты из TradingView и усиливайте SSA-анализом:

Настройка в TradingView:

URL: https://your-host/webhook/tradingview
Message: {"symbol":"{{ticker}}","price":{{close}},"side":"{{strategy.order.action}}","interval":"{{interval}}","time":"{{time}}"}

Опциональная защита: установите TV_WEBHOOK_SECRET в .env.

Пример запроса:

curl -X POST http://localhost:8000/webhook/tradingview \
  -H "Content-Type: application/json" \
  -d '{"symbol":"AAPL","price":150.25,"side":"buy","interval":"1h"}'

Ответ: SSA score, tier, direction, trade plan, и сообщение о совпадении/несовпадении с внешним сигналом.

📂 Структура проекта

├── scripts/
│   └── deploy.sh                    # 🎯 Единая точка входа
│
├── stock_signal_analyzer/           # Основной пакет
│   ├── engine.py                    # Главный пайплайн
│   ├── technical.py                 # RSI, MACD, Bollinger, ADX, паттерны
│   ├── momentum.py                  # ROC, acceleration
│   ├── sentiment.py + llm_sentiment.py  # VADER + LLM анализ
│   ├── volume_pressure.py           # CMF, OBV, VWAP
│   ├── market_regime.py             # Режим рынка (bull/bear/sideways)
│   ├── signal_filter.py             # Фильтрация (win rate >65%)
│   ├── trade_plan.py                # Торговые планы (R:R ≥ 1.5)
│   ├── backtest_charts.py           # Графики бэктеста (matplotlib)
│   ├── llm_client.py                # Унифицированный LLM клиент
│   ├── outcome_tracker.py           # Отслеживание исходов
│   ├── adaptive_weights.py          # IC-адаптация весов
│   ├── llm_learning.py              # Самообучение
│   ├── scheduler.py                 # Фоновые задачи
│   ├── db.py                        # PostgreSQL (SQLAlchemy)
│   ├── cache.py                     # Redis-backed cache с TTL
│   ├── circuit_breaker.py           # Circuit breaker для внешних API
│   ├── rate_limiter.py            # Redis-backed sliding-window rate limiter
│   ├── polygon_data.py              # Интеграция с Polygon API
│   └── ...                          # 30+ модулей
│
├── api/main.py                      # REST API (FastAPI)
├── telegram_bot.py                  # Telegram бот
├── alembic/                         # Alembic миграции БД
│   ├── env.py
│   └── versions/
├── tools/backtest.py                # Бэктест v1
├── tools/backtest_v2.py             # Бэктест v2 (candle replay)
├── .github/workflows/               # GitHub Actions CI/CD
│   ├── ci.yml
│   └── deploy.yml
├── docker-compose.yml
├── Dockerfile
├── pyproject.toml                 # Ruff, mypy конфиг
└── requirements*.txt

✅ Что нового

v2.5.4 (2026-05-28) — Tier-based команды, self-learning loop, багфиксы

Tier-based Telegram команды (telegram_bot.py + subscriptions.py) — /screen, /clusters (Pro+), /mlscore (Premium), /portfolio (Pro+), /alerts, /alerts_add, /alerts_remove (Premium). Каждая команда проверяет тариф и rate limit
Алерты (telegram_bot.py + db.py) — добавление/удаление алертов по score, tier, direction. Отображение с ID для удобного удаления. Модель UserAlert в PostgreSQL
ML Score (ml_scoring.py) — исправлен NameError (datetime не импортирован). RankEnsemble.fit() теперь сохраняет last_fit_at корректно
Screener timeout fix (screener.py) — concurrent.futures.as_completed в Python 3.9 выбрасывает concurrent.futures.TimeoutError, а не встроенный. Теперь таймаут корректно ловится и pending futures отменяются
Verdict синхронизирован с tier (engine.py) — _verdict_from_score теперь учитывает tier: A=«сильная уверенность», B=«умеренная», C=threshold-based. Исправлено несоответствие «tier=A, verdict=нейтрально»
B-tier threshold для уведомлений (telegram_bot.py) — снижен с |score| < 0.35 до |score| < 0.20, соответствует реальному порогу B-tier
Self-learning thresholds (engine.py + risk_context.py) — ML optimal thresholds подгружаются перед classify_signal_tier(). A-tier: 0.40→0.28, B-tier: 0.26→0.16. Пороги ML применяются как floor (не ниже базового)
Alignment amplification (engine.py) — при 3+ согласованных компонентах +0.12–0.20 к score. Sentiment dampening: сильный тех. сигнал противостоит противоположным новостям
Directional regime adjustment (trade_plan.py) — корректировка bull/bear теперь учитывает direction сигнала: aligned with trend = tighter stop / wider target; against-trend = conservative. Исправлено отклонение плана для MGNT.ME short-in-bear (R:R 1.41→1.83)
Quant model weights (engine.py) — MTF 0.22, z-score 0.12, trend 0.14
Deduplication 1 день (signal_log.py) — с промоушном tier (C→B→A). Централизованная загрузка JSONL
fix_old_signals.py (scripts/) — ретроактивно добавляет trade plans к старым C-сигналам. Интегрирован в deploy.sh update
Docker ignore (.dockerignore) — scripts/fix_old_signals.py теперь включается в образ, исправлена ошибка «No such file or directory» при do_fix_signals()
_online_hint (engine.py) — для .ME тикеров в fast_mode честно сообщает «пропущено в быстром режиме» вместо обвинения MOEX ISS
Tests: 192 passed

