50行Python代码搞定跨市场股票实时盯盘看板

作为独立交易者，我们常常需要一个简单直观的界面来复盘或监控自选股。如果去写 React/Vue 这样的前端框架，耗费的精力甚至超过了策略开发本身；如果只在 Jupyter 里面用 matplotlib 画图，又缺乏基本的交互性。

今天，我们使用轻量级 Web 开发框架 Streamlit，配合 QuantDash 统一的多市场数据 API，用极短的核心代码，快速搭建一个原生支持 A股、港股和美股自选股的实时监控复盘看板**。**

由于 QuantDash 的 SDK 设计极度轻量，且直接输出规范化 Pandas DataFrame，当你使用 DeepSeek、Cursor 等 AI 助手编程时，AI 在阅读其上下文时几乎“零噪音”，生成的可视化代码完全无需反复调试。

核心代码（保存为 app.py）

import streamlit as st
import pandas as pd
import plotly.graph_objects as go
from quantdash import QuantDash

# 1. 页面基本配置
st.set_page_config(layout="wide", page_title="多市场资产扫描看板", page_icon="📈")
st.title("📊 个人多市场自选股监控器")

# 2. 侧边栏参数配置
st.sidebar.header("⚙️ 系统配置")
api_key = st.sidebar.text_input("QuantDash Token", type="password")
symbol = st.sidebar.text_input("股票代码", value="00700.HK")
sma_period = st.sidebar.slider("SMA 均线周期", min_value=5, max_value=60, value=20)

if not api_key:
    st.info("💡 请在左侧侧边栏中输入你的 QuantDash API Key 开始使用。")
else:
    try:
        qd = QuantDash(api_key=api_key)
      
        # 3. 核心数据获取（服务端前复权，直接返回 Pandas DataFrame）
        df = qd.klines.get(
            symbol=symbol,
            period="1d",
            adjust="forward",
            to_dataframe=True
        )
      
        if df is not None and not df.empty:
            df['trade_date'] = pd.to_datetime(df['trade_date'])
            df.sort_values('trade_date', inplace=True)
            df['SMA'] = df['close'].rolling(window=sma_period).mean()
          
            # 4. 绘制 Plotly 交互式 K 线图
            fig = go.Figure()
            fig.add_trace(go.Candlestick(
                x=df['trade_date'], open=df['open'], high=df['high'],
                low=df['low'], close=df['close'], name="K线"
            ))
            fig.add_trace(go.Scatter(
                x=df['trade_date'], y=df['SMA'], 
                line=dict(color='orange', width=1.5), name=f"SMA {sma_period}"
            ))
            fig.update_layout(title=f"{symbol} 历史前复权走势", xaxis_rangeslider_visible=False, height=500)
            st.plotly_chart(fig, use_container_width=True)
          
            # 5. 展示实时最新快照数据
            st.subheader("📋 历史最近行情快照")
            st.dataframe(df[['trade_date', 'open', 'high', 'low', 'close', 'volume']].tail(5), use_container_width=True)
          
        else:
            st.warning(f"未能拉取到代码 {symbol} 的数据，请检查输入代码是否规范。")
          
    except Exception as e:
        st.error(f"接口调用失败。错误信息: {e}")

运行方式

在你的终端内，直接运行：

streamlit run app.py

系统会自动在浏览器中弹出一个大屏，你只需在左侧随手输入 600519.SH、00700.HK 或 TSLA.US，整个图表和均线系统即可在 1 秒内无缝重绘。利用 Streamlit 做快速的前端交互，利用 QuantDash 抹平多市场数据格式，你就可以以极轻的代码量，拼装出完全属于你自己的本地盯盘工作流。

提示：
如果你想体验这种极简、干净的无噪音数据流，可以 pip install quantdash 并在本地尝试。QuantDash 平台提供了免信用卡、秒级获取免费 API Token 的友好机制。

50行Python代码搞定跨市场股票实时盯盘看板

核心代码（保存为 app.py）

运行方式

评论