零样本预测
使用 Amazon Chronos-2、Datadog Toto-2.0、Google TimesFM-2.5 预训练模型,无需为每只股票单独训练,按权重集成输出分位数预测。
TrendiKnow 是一套基于零样本时间序列预测模型的股票趋势预测系统。它包含:
trendiknow-server/ — Python 3.10+ / FastAPI 预测服务端(深度学习模型、数据采集、定时调度、静态 JSON 分发、管理与鉴权 API)。trendiknow-uniclient/ — Flutter 跨平台移动客户端(GetX + Hive + fl_chart),展示胜率、排行榜、热门股票与预测图表。trendiknow-admin/ — Vue 3 + Element Plus 管理后台(看板、股票管理、用户管理、预测列表、数据分析)。项目采用 AGPLv3 开源协议。
| 模块 | 说明 |
|---|---|
| 项目简介 | 核心特性、技术栈、目录结构 |
| 系统架构 | 端到端数据流与分层架构 |
| 服务端开发 | 环境、模块、运行与测试 |
| API 接口 | 鉴权 / 数据 / 管理三类接口 |
| Flutter 客户端 | 客户端结构与运行 |
| 管理后台 | 后台应用结构与部署 |
| 部署指南 | 服务端 / 客户端 / 后台 / 文档站点部署 |
| 国际化 | Crowdin 多语言配置 |
| 贡献指南 | Git 工作流与提交规范 |
| 常见问题 | 已知问题与排查 |