v2.5.3 (2026-05-23) — Выбор рынка для уведомлений вне списка

Настройка рынка вне списка (user_store.py + telegram_bot.py) — пользователь может выбрать: 🌍 Все рынки / 🇺🇸 Только US / 🇷🇺 Только РФ. Фильтр применяется к периодическим уведомлениям вне watchlist
Кнопки выбора рынка в /settings — inline-кнопки рядом с переключателем уведомлений
Тесты: 132 passed

v2.5.2 (2026-05-23) — Фильтры сигналов, outcome tracking, HTML-escape, уведомления

Три режима фильтрации сигналов (signal_filter.py) — Conservative (только A, conf≥0.55, ADX>25), Balanced (A/B, conf≥0.50, ADX>20), Aggressive (A/B, conf≥0.45, без проверки недельного тренда). Фильтр применяется к уведомлениям watchlist/outside и /dashboard
Календарная дедупликация уведомлений (user_store.py) — 1 уведомление на тикер за календарные сутки UTC (вместо 24-часового cooldown)
timeout исключён из win_rate (outcome_tracker.py) — win_rate считается только по целевым выходам (win_t1/win_t2/loss), timeout не влияет на статистику
Дедупликация outcomes (outcome_tracker.py) — записи уникальны по паре (signal_id, outcome), предотвращает дублирование при перезапуске
HTML-escape в learning report (llm_learning.py) — html.escape() для LLM-паттернов и рекомендаций, фикс Can't parse entities в Telegram
max_hold_days 5→15 (trade_plan.py) — базовое удержание 15 дней (A: 15→30 при сильном тренде, B: 15→21, C: 15)
scan_all_signals (tasks.py + outside_signals.py) — периодическое сканирование всех тикеров каждые 30 мин, кэширование результатов
Фильтр вне списка (telegram_bot.py) — класс C полностью исключён из уведомлений «вне списка», только A и B (B при |score|≥0.35)
Тесты: 132 passed

v2.5.1 (2026-05-16) — Hotfix: learning state, outcomes bloat, unified price fetcher

llm_learning.py — сохраняет learning_state.json даже при 0 outcomes, устраняя бесконечный цикл сообщения «нет данных»
outcome_tracker.py — больше не перезаписывает открытые сигналы в outcomes.jsonl при каждом запуске (файл перестаёт раздуваться); max_workers снижен с 8 до 2
price_fetcher.py — новый unified data source с fallback chain:
- .ME (российские): Т-Банк (приоритет) → yfinance
- US: Polygon → Finnhub → yfinance
- outcome_tracker.py теперь использует price_fetcher вместо прямых yfinance вызовов
backtest_v2.py — добавлен retry с exponential backoff при «Too Many Requests» от yfinance
deploy.sh — do_learning() работает корректно через docker compose exec; добавлена проверка T-Bank SDK после сборки образов
T-Bank SDK — проверка импорта во всех Docker-контейнерах (api, worker, bot)

v2.5 (2026-05-16) — CI/CD, resilience, caching, миграции, auto-deploy

CI/CD pipeline (GitHub Actions) — ci.yml (ruff, mypy, pytest, Docker build) + deploy.yml (auto-deploy на сервер по SSH с health check)
Redis-backed cache (cache.py) — TTL-кэш для expensive вычислений (analyze, и др.); fallback на in-memory при отсутствии Redis
Circuit breaker (circuit_breaker.py) — CLOSED/OPEN/HALF_OPEN state machine для всех внешних API (Polygon, Finnhub, Yahoo, T-Bank); threshold=15, recovery=180с; отдельная обработка data errors (delisted, no data) — не триггерит breaker
Redis-backed rate limiter (rate_limiter.py) — sliding-window rate limiter per client на sorted sets Redis; fallback на in-memory
Alembic миграции — production-ready schema management; startup пробует alembic upgrade head, fallback на init_db()
Input validation (api/main.py + config_validator.py) — Pydantic validators: regex ^[A-Z0-9.\-]{1,20}$, защита от path traversal (.., /, \)
Cache layer для /analyze — проверяет Redis перед build_report, сохраняет результат на 300с; ключ включает fast_mode и use_finnhub_ws
Celery batch scan (tasks.py) — массовый сбор через celery.group в параллельных задачах; scheduler не блокируется
Auto market detection (universe.py) — российские тикеры (SBER, GAZP, etc.) автоматически получают суффикс .ME во всех entry points
Admin alerts (admin_alerts.py) — Telegram уведомления админу при circuit breaker OPEN, quant model failures, LLM learning failures; rate limit 5 минут на тип
Global error handler (telegram_bot.py) — перехват всех необработанных исключений в боте с ответом пользователю
.env security — .env в .dockerignore; токены не попадают в Docker-образ
pyproject.toml — конфиг ruff с per-file-ignores для E402 (stenv import pattern)
Тесты: 106 → 132 passed

v2.4 (2026-05-15) — Интерактивные настройки + архитектурные улучшения

Интерактивные настройки (/settings) — inline-кнопки для фильтра сигналов, уведомлений, языка, learning report, автосбора, просадок, дайджеста
Единый Settings dataclass (config.py) — централизованная загрузка всех env vars через @lru_cache
Kelly caching (risk_manager.py) — кэширование Kelly criterion на 1 час, устранение I/O bottleneck
Tier cache (subscriptions.py) — кэш тарифов на 5 минут, защита от сброса при кратковременных ошибках БД
Gap-aware outcome tracking (outcome_tracker.py) — учёт gap down/up при определении исхода сигнала
Dead code удалён — _daily_usage in-memory counter (заменён на БД + LRU cache)
Code quality — документированы magic numbers, добавлены length checks, исправлено дублирование @staticmethod
Тесты: 106 passed

v2.3.1 (2026-05-14) — Chandelier stop + bugfix

Chandelier trailing stop (technical.py) — динамический стоп на основе highest high/lowest low ± 3×ATR (Chuck LeBeau)
Интегрирован в TradePlan, отображается в плане, экспортируется в signal log
Тесты: 106 passed

v2.3 (2026-05-14) — TradingView интеграция

TradingView webhook (POST /webhook/tradingview) — принимает алерты из TradingView, нормализует символы (крипто, US, RU), усиливает SSA-анализом
Валидация направления из нескольких полей (direction/side/action)
Опциональная защита TV_WEBHOOK_SECRET
Автоматическое логирование внешних сигналов + SSA результата для walk-forward валидации
Тесты: 103 passed

v2.2.1 (2026-05-14) — Восстановление MarketRegime после rebase

Исправлена критическая ошибка: rebase потерял интеграцию MarketRegime в trade_plan.py и risk_context.py
Восстановлены динамические пороги Tier A/B с консервативными значениями по умолчанию (neutral: score≥0.46, conf≥0.60, ADX≥20.0)
Восстановлен llm_client.py в llm_learning.py и llm_sentiment.py
Восстановлена ATR-based position sizing с regime adjustments

v2.2 (2026-05-14) — Режим рынка и визуализация

MarketRegime detection — автоопределение bull/bear/sideways/transition через reuse существующих анализаторов
Динамические пороги классов сигналов: bull → лонг легче, шорт сложнее; bear — наоборот; sideways — строже ADX/confidence
Режим рынка влияет на trade plan (stop/target множители, max hold days) и position size (-15% в sideways)
Backtest charts — 5 типов графиков (equity curve, drawdown, monthly returns, PnL distribution, tier stats) через matplotlib
Унифицированный LLM клиент (llm_client.py) — Ollama Cloud API по умолчанию, локальный Ollama как fallback
Удалён OpenRouter и Docker-контейнер Ollama для снижения нагрузки на сервер
Обновлён deploy.sh — подменю LLM конфигурации, установка локального Ollama через меню
Тесты: 87 → 97 passed (добавлены тесты regime detection)

v2.1 (2026-05-13) — Исправления и аудит

trade_plan.py — R:R всегда ≥ 1.5; _DIR_THRESHOLD поднят до 0.30; защита от ZeroDivisionError
signal_filter.py — ADX < 20 жёсткий блок; score < 0.30 принудительный блок
risk_context.py — Tier B требует confidence ≥ 0.50 и ADX ≥ 20.0
outcome_tracker.py — timeout 5→15 дней; защита от None ; дедупликация по (signal_id, outcome); timeout исключён из win_ratepnl_pct
volume_pressure.py — защита от ZeroDivisionError и log(0)
llm_learning.py — минимум outcomes 30; TTL кэша весов 1 час
Тесты: добавлены 15 тестов (R:R, ADX, score, volume, tier B)

🛡️ Безопасность

.env в .dockerignore — токены не попадают в Docker-образ
.env хранится с правами 600 (только владелец)
PostgreSQL пароль генерируется автоматически
API rate limiting per IP + опциональный X-API-Key (Redis-backed sliding window)
Input validation на всех endpoints (Pydantic regex ^[A-Z0-9.\-]{1,20}$, max_length, path traversal защита)
Circuit breaker на внешних API (Polygon, Finnhub, Yahoo, T-Bank) — быстрый fail при долгих ответах; data errors (delisted, no data) не триггерят breaker
Redis cache для /analyze с TTL 300с — снижает нагрузку на повторные запросы
Admin alerts — Telegram уведомления админу при circuit breaker OPEN, quant model failures, LLM learning failures
Ollama Cloud API или локальный Ollama — данные не передаются третьим лицам
Токены не попадают в логи

⚠️ Disclaimer

Только для информационных целей. Не является финансовой рекомендацией. Торговля на финансовых рынках сопряжена с риском потери капитала. Всегда проводите собственный анализ.

Version 2.5.4 • Updated 2026-05-28

Name		Name	Last commit message	Last commit date
Latest commit History 332 Commits
.github/workflows		.github/workflows
.vscode		.vscode
alembic		alembic
api		api
data		data
docs		docs
frontend		frontend
scripts		scripts
stock_signal_analyzer		stock_signal_analyzer
tests		tests
tools		tools
.dockerignore		.dockerignore
.env.example		.env.example
.gitattributes		.gitattributes
.gitignore		.gitignore
CHANGELOG.md		CHANGELOG.md
CHEATSHEET.md		CHEATSHEET.md
Dockerfile		Dockerfile
QUICKSTART.md		QUICKSTART.md
README.md		README.md
alembic.ini		alembic.ini
docker-compose.yml		docker-compose.yml
entrypoint.sh		entrypoint.sh
main.py		main.py
pyproject.toml		pyproject.toml
pytest.ini		pytest.ini
requirements-api.txt		requirements-api.txt
requirements-dev.txt		requirements-dev.txt
requirements-kronos.txt		requirements-kronos.txt
requirements-ml.txt		requirements-ml.txt
requirements-scale.txt		requirements-scale.txt
requirements-tbank.txt		requirements-tbank.txt
requirements.txt		requirements.txt
stenv.py		stenv.py
telegram_bot.py		telegram_bot.py

Folders and files

Latest commit

History

Repository files navigation

📈 Stock Signal Analyzer

💡 Что это

📖 Как работает анализ (для новичков)

Что такое /signal

8 факторов (что каждый означает)

Что выдает отчет

Что такое /screen

Самообучение (почему система умнеет)

Режим рынка (bull / bear / sideways)

📋 Требования

🚀 Быстрый старт

Три режима запуска

Прямые команды

⚙️ Переменные окружения

Обязательные

API ключи (опционально, но рекомендуется)

База данных

Очередь задач (Redis + Celery)

LLM (Ollama)

Автоматизация

Пути к данным

MAX мессенджер (опционально)

🏗️ Архитектура

Модули

🧠 Система самообучения

💰 Тарифы

🧪 Запуск тестов

📱 Telegram бот — команды

Аналитика

Управление

Настройки

Админ-команды

🔌 REST API

TradingView Webhook

📂 Структура проекта

✅ Что нового

v2.5.4 (2026-05-28) — Tier-based команды, self-learning loop, багфиксы

v2.5.3 (2026-05-23) — Выбор рынка для уведомлений вне списка

v2.5.2 (2026-05-23) — Фильтры сигналов, outcome tracking, HTML-escape, уведомления

v2.5.1 (2026-05-16) — Hotfix: learning state, outcomes bloat, unified price fetcher

v2.5 (2026-05-16) — CI/CD, resilience, caching, миграции, auto-deploy

v2.4 (2026-05-15) — Интерактивные настройки + архитектурные улучшения

v2.3.1 (2026-05-14) — Chandelier stop + bugfix

v2.3 (2026-05-14) — TradingView интеграция

v2.2.1 (2026-05-14) — Восстановление MarketRegime после rebase

v2.2 (2026-05-14) — Режим рынка и визуализация

v2.1 (2026-05-13) — Исправления и аудит

🛡️ Безопасность

⚠️ Disclaimer

About

Topics

Resources

Uh oh!

Stars

Watchers

Forks

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages