diff --git a/API配置问题修复说明.md b/API配置问题修复说明.md new file mode 100644 index 0000000..f3cb26a --- /dev/null +++ b/API配置问题修复说明.md @@ -0,0 +1,177 @@ +# API配置问题修复说明 + +## 问题描述 + +用户遇到股票分析API调用失败，提示： +``` +API调用失败: Error code: 401 - {'error': {'message': 'Authentication Fails, Your api key: ****a7fc is invalid'}} +``` + +虽然`.env`文件中已配置了新的API key，但系统仍在使用旧的key（结尾为`a7fc`）。 + +## 问题原因 + +1. **PowerShell环境变量中存在旧的API key** + - 用户之前在系统环境变量中设置过旧的`DEEPSEEK_API_KEY` + - 旧key: `sk-b6c714570b9844f392aa3812f3f7a7fc` + +2. **python-dotenv默认行为** + - `load_dotenv()`默认**不会覆盖**已存在的环境变量 + - 导致系统读取的是环境变量中的旧key，而非`.env`文件中的新key + +3. **调用链路** + ``` + .env文件 (新key) → load_dotenv() → 不覆盖环境变量 → config.py读取环境变量 (旧key) → deepseek_client使用旧key → API调用失败 + ``` + +## 修复方案 + +### 1. 修改 `config.py` + +**修改前：** +```python +load_dotenv() +``` + +**修改后：** +```python +# 加载环境变量（override=True 强制覆盖已存在的环境变量） +load_dotenv(override=True) +``` + +### 2. 修改 `config_manager.py` + +在`reload_config()`方法中也添加`override=True`： +```python +def reload_config(self): + """重新加载配置（重新加载.env文件）""" + from dotenv import load_dotenv + # 强制覆盖已存在的环境变量 + load_dotenv(override=True) +``` + +### 3. 清除Python缓存 + +```bash +Remove-Item -Recurse -Force __pycache__ +``` + +## 修复验证 + +运行测试脚本验证修复： +```bash +.\venv\Scripts\python.exe test_api_config.py +``` + +测试结果： +``` +✅ .env文件存在 + .env中的API Key: sk-e32f5***********************2abe + +⚠️ 环境变量中的API Key（加载前）: sk-b6c71***********************a7fc + +✅ config.py读取到的API Key: sk-e32f5***********************2abe +✅ 环境变量已被覆盖: sk-e32f5***********************2abe +✅ config.py读取的key与.env文件一致！ +✅ API调用成功！ +``` + +## 影响范围 + +此修复影响所有使用API的模块： + +### 1. 股票分析模块 +- ✅ `ai_agents.py` - 个股分析 +- ✅ `deepseek_client.py` - API客户端 + +### 2. 智策板块模块 +- ✅ `sector_strategy_agents.py` - 板块分析 +- ✅ `sector_strategy_engine.py` - 策略引擎 + +### 3. 主力选股模块 +- ✅ `main_force_analysis.py` - 主力资金分析 + +### 4. UI和服务模块 +- ✅ `app.py` - 主应用 +- ✅ `monitor_service.py` - 监测服务 + +## 验证步骤 + +修复后，所有模块都会从`.env`文件读取正确的API key： + +1. **启动应用** + ```bash + python run.py + ``` + +2. **测试股票分析** + - 在Web界面输入股票代码 + - 点击"开始分析" + - 确认API调用成功 + +3. **测试智策板块** + - 点击"智策板块" + - 开始板块分析 + - 确认API调用成功 + +4. **测试主力选股** + - 点击"主力选股" + - 运行主力资金筛选 + - 确认API调用成功 + +## 预防措施 + +为避免将来再次出现此问题： + +1. **优先使用.env文件配置** + - 不要在系统环境变量中设置API key + - 统一在`.env`文件中管理所有配置 + +2. **清除旧的环境变量** + - Windows: 系统属性 → 高级 → 环境变量 → 删除`DEEPSEEK_API_KEY` + - PowerShell临时清除: `Remove-Item Env:DEEPSEEK_API_KEY` + +3. **重启应用生效** + - 修改`.env`文件后，需要重启Streamlit应用 + - 或使用环境配置界面的"保存并重新加载"功能 + +## 技术细节 + +### python-dotenv 的 override 参数 + +```python +load_dotenv(override=True) +``` + +- `override=False` (默认): 不覆盖已存在的环境变量，优先使用系统环境变量 +- `override=True`: 强制覆盖环境变量，优先使用`.env`文件中的值 + +### 配置优先级 + +**修复前：** +1. 系统环境变量 (最高优先级) +2. .env文件 + +**修复后：** +1. .env文件 (最高优先级) +2. 系统环境变量 (作为默认值) + +## 相关文件 + +- `config.py` - 主配置文件 +- `config_manager.py` - 配置管理器 +- `.env` - 环境变量配置文件 +- `test_api_config.py` - API配置测试脚本 + +## 修复日期 + +2025-10-17 + +## 测试人员 + +AI Assistant + +## 状态 + +✅ 已修复并验证通过 + diff --git a/app.py b/app.py index a5e34cb..64d8089 100644 --- a/app.py +++ b/app.py @@ -18,6 +18,7 @@ from notification_service import notification_service from config_manager import config_manager from main_force_ui import display_main_force_selector from sector_strategy_ui import display_sector_strategy +from longhubang_ui import display_longhubang # 页面配置 st.set_page_config( @@ -293,6 +294,8 @@ def main(): st.session_state.show_history = True if 'show_monitor' in st.session_state: del st.session_state.show_monitor + if 'show_longhubang' in st.session_state: + del st.session_state.show_longhubang if st.button("📊 实时监测", use_container_width=True, key="nav_monitor"): st.session_state.show_monitor = True @@ -300,6 +303,8 @@ def main(): del st.session_state.show_history if 'show_main_force' in st.session_state: del st.session_state.show_main_force + if 'show_longhubang' in st.session_state: + del st.session_state.show_longhubang if st.button("🎯 主力选股", use_container_width=True, key="nav_main_force"): st.session_state.show_main_force = True @@ -311,6 +316,8 @@ def main(): del st.session_state.show_config if 'show_sector_strategy' in st.session_state: del st.session_state.show_sector_strategy + if 'show_longhubang' in st.session_state: + del st.session_state.show_longhubang if st.button("🎯 智策板块", use_container_width=True, key="nav_sector_strategy"): st.session_state.show_sector_strategy = True @@ -322,6 +329,21 @@ def main(): del st.session_state.show_config if 'show_main_force' in st.session_state: del st.session_state.show_main_force + if 'show_longhubang' in st.session_state: + del st.session_state.show_longhubang + + if st.button("🎯 智瞰龙虎", use_container_width=True, key="nav_longhubang"): + st.session_state.show_longhubang = True + if 'show_history' in st.session_state: + del st.session_state.show_history + if 'show_monitor' in st.session_state: + del st.session_state.show_monitor + if 'show_config' in st.session_state: + del st.session_state.show_config + if 'show_main_force' in st.session_state: + del st.session_state.show_main_force + if 'show_sector_strategy' in st.session_state: + del st.session_state.show_sector_strategy if st.button("🏠 返回首页", use_container_width=True, key="nav_home"): if 'show_history' in st.session_state: @@ -334,6 +356,8 @@ def main(): del st.session_state.show_main_force if 'show_sector_strategy' in st.session_state: del st.session_state.show_sector_strategy + if 'show_longhubang' in st.session_state: + del st.session_state.show_longhubang if st.button("⚙️ 环境配置", use_container_width=True, key="nav_config"): st.session_state.show_config = True @@ -341,6 +365,12 @@ def main(): del st.session_state.show_history if 'show_monitor' in st.session_state: del st.session_state.show_monitor + if 'show_main_force' in st.session_state: + del st.session_state.show_main_force + if 'show_sector_strategy' in st.session_state: + del st.session_state.show_sector_strategy + if 'show_longhubang' in st.session_state: + del st.session_state.show_longhubang st.markdown("---") @@ -436,6 +466,11 @@ def main(): display_sector_strategy() return + # 检查是否显示智瞰龙虎 + if 'show_longhubang' in st.session_state and st.session_state.show_longhubang: + display_longhubang() + return + # 检查是否显示环境配置 if 'show_config' in st.session_state and st.session_state.show_config: display_config_manager() diff --git a/config.py b/config.py index ccd4b53..bb05e34 100644 --- a/config.py +++ b/config.py @@ -1,8 +1,8 @@ import os from dotenv import load_dotenv -# 加载环境变量 -load_dotenv() +# 加载环境变量（override=True 强制覆盖已存在的环境变量） +load_dotenv(override=True) # DeepSeek API配置 DEEPSEEK_API_KEY = os.getenv("DEEPSEEK_API_KEY", "") diff --git a/config_manager.py b/config_manager.py index 99b9495..a7ff544 100644 --- a/config_manager.py +++ b/config_manager.py @@ -245,6 +245,7 @@ class ConfigManager: def reload_config(self): """重新加载配置（重新加载.env文件）""" from dotenv import load_dotenv + # 强制覆盖已存在的环境变量 load_dotenv(override=True) diff --git a/longhubang_agents.py b/longhubang_agents.py new file mode 100644 index 0000000..fba5a39 --- /dev/null +++ b/longhubang_agents.py @@ -0,0 +1,550 @@ +""" +智瞰龙虎AI分析师集群 +专注于龙虎榜数据的多维度分析 +""" + +from deepseek_client import DeepSeekClient +from typing import Dict, Any, List +import time + + +class LonghubangAgents: + """龙虎榜AI分析师集合""" + + def __init__(self, model="deepseek-chat"): + self.model = model + self.deepseek_client = DeepSeekClient(model=model) + print(f"[智瞰龙虎] AI分析师系统初始化 (模型: {model})") + + def youzi_behavior_analyst(self, longhubang_data: str, summary: Dict) -> Dict[str, Any]: + """ + 游资行为分析师 - 分析游资操作特征和意图 + + 职责： + - 识别活跃游资及其操作风格 + - 分析游资席位的进出特征 + - 研判游资对个股的态度 + """ + print("🎯 游资行为分析师正在分析...") + time.sleep(1) + + # 构建游资统计信息 + youzi_info = "" + if summary.get('top_youzi'): + youzi_info = "\n【活跃游资统计】\n" + for idx, (name, amount) in enumerate(list(summary['top_youzi'].items())[:15], 1): + youzi_info += f"{idx}. {name}: 净流入 {amount:,.2f} 元\n" + + prompt = f""" +你是一名资深的游资研究专家，拥有10年以上的龙虎榜数据分析经验，深谙各路游资的操作风格和盈利模式。 + +【龙虎榜数据概况】 +记录总数: {summary.get('total_records', 0)} +涉及股票: {summary.get('total_stocks', 0)} 只 +涉及游资: {summary.get('total_youzi', 0)} 个 +总买入金额: {summary.get('total_buy_amount', 0):,.2f} 元 +总卖出金额: {summary.get('total_sell_amount', 0):,.2f} 元 +净流入金额: {summary.get('total_net_inflow', 0):,.2f} 元 + +{youzi_info} + +{longhubang_data[:8000]} + +请基于以上龙虎榜数据，进行深入的游资行为分析： + +1. **活跃游资识别与画像** ⭐ 核心 + - 识别当前最活跃的5-8个游资席位 + - 分析每个游资的操作风格（激进型/稳健型/超短型/波段型） + - 评估游资的胜率和成功案例 + - 识别知名"牛散"和"游资大佬" + +2. **游资操作特征分析** + - 分析游资的买入特征（追高/低吸/打板/潜伏） + - 分析游资的卖出特征（一日游/持有周期/止盈止损） + - 识别游资的联合操作和接力特征 + - 判断游资是否存在抱团现象 + +3. **游资目标股票分析** + - 分析游资重点关注的股票（前10只） + - 识别游资集体看好的股票（多席位介入） + - 分析游资选股的共性特征（题材/概念/技术形态） + - 评估游资介入股票的后续爆发力 + +4. **游资进出节奏** + - 判断游资整体是进攻还是防守状态 + - 分析游资对热点的跟随速度 + - 识别游资撤退的信号和板块 + - 评估游资的持续作战能力 + +5. **游资与题材的匹配** + - 分析游资偏好的题材和概念 + - 识别游资正在炒作的热点 + - 判断题材的炒作周期位置 + - 预判下一个游资可能关注的题材 + +6. **风险与机会提示** + - 识别游资可能设置的"陷阱"股票 + - 提示游资一致性过高的风险（容易崩盘） + - 发现游资刚开始介入的潜力股 + - 评估跟随游资的风险收益比 + +7. **投资策略建议** + - 推荐3-5只游资看好的潜力股票 + - 提示2-3只游资可能出货的风险股票 + - 给出跟随游资的操作建议 + - 提供仓位和止损建议 + +请给出专业、实战性强的游资行为分析报告。 +""" + + messages = [ + {"role": "system", "content": "你是一名资深的游资研究专家，擅长从龙虎榜数据中洞察游资意图和操作手法。"}, + {"role": "user", "content": prompt} + ] + + analysis = self.deepseek_client.call_api(messages, max_tokens=4000) + + print(" ✓ 游资行为分析师分析完成") + + return { + "agent_name": "游资行为分析师", + "agent_role": "分析游资操作特征、意图和目标股票", + "analysis": analysis, + "focus_areas": ["游资画像", "操作风格", "目标股票", "进出节奏", "题材偏好"], + "timestamp": time.strftime("%Y-%m-%d %H:%M:%S") + } + + def stock_potential_analyst(self, longhubang_data: str, summary: Dict) -> Dict[str, Any]: + """ + 个股潜力分析师 - 从龙虎榜数据挖掘潜力股 + + 职责： + - 分析上榜股票的资金动向 + - 评估股票的上涨潜力 + - 识别次日大概率上涨的股票 + """ + print("📈 个股潜力分析师正在分析...") + time.sleep(1) + + # 构建股票统计信息 + stock_info = "" + if summary.get('top_stocks'): + stock_info = "\n【热门股票统计】\n" + for idx, stock in enumerate(summary['top_stocks'][:20], 1): + stock_info += f"{idx}. {stock['name']}({stock['code']}): 净流入 {stock['net_inflow']:,.2f} 元\n" + + prompt = f""" +你是一名资深的个股研究专家和短线交易高手，精通技术分析和资金分析，擅长从龙虎榜中挖掘短期爆发股。 + +【龙虎榜数据概况】 +记录总数: {summary.get('total_records', 0)} +涉及股票: {summary.get('total_stocks', 0)} 只 +涉及游资: {summary.get('total_youzi', 0)} 个 + +{stock_info} + +{longhubang_data[:8000]} + +请基于以上龙虎榜数据，进行深入的个股潜力分析： + +1. **次日大概率上涨股票挖掘** ⭐⭐⭐ 最核心 + - 识别5-8只次日大概率上涨的股票 + - 详细分析每只股票的上涨逻辑（资金面、技术面、题材面） + - 评估每只股票的上涨空间和确定性（高/中/低） + - 给出具体的买入价位和止损位 + +2. **资金流向强度分析** + - 识别主力资金大幅流入的股票（净买入前10） + - 分析资金流入的集中度和持续性 + - 识别多席位联合买入的股票（强烈看好信号） + - 判断资金流入是真实买入还是诱多 + +3. **技术形态评估** + - 分析上榜股票的技术位置（突破/回调/整理） + - 识别处于启动阶段的股票 + - 评估股票的技术支撑和阻力 + - 判断股票的短期走势方向 + +4. **题材与概念分析** + - 识别当前最热门的题材和概念 + - 分析题材的持续性和爆发力 + - 找出题材龙头和低位补涨股 + - 预判题材的炒作周期 + +5. **游资持仓分析** + - 识别游资重仓持有的股票 + - 分析游资的一致性程度 + - 判断游资是建仓、加仓还是出货 + - 评估游资持仓的稳定性 + +6. **上榜类型分析** + - 分析日榜和三日榜的差异 + - 识别连续上榜的股票（关注度高） + - 判断上榜的性质（放量突破/涨停板/异常波动） + - 评估不同上榜类型的后续表现概率 + +7. **风险股票识别** + - 识别3-5只高风险股票（游资可能出货） + - 分析卖出金额大于买入金额的股票 + - 提示游资一日游后撤离的股票 + - 警示技术面走坏的股票 + +8. **操作策略建议** + - 推荐5-8只次日重点关注的股票（按优先级排序） + - 给出每只股票的买入逻辑、买入价位、目标价位、止损价位 + - 提供仓位分配建议 + - 给出持有周期建议（超短/短线/波段） + +请给出专业、实战、具有可操作性的个股潜力分析报告。务必重点分析次日大概率上涨的股票！ +""" + + messages = [ + {"role": "system", "content": "你是一名资深的个股研究专家和短线交易高手，擅长从龙虎榜中挖掘短期爆发股。"}, + {"role": "user", "content": prompt} + ] + + analysis = self.deepseek_client.call_api(messages, max_tokens=4000) + + print(" ✓ 个股潜力分析师分析完成") + + return { + "agent_name": "个股潜力分析师", + "agent_role": "挖掘次日大概率上涨的潜力股票", + "analysis": analysis, + "focus_areas": ["潜力股挖掘", "资金流向", "技术形态", "题材概念", "操作策略"], + "timestamp": time.strftime("%Y-%m-%d %H:%M:%S") + } + + def theme_tracker_analyst(self, longhubang_data: str, summary: Dict) -> Dict[str, Any]: + """ + 题材追踪分析师 - 分析龙虎榜中的热点题材 + + 职责： + - 识别当前热点题材和概念 + - 分析题材的炒作周期 + - 预判题材的持续性 + """ + print("🔥 题材追踪分析师正在分析...") + time.sleep(1) + + # 构建概念统计信息 + concept_info = "" + if summary.get('hot_concepts'): + concept_info = "\n【热门概念统计】\n" + for idx, (concept, count) in enumerate(list(summary['hot_concepts'].items())[:20], 1): + concept_info += f"{idx}. {concept}: 出现 {count} 次\n" + + prompt = f""" +你是一名资深的题材研究专家，拥有敏锐的市场嗅觉，擅长从龙虎榜数据中捕捉题材热点和板块轮动机会。 + +【龙虎榜数据概况】 +记录总数: {summary.get('total_records', 0)} +涉及股票: {summary.get('total_stocks', 0)} 只 + +{concept_info} + +{longhubang_data[:8000]} + +请基于以上龙虎榜数据，进行深入的题材追踪分析： + +1. **热点题材识别** ⭐ 核心 + - 识别当前最热门的5-8个题材/概念 + - 分析每个题材的核心逻辑和催化剂 + - 评估题材的市场关注度和参与度 + - 判断题材是主流还是伪题材 + +2. **题材炒作周期分析** + - 判断每个题材所处的炒作周期（萌芽期/爆发期/高潮期/退潮期） + - 分析题材的爆发力和持续性 + - 识别即将启动的新题材（萌芽期） + - 提示即将退潮的老题材（高潮期） + +3. **题材龙头与梯队** + - 识别每个题材的龙头股（1-2只） + - 找出题材的跟风股和补涨股 + - 分析龙头的地位是否稳固 + - 判断是否存在龙头切换 + +4. **游资对题材的态度** + - 分析游资重点炒作的题材 + - 判断游资对题材的认同度（一致/分歧） + - 识别游资集体进攻的题材（强势题材） + - 发现游资开始撤离的题材（弱势题材） + +5. **题材轮动特征** + - 分析题材之间的轮动关系 + - 识别强势题材和弱势题材 + - 判断资金从哪个题材流向哪个题材 + - 预判下一个可能启动的题材 + +6. **题材与市场环境匹配度** + - 分析题材是否符合当前市场风格 + - 评估题材的政策支持度 + - 判断题材的基本面支撑 + - 识别纯粹炒作的题材 + +7. **题材风险评估** + - 识别过度炒作的题材（泡沫风险） + - 提示游资分歧加大的题材 + - 警示题材逻辑破裂的风险 + - 评估题材的回调风险 + +8. **投资策略建议** + - 推荐3-5个值得关注的强势题材 + - 每个题材推荐1-2只最优标的 + - 提供题材投资的时机选择 + - 给出题材仓位和持有周期建议 + +请给出专业、前瞻性强的题材追踪分析报告。 +""" + + messages = [ + {"role": "system", "content": "你是一名资深的题材研究专家，擅长从龙虎榜数据中捕捉题材热点和投资机会。"}, + {"role": "user", "content": prompt} + ] + + analysis = self.deepseek_client.call_api(messages, max_tokens=4000) + + print(" ✓ 题材追踪分析师分析完成") + + return { + "agent_name": "题材追踪分析师", + "agent_role": "识别热点题材，分析炒作周期，预判轮动方向", + "analysis": analysis, + "focus_areas": ["热点题材", "炒作周期", "龙头梯队", "题材轮动", "风险评估"], + "timestamp": time.strftime("%Y-%m-%d %H:%M:%S") + } + + def risk_control_specialist(self, longhubang_data: str, summary: Dict) -> Dict[str, Any]: + """ + 风险控制专家 - 识别龙虎榜中的风险信号 + + 职责： + - 识别高风险股票和陷阱 + - 分析游资出货信号 + - 提供风险管理建议 + """ + print("⚠️ 风险控制专家正在分析...") + time.sleep(1) + + prompt = f""" +你是一名资深的风险控制专家和反向思维大师，拥有20年的市场风险管理经验，擅长识别龙虎榜中的风险信号和资金陷阱。 + +【龙虎榜数据概况】 +记录总数: {summary.get('total_records', 0)} +涉及股票: {summary.get('total_stocks', 0)} 只 +涉及游资: {summary.get('total_youzi', 0)} 个 +总买入金额: {summary.get('total_buy_amount', 0):,.2f} 元 +总卖出金额: {summary.get('total_sell_amount', 0):,.2f} 元 +净流入金额: {summary.get('total_net_inflow', 0):,.2f} 元 + +{longhubang_data[:8000]} + +请基于以上龙虎榜数据，进行全面的风险分析： + +1. **高风险股票识别** ⭐ 核心 + - 识别5-8只高风险股票（次日大概率下跌） + - 分析每只股票的风险点（游资出货/技术破位/题材退潮） + - 评估每只股票的风险等级（高/中/低） + - 给出规避建议和止损位 + +2. **游资出货信号识别** + - 识别卖出金额远大于买入金额的股票 + - 分析游资"一日游"后撤离的股票 + - 识别游资集体出货的股票（多席位卖出） + - 判断游资出货是正常获利了结还是预期恶化 + +3. **资金陷阱识别** + - 识别"虚假放量"的股票（实为对倒出货） + - 分析"高位放量滞涨"的股票 + - 识别"拉高出货"的经典手法 + - 提示"击鼓传花"的末期信号 + +4. **题材风险评估** + - 识别过度炒作的题材（泡沫严重） + - 分析题材逻辑破裂的风险 + - 提示题材退潮的信号 + - 评估题材的持续性风险 + +5. **技术面风险提示** + - 识别技术面走坏的股票（破位/跌破支撑） + - 分析高位震荡的股票（出货迹象） + - 提示连续上涨后的回调风险 + - 评估短期超买的股票 + +6. **情绪风险评估** + - 识别市场情绪过热的信号 + - 分析游资一致性过高的风险（易崩盘） + - 提示跟风盘过多的股票（接盘侠风险） + - 评估短期投机氛围的风险 + +7. **系统性风险提示** + - 分析整体龙虎榜数据反映的市场风险 + - 评估游资整体是进攻还是防守 + - 判断市场风险偏好的变化 + - 提示可能的系统性调整风险 + +8. **风险管理建议** + - 提供仓位控制建议（重仓/轻仓/空仓） + - 给出止损止盈的纪律要求 + - 建议规避的板块和题材 + - 提供风险对冲策略 + +请给出专业、严谨、保守的风险控制报告，宁可错过，不可做错。 +""" + + messages = [ + {"role": "system", "content": "你是一名资深的风险控制专家，擅长识别龙虎榜中的风险信号和资金陷阱。"}, + {"role": "user", "content": prompt} + ] + + analysis = self.deepseek_client.call_api(messages, max_tokens=4000) + + print(" ✓ 风险控制专家分析完成") + + return { + "agent_name": "风险控制专家", + "agent_role": "识别高风险股票、游资出货信号和市场陷阱", + "analysis": analysis, + "focus_areas": ["高风险股票", "出货信号", "资金陷阱", "题材风险", "风险管理"], + "timestamp": time.strftime("%Y-%m-%d %H:%M:%S") + } + + def chief_strategist(self, all_analyses: List[Dict]) -> Dict[str, Any]: + """ + 首席策略师 - 综合所有分析师的意见，给出最终投资建议 + + 职责： + - 整合多维度分析结果 + - 给出最终推荐股票清单 + - 提供具体操作策略 + """ + print("👔 首席策略师正在综合分析...") + time.sleep(1) + + # 整合所有分析师的分析结果 + analyses_text = "" + for analysis in all_analyses: + analyses_text += f"\n{'='*60}\n" + analyses_text += f"【{analysis['agent_name']}】分析报告\n" + analyses_text += f"职责: {analysis['agent_role']}\n" + analyses_text += f"{'='*60}\n" + analyses_text += analysis['analysis'] + "\n" + + prompt = f""" +你是一名资深的首席投资策略师，拥有CFA、FRM等专业资格，具有25年的市场实战经验和卓越的综合分析能力。 + +你的团队包含4位专业分析师，他们已经从不同维度完成了龙虎榜数据分析： +1. 游资行为分析师 - 分析游资操作特征和意图 +2. 个股潜力分析师 - 挖掘次日大概率上涨的股票 +3. 题材追踪分析师 - 识别热点题材和轮动机会 +4. 风险控制专家 - 识别高风险股票和市场陷阱 + +以下是各位分析师的详细分析报告： + +{analyses_text[:15000]} + +请作为首席策略师，综合以上所有分析，给出最终的投资策略报告： + +1. **市场总体研判** + - 综合评估当前龙虎榜反映的市场状态 + - 判断游资整体的进攻或防守态度 + - 评估短期市场的机会和风险 + - 给出市场情绪和热度评分（0-100分） + +2. **次日重点推荐股票（TOP5-8）** ⭐⭐⭐ 最核心 + - 综合4位分析师的意见，筛选出5-8只次日最有潜力的股票 + - 每只股票必须包含： + * 股票名称和代码 + * 推荐理由（多维度综合） + * 确定性评级（高/中/低） + * 买入价位区间 + * 目标价位（预期涨幅） + * 止损价位 + * 持有周期建议 + - 按推荐优先级排序（第一只为最看好） + +3. **高风险警示股票（TOP3-5）** + - 综合识别3-5只高风险股票 + - 说明风险原因 + - 给出规避建议 + +4. **热点题材总结** + - 总结当前2-3个最强势题材 + - 每个题材推荐1-2只最优标的 + - 分析题材的持续性 + +5. **操作策略建议** + - 仓位管理建议（进攻/平衡/防守） + - 选股思路和方向 + - 买卖时机选择 + - 风险控制要求 + +6. **注意事项** + - 提示关键风险点 + - 强调纪律执行 + - 给出应对预案 + +请给出专业、全面、可执行的首席策略师综合报告。报告要有明确的结论和可操作性！ +""" + + messages = [ + {"role": "system", "content": "你是一名资深的首席投资策略师，擅长综合多维度分析，给出最优投资决策。"}, + {"role": "user", "content": prompt} + ] + + analysis = self.deepseek_client.call_api(messages, max_tokens=5000) + + print(" ✓ 首席策略师分析完成") + + return { + "agent_name": "首席策略师", + "agent_role": "综合多维度分析，给出最终投资建议和推荐股票清单", + "analysis": analysis, + "focus_areas": ["综合研判", "推荐股票", "风险警示", "热点题材", "操作策略"], + "timestamp": time.strftime("%Y-%m-%d %H:%M:%S") + } + + +# 测试函数 +if __name__ == "__main__": + print("=" * 60) + print("测试智瞰龙虎AI分析师系统") + print("=" * 60) + + # 创建模拟数据 + test_summary = { + 'total_records': 150, + 'total_stocks': 50, + 'total_youzi': 30, + 'total_buy_amount': 500000000, + 'total_sell_amount': 200000000, + 'total_net_inflow': 300000000, + 'top_youzi': { + '92科比': 14455321, + '赵老哥': 12000000, + '章盟主': 10000000 + }, + 'top_stocks': [ + {'code': '001337', 'name': '四川黄金', 'net_inflow': 14455321} + ], + 'hot_concepts': { + '黄金概念': 10, + '新能源': 8, + 'ChatGPT': 7 + } + } + + test_data = """ +【详细交易记录 TOP50】 +92科比 | 四川黄金(001337) | 买入:14,470,401 卖出:15,080 净流入:14,455,321 | 日期:2023-03-22 +""" + + agents = LonghubangAgents() + + # 测试游资行为分析师 + print("\n测试游资行为分析师...") + result = agents.youzi_behavior_analyst(test_data, test_summary) + print(f"分析师: {result['agent_name']}") + print(f"分析内容长度: {len(result['analysis'])} 字符") + diff --git a/longhubang_data.py b/longhubang_data.py new file mode 100644 index 0000000..2ebcc7e --- /dev/null +++ b/longhubang_data.py @@ -0,0 +1,332 @@ +""" +智瞰龙虎数据采集模块 +使用StockAPI获取龙虎榜数据 +""" + +import requests +import pandas as pd +from datetime import datetime, timedelta +import time +import warnings + +warnings.filterwarnings('ignore') + + +class LonghubangDataFetcher: + """龙虎榜数据获取类""" + + def __init__(self, api_key=None): + """ + 初始化数据获取器 + + Args: + api_key: StockAPI的API密钥（可选，普通请求每日免费1000次） + """ + print("[智瞰龙虎] 龙虎榜数据获取器初始化...") + self.base_url = "https://www.stockapi.com.cn/v1" + self.api_key = api_key + self.max_retries = 3 # 最大重试次数 + self.retry_delay = 2 # 重试延迟（秒） + self.request_delay = 0.025 # 请求间隔（秒），40次/秒 = 0.025秒/次 + + def _safe_request(self, url, params=None): + """ + 安全的HTTP请求，包含重试机制 + + Args: + url: 请求URL + params: 请求参数 + + Returns: + dict: 响应数据 + """ + for attempt in range(self.max_retries): + try: + response = requests.get(url, params=params, timeout=10) + + # 添加请求延迟，遵守40次/秒的限制 + time.sleep(self.request_delay) + + if response.status_code == 200: + data = response.json() + if data.get('code') == 20000: + return data + else: + print(f" API返回错误: {data.get('msg', '未知错误')}") + return None + else: + print(f" HTTP错误: {response.status_code}") + + except Exception as e: + if attempt < self.max_retries - 1: + print(f" 请求失败，{self.retry_delay}秒后重试... (尝试 {attempt + 1}/{self.max_retries})") + time.sleep(self.retry_delay) + else: + print(f" 请求失败，已达最大重试次数: {e}") + return None + + return None + + def get_longhubang_data(self, date): + """ + 获取指定日期的龙虎榜数据 + + Args: + date: 日期，格式为 YYYY-MM-DD，如 "2023-03-21" + + Returns: + dict: 龙虎榜数据 + """ + print(f"[智瞰龙虎] 获取 {date} 的龙虎榜数据...") + + url = f"{self.base_url}/youzi/all" + params = {'date': date} + + result = self._safe_request(url, params) + + if result and result.get('data'): + print(f" ✓ 成功获取 {len(result['data'])} 条龙虎榜记录") + return result + else: + print(f" ✗ 未获取到数据") + return None + + def get_longhubang_data_range(self, start_date, end_date): + """ + 获取日期范围内的龙虎榜数据 + + Args: + start_date: 开始日期，格式为 YYYY-MM-DD + end_date: 结束日期，格式为 YYYY-MM-DD + + Returns: + list: 龙虎榜数据列表 + """ + print(f"[智瞰龙虎] 获取 {start_date} 至 {end_date} 的龙虎榜数据...") + + all_data = [] + + # 转换日期 + current_date = datetime.strptime(start_date, '%Y-%m-%d') + end_date_obj = datetime.strptime(end_date, '%Y-%m-%d') + + while current_date <= end_date_obj: + date_str = current_date.strftime('%Y-%m-%d') + + # 跳过周末 + if current_date.weekday() < 5: # 0-4表示周一到周五 + result = self.get_longhubang_data(date_str) + if result and result.get('data'): + all_data.extend(result['data']) + + # 下一天 + current_date += timedelta(days=1) + + print(f"[智瞰龙虎] ✓ 共获取 {len(all_data)} 条记录") + return all_data + + def get_recent_days_data(self, days=5): + """ + 获取最近N个交易日的龙虎榜数据 + + Args: + days: 天数（默认5天） + + Returns: + list: 龙虎榜数据列表 + """ + end_date = datetime.now() + start_date = end_date - timedelta(days=days * 2) # 乘以2以确保包含足够的交易日 + + return self.get_longhubang_data_range( + start_date.strftime('%Y-%m-%d'), + end_date.strftime('%Y-%m-%d') + ) + + def parse_to_dataframe(self, data_list): + """ + 将龙虎榜数据转换为DataFrame + + Args: + data_list: 龙虎榜数据列表 + + Returns: + pd.DataFrame: 数据框 + """ + if not data_list: + return pd.DataFrame() + + df = pd.DataFrame(data_list) + + # 重命名列 + column_mapping = { + 'yzmc': '游资名称', + 'yyb': '营业部', + 'sblx': '榜单类型', + 'gpdm': '股票代码', + 'gpmc': '股票名称', + 'mrje': '买入金额', + 'mcje': '卖出金额', + 'jlrje': '净流入金额', + 'rq': '日期', + 'gl': '概念' + } + + df = df.rename(columns=column_mapping) + + # 转换数据类型 + numeric_columns = ['买入金额', '卖出金额', '净流入金额'] + for col in numeric_columns: + if col in df.columns: + df[col] = pd.to_numeric(df[col], errors='coerce') + + # 排序 + if '净流入金额' in df.columns: + df = df.sort_values('净流入金额', ascending=False) + + return df + + def analyze_data_summary(self, data_list): + """ + 分析龙虎榜数据，生成摘要统计 + + Args: + data_list: 龙虎榜数据列表 + + Returns: + dict: 统计摘要 + """ + if not data_list: + return {} + + df = self.parse_to_dataframe(data_list) + + summary = { + 'total_records': len(df), + 'total_stocks': df['股票代码'].nunique() if '股票代码' in df.columns else 0, + 'total_youzi': df['游资名称'].nunique() if '游资名称' in df.columns else 0, + 'total_buy_amount': df['买入金额'].sum() if '买入金额' in df.columns else 0, + 'total_sell_amount': df['卖出金额'].sum() if '卖出金额' in df.columns else 0, + 'total_net_inflow': df['净流入金额'].sum() if '净流入金额' in df.columns else 0, + } + + # Top游资排名 + if '游资名称' in df.columns and '净流入金额' in df.columns: + top_youzi = df.groupby('游资名称')['净流入金额'].sum().sort_values(ascending=False) + summary['top_youzi'] = top_youzi.head(10).to_dict() + + # Top股票排名 + if '股票代码' in df.columns and '净流入金额' in df.columns: + top_stocks = df.groupby(['股票代码', '股票名称'])['净流入金额'].sum().sort_values(ascending=False) + summary['top_stocks'] = [ + {'code': code, 'name': name, 'net_inflow': amount} + for (code, name), amount in top_stocks.head(20).items() + ] + + # 热门概念统计 + if '概念' in df.columns: + all_concepts = [] + for concepts in df['概念'].dropna(): + all_concepts.extend([c.strip() for c in str(concepts).split(',')]) + + from collections import Counter + concept_counter = Counter(all_concepts) + summary['hot_concepts'] = dict(concept_counter.most_common(20)) + + return summary + + def format_data_for_ai(self, data_list, summary=None): + """ + 将龙虎榜数据格式化为适合AI分析的文本格式 + + Args: + data_list: 龙虎榜数据列表 + summary: 统计摘要（可选） + + Returns: + str: 格式化的文本 + """ + if not data_list: + return "暂无龙虎榜数据" + + df = self.parse_to_dataframe(data_list) + + if summary is None: + summary = self.analyze_data_summary(data_list) + + text_parts = [] + + # 总体概况 + text_parts.append(f""" +【龙虎榜总体概况】 +数据时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')} +记录总数: {summary.get('total_records', 0)} +涉及股票: {summary.get('total_stocks', 0)} 只 +涉及游资: {summary.get('total_youzi', 0)} 个 +总买入金额: {summary.get('total_buy_amount', 0):,.2f} 元 +总卖出金额: {summary.get('total_sell_amount', 0):,.2f} 元 +净流入金额: {summary.get('total_net_inflow', 0):,.2f} 元 +""") + + # Top游资 + if summary.get('top_youzi'): + text_parts.append("\n【活跃游资 TOP10】") + for idx, (name, amount) in enumerate(summary['top_youzi'].items(), 1): + text_parts.append(f"{idx}. {name}: {amount:,.2f} 元") + + # Top股票 + if summary.get('top_stocks'): + text_parts.append("\n【资金净流入 TOP20股票】") + for idx, stock in enumerate(summary['top_stocks'], 1): + text_parts.append( + f"{idx}. {stock['name']}({stock['code']}): {stock['net_inflow']:,.2f} 元" + ) + + # 热门概念 + if summary.get('hot_concepts'): + text_parts.append("\n【热门概念 TOP20】") + for idx, (concept, count) in enumerate(list(summary['hot_concepts'].items())[:20], 1): + text_parts.append(f"{idx}. {concept}: {count} 次") + + # 详细交易记录（前50条） + text_parts.append("\n【详细交易记录 TOP50】") + for idx, row in df.head(50).iterrows(): + text_parts.append( + f"{row.get('游资名称', 'N/A')} | " + f"{row.get('股票名称', 'N/A')}({row.get('股票代码', 'N/A')}) | " + f"买入:{row.get('买入金额', 0):,.0f} " + f"卖出:{row.get('卖出金额', 0):,.0f} " + f"净流入:{row.get('净流入金额', 0):,.0f} | " + f"日期:{row.get('日期', 'N/A')}" + ) + + return "\n".join(text_parts) + + +# 测试函数 +if __name__ == "__main__": + print("=" * 60) + print("测试智瞰龙虎数据采集模块") + print("=" * 60) + + fetcher = LonghubangDataFetcher() + + # 测试获取单日数据 + date = (datetime.now() - timedelta(days=1)).strftime('%Y-%m-%d') + result = fetcher.get_longhubang_data(date) + + if result and result.get('data'): + # 分析数据 + summary = fetcher.analyze_data_summary(result['data']) + + print("\n" + "=" * 60) + print("数据采集成功！") + print("=" * 60) + + # 格式化输出 + formatted_text = fetcher.format_data_for_ai(result['data'], summary) + print(formatted_text[:2000]) # 显示前2000字符 + print(f"\n... (总长度: {len(formatted_text)} 字符)") + else: + print("\n数据采集失败") + diff --git a/longhubang_db.py b/longhubang_db.py new file mode 100644 index 0000000..e713818 --- /dev/null +++ b/longhubang_db.py @@ -0,0 +1,485 @@ +""" +智瞰龙虎数据库模块 +用于存储龙虎榜历史数据和分析报告 +""" + +import sqlite3 +from datetime import datetime +import json +import pandas as pd + + +class LonghubangDatabase: + """龙虎榜数据库管理类""" + + def __init__(self, db_path='longhubang.db'): + """ + 初始化数据库 + + Args: + db_path: 数据库文件路径 + """ + self.db_path = db_path + self.init_database() + + def get_connection(self): + """获取数据库连接""" + return sqlite3.connect(self.db_path) + + def init_database(self): + """初始化数据库表""" + conn = self.get_connection() + cursor = conn.cursor() + + # 龙虎榜原始数据表 + cursor.execute(''' + CREATE TABLE IF NOT EXISTS longhubang_records ( + id INTEGER PRIMARY KEY AUTOINCREMENT, + date TEXT NOT NULL, + stock_code TEXT NOT NULL, + stock_name TEXT, + youzi_name TEXT, + yingye_bu TEXT, + list_type TEXT, + buy_amount REAL, + sell_amount REAL, + net_inflow REAL, + concepts TEXT, + created_at TEXT DEFAULT CURRENT_TIMESTAMP, + UNIQUE(date, stock_code, youzi_name, yingye_bu) + ) + ''') + + # 创建索引 + cursor.execute(''' + CREATE INDEX IF NOT EXISTS idx_date ON longhubang_records(date) + ''') + cursor.execute(''' + CREATE INDEX IF NOT EXISTS idx_stock_code ON longhubang_records(stock_code) + ''') + cursor.execute(''' + CREATE INDEX IF NOT EXISTS idx_youzi_name ON longhubang_records(youzi_name) + ''') + cursor.execute(''' + CREATE INDEX IF NOT EXISTS idx_net_inflow ON longhubang_records(net_inflow) + ''') + + # AI分析报告表 + cursor.execute(''' + CREATE TABLE IF NOT EXISTS longhubang_analysis ( + id INTEGER PRIMARY KEY AUTOINCREMENT, + analysis_date TEXT NOT NULL, + data_date_range TEXT, + analysis_content TEXT, + recommended_stocks TEXT, + summary TEXT, + created_at TEXT DEFAULT CURRENT_TIMESTAMP + ) + ''') + + # 股票追踪表（记录推荐股票的后续表现） + cursor.execute(''' + CREATE TABLE IF NOT EXISTS stock_tracking ( + id INTEGER PRIMARY KEY AUTOINCREMENT, + analysis_id INTEGER, + stock_code TEXT NOT NULL, + stock_name TEXT, + recommended_date TEXT, + recommended_price REAL, + target_price REAL, + stop_loss_price REAL, + current_price REAL, + profit_loss_pct REAL, + status TEXT, + notes TEXT, + updated_at TEXT DEFAULT CURRENT_TIMESTAMP, + FOREIGN KEY(analysis_id) REFERENCES longhubang_analysis(id) + ) + ''') + + conn.commit() + conn.close() + + print("[智瞰龙虎] 数据库初始化完成") + + def save_longhubang_data(self, data_list): + """ + 保存龙虎榜数据 + + Args: + data_list: 龙虎榜数据列表 + + Returns: + int: 成功保存的记录数 + """ + if not data_list: + return 0 + + conn = self.get_connection() + cursor = conn.cursor() + + saved_count = 0 + + for record in data_list: + try: + cursor.execute(''' + INSERT OR REPLACE INTO longhubang_records + (date, stock_code, stock_name, youzi_name, yingye_bu, list_type, + buy_amount, sell_amount, net_inflow, concepts) + VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?) + ''', ( + record.get('rq') or record.get('日期'), + record.get('gpdm') or record.get('股票代码'), + record.get('gpmc') or record.get('股票名称'), + record.get('yzmc') or record.get('游资名称'), + record.get('yyb') or record.get('营业部'), + record.get('sblx') or record.get('榜单类型'), + float(record.get('mrje') or record.get('买入金额') or 0), + float(record.get('mcje') or record.get('卖出金额') or 0), + float(record.get('jlrje') or record.get('净流入金额') or 0), + record.get('gl') or record.get('概念') + )) + saved_count += 1 + except Exception as e: + print(f"保存记录失败: {e}") + continue + + conn.commit() + conn.close() + + print(f"[智瞰龙虎] 成功保存 {saved_count} 条龙虎榜记录") + return saved_count + + def get_longhubang_data(self, start_date=None, end_date=None, stock_code=None): + """ + 查询龙虎榜数据 + + Args: + start_date: 开始日期 + end_date: 结束日期 + stock_code: 股票代码 + + Returns: + pd.DataFrame: 查询结果 + """ + conn = self.get_connection() + + query = "SELECT * FROM longhubang_records WHERE 1=1" + params = [] + + if start_date: + query += " AND date >= ?" + params.append(start_date) + + if end_date: + query += " AND date <= ?" + params.append(end_date) + + if stock_code: + query += " AND stock_code = ?" + params.append(stock_code) + + query += " ORDER BY date DESC, net_inflow DESC" + + df = pd.read_sql_query(query, conn, params=params) + conn.close() + + return df + + def get_top_youzi(self, start_date=None, end_date=None, limit=20): + """ + 获取活跃游资排名 + + Args: + start_date: 开始日期 + end_date: 结束日期 + limit: 返回数量 + + Returns: + pd.DataFrame: 游资排名 + """ + conn = self.get_connection() + + query = ''' + SELECT + youzi_name, + COUNT(*) as trade_count, + SUM(buy_amount) as total_buy, + SUM(sell_amount) as total_sell, + SUM(net_inflow) as total_net_inflow + FROM longhubang_records + WHERE 1=1 + ''' + + params = [] + + if start_date: + query += " AND date >= ?" + params.append(start_date) + + if end_date: + query += " AND date <= ?" + params.append(end_date) + + query += ''' + GROUP BY youzi_name + ORDER BY total_net_inflow DESC + LIMIT ? + ''' + params.append(limit) + + df = pd.read_sql_query(query, conn, params=params) + conn.close() + + return df + + def get_top_stocks(self, start_date=None, end_date=None, limit=20): + """ + 获取热门股票排名 + + Args: + start_date: 开始日期 + end_date: 结束日期 + limit: 返回数量 + + Returns: + pd.DataFrame: 股票排名 + """ + conn = self.get_connection() + + query = ''' + SELECT + stock_code, + stock_name, + COUNT(DISTINCT youzi_name) as youzi_count, + SUM(buy_amount) as total_buy, + SUM(sell_amount) as total_sell, + SUM(net_inflow) as total_net_inflow, + GROUP_CONCAT(DISTINCT concepts) as all_concepts + FROM longhubang_records + WHERE 1=1 + ''' + + params = [] + + if start_date: + query += " AND date >= ?" + params.append(start_date) + + if end_date: + query += " AND date <= ?" + params.append(end_date) + + query += ''' + GROUP BY stock_code, stock_name + ORDER BY total_net_inflow DESC + LIMIT ? + ''' + params.append(limit) + + df = pd.read_sql_query(query, conn, params=params) + conn.close() + + return df + + def save_analysis_report(self, data_date_range, analysis_content, + recommended_stocks, summary): + """ + 保存AI分析报告 + + Args: + data_date_range: 数据日期范围 + analysis_content: 分析内容 + recommended_stocks: 推荐股票列表 + summary: 摘要 + + Returns: + int: 报告ID + """ + conn = self.get_connection() + cursor = conn.cursor() + + cursor.execute(''' + INSERT INTO longhubang_analysis + (analysis_date, data_date_range, analysis_content, recommended_stocks, summary) + VALUES (?, ?, ?, ?, ?) + ''', ( + datetime.now().strftime('%Y-%m-%d %H:%M:%S'), + data_date_range, + analysis_content, + json.dumps(recommended_stocks, ensure_ascii=False), + summary + )) + + report_id = cursor.lastrowid + + conn.commit() + conn.close() + + print(f"[智瞰龙虎] 分析报告已保存 (ID: {report_id})") + return report_id + + def get_analysis_reports(self, limit=10): + """ + 获取历史分析报告 + + Args: + limit: 返回数量 + + Returns: + pd.DataFrame: 报告列表 + """ + conn = self.get_connection() + + query = ''' + SELECT * FROM longhubang_analysis + ORDER BY created_at DESC + LIMIT ? + ''' + + df = pd.read_sql_query(query, conn, params=[limit]) + conn.close() + + return df + + def get_analysis_report(self, report_id): + """ + 获取单个分析报告详情 + + Args: + report_id: 报告ID + + Returns: + dict: 报告详情 + """ + conn = self.get_connection() + cursor = conn.cursor() + + cursor.execute(''' + SELECT * FROM longhubang_analysis WHERE id = ? + ''', (report_id,)) + + row = cursor.fetchone() + conn.close() + + if row: + columns = [desc[0] for desc in cursor.description] + report = dict(zip(columns, row)) + + # 解析JSON字段 + if report.get('recommended_stocks'): + try: + report['recommended_stocks'] = json.loads(report['recommended_stocks']) + except: + pass + + return report + + return None + + def update_stock_tracking(self, analysis_id, stock_code, current_price, status, notes=None): + """ + 更新股票追踪信息 + + Args: + analysis_id: 分析报告ID + stock_code: 股票代码 + current_price: 当前价格 + status: 状态 + notes: 备注 + """ + conn = self.get_connection() + cursor = conn.cursor() + + cursor.execute(''' + UPDATE stock_tracking + SET current_price = ?, status = ?, notes = ?, updated_at = ? + WHERE analysis_id = ? AND stock_code = ? + ''', ( + current_price, + status, + notes, + datetime.now().strftime('%Y-%m-%d %H:%M:%S'), + analysis_id, + stock_code + )) + + conn.commit() + conn.close() + + def get_statistics(self): + """ + 获取数据库统计信息 + + Returns: + dict: 统计信息 + """ + conn = self.get_connection() + cursor = conn.cursor() + + stats = {} + + # 总记录数 + cursor.execute('SELECT COUNT(*) FROM longhubang_records') + stats['total_records'] = cursor.fetchone()[0] + + # 涉及股票数 + cursor.execute('SELECT COUNT(DISTINCT stock_code) FROM longhubang_records') + stats['total_stocks'] = cursor.fetchone()[0] + + # 涉及游资数 + cursor.execute('SELECT COUNT(DISTINCT youzi_name) FROM longhubang_records') + stats['total_youzi'] = cursor.fetchone()[0] + + # 分析报告数 + cursor.execute('SELECT COUNT(*) FROM longhubang_analysis') + stats['total_reports'] = cursor.fetchone()[0] + + # 日期范围 + cursor.execute('SELECT MIN(date), MAX(date) FROM longhubang_records') + date_range = cursor.fetchone() + stats['date_range'] = { + 'start': date_range[0], + 'end': date_range[1] + } + + conn.close() + + return stats + + +# 测试函数 +if __name__ == "__main__": + print("=" * 60) + print("测试智瞰龙虎数据库模块") + print("=" * 60) + + db = LonghubangDatabase('test_longhubang.db') + + # 测试数据 + test_data = [ + { + 'rq': '2023-03-22', + 'gpdm': '001337', + 'gpmc': '四川黄金', + 'yzmc': '92科比', + 'yyb': '兴业证券股份有限公司南京天元东路证券营业部', + 'sblx': '1', + 'mrje': 14470401, + 'mcje': 15080, + 'jlrje': 14455321, + 'gl': '贵金属,四川板块,昨日连板_含一字,昨日涨停_含一字,黄金概念,次新股' + } + ] + + # 测试保存 + db.save_longhubang_data(test_data) + + # 测试查询 + df = db.get_longhubang_data() + print(f"\n查询到 {len(df)} 条记录") + + # 获取统计信息 + stats = db.get_statistics() + print(f"\n数据库统计: {stats}") + diff --git a/longhubang_engine.py b/longhubang_engine.py new file mode 100644 index 0000000..47a47cc --- /dev/null +++ b/longhubang_engine.py @@ -0,0 +1,354 @@ +""" +智瞰龙虎综合分析引擎 +整合数据获取、AI分析、结果生成的核心引擎 +""" + +from longhubang_data import LonghubangDataFetcher +from longhubang_db import LonghubangDatabase +from longhubang_agents import LonghubangAgents +from typing import Dict, Any, List +from datetime import datetime, timedelta +import time + + +class LonghubangEngine: + """龙虎榜综合分析引擎""" + + def __init__(self, model="deepseek-chat", db_path='longhubang.db'): + """ + 初始化分析引擎 + + Args: + model: AI模型名称 + db_path: 数据库路径 + """ + self.data_fetcher = LonghubangDataFetcher() + self.database = LonghubangDatabase(db_path) + self.agents = LonghubangAgents(model=model) + print(f"[智瞰龙虎] 分析引擎初始化完成") + + def run_comprehensive_analysis(self, date=None, days=1) -> Dict[str, Any]: + """ + 运行完整的龙虎榜分析流程 + + Args: + date: 指定日期，格式 YYYY-MM-DD，默认为昨日 + days: 分析最近几天的数据，默认1天 + + Returns: + 完整的分析结果 + """ + print("\n" + "=" * 60) + print("🚀 智瞰龙虎综合分析系统启动") + print("=" * 60) + + results = { + "success": False, + "timestamp": datetime.now().strftime('%Y-%m-%d %H:%M:%S'), + "data_info": {}, + "agents_analysis": {}, + "final_report": {}, + "recommended_stocks": [] + } + + try: + # 阶段1: 获取龙虎榜数据 + print("\n[阶段1] 获取龙虎榜数据...") + print("-" * 60) + + if date: + data_list = [self.data_fetcher.get_longhubang_data(date)] + data_list = data_list[0].get('data', []) if data_list[0] else [] + else: + data_list = self.data_fetcher.get_recent_days_data(days) + + if not data_list: + print("✗ 未获取到龙虎榜数据") + results["error"] = "未获取到龙虎榜数据" + return results + + print(f"✓ 成功获取 {len(data_list)} 条龙虎榜记录") + + # 阶段2: 保存数据到数据库 + print("\n[阶段2] 保存数据到数据库...") + print("-" * 60) + saved_count = self.database.save_longhubang_data(data_list) + print(f"✓ 保存 {saved_count} 条记录") + + # 阶段3: 数据分析和统计 + print("\n[阶段3] 数据分析和统计...") + print("-" * 60) + summary = self.data_fetcher.analyze_data_summary(data_list) + formatted_data = self.data_fetcher.format_data_for_ai(data_list, summary) + + results["data_info"] = { + "total_records": summary.get('total_records', 0), + "total_stocks": summary.get('total_stocks', 0), + "total_youzi": summary.get('total_youzi', 0), + "summary": summary + } + print(f"✓ 数据统计完成") + + # 阶段4: AI分析师团队分析 + print("\n[阶段4] AI分析师团队工作中...") + print("-" * 60) + + agents_results = {} + + # 1. 游资行为分析师 + print("1/5 游资行为分析师...") + youzi_result = self.agents.youzi_behavior_analyst(formatted_data, summary) + agents_results["youzi"] = youzi_result + + # 2. 个股潜力分析师 + print("2/5 个股潜力分析师...") + stock_result = self.agents.stock_potential_analyst(formatted_data, summary) + agents_results["stock"] = stock_result + + # 3. 题材追踪分析师 + print("3/5 题材追踪分析师...") + theme_result = self.agents.theme_tracker_analyst(formatted_data, summary) + agents_results["theme"] = theme_result + + # 4. 风险控制专家 + print("4/5 风险控制专家...") + risk_result = self.agents.risk_control_specialist(formatted_data, summary) + agents_results["risk"] = risk_result + + # 5. 首席策略师综合 + print("5/5 首席策略师综合分析...") + all_analyses = [youzi_result, stock_result, theme_result, risk_result] + chief_result = self.agents.chief_strategist(all_analyses) + agents_results["chief"] = chief_result + + results["agents_analysis"] = agents_results + print("\n✓ 所有AI分析师分析完成") + + # 阶段5: 提取推荐股票 + print("\n[阶段5] 提取推荐股票...") + print("-" * 60) + recommended_stocks = self._extract_recommended_stocks( + chief_result.get('analysis', ''), + stock_result.get('analysis', ''), + summary + ) + results["recommended_stocks"] = recommended_stocks + print(f"✓ 提取 {len(recommended_stocks)} 只推荐股票") + + # 阶段6: 生成最终报告 + print("\n[阶段6] 生成最终报告...") + print("-" * 60) + final_report = self._generate_final_report(agents_results, summary, recommended_stocks) + results["final_report"] = final_report + print("✓ 最终报告生成完成") + + # 阶段7: 保存分析报告到数据库 + print("\n[阶段7] 保存分析报告...") + print("-" * 60) + data_date_range = self._get_date_range(data_list) + report_id = self.database.save_analysis_report( + data_date_range=data_date_range, + analysis_content=str(agents_results), + recommended_stocks=recommended_stocks, + summary=final_report.get('summary', '') + ) + results["report_id"] = report_id + print(f"✓ 报告已保存 (ID: {report_id})") + + results["success"] = True + + print("\n" + "=" * 60) + print("✓ 智瞰龙虎综合分析完成！") + print("=" * 60) + + except Exception as e: + print(f"\n✗ 分析过程出错: {e}") + import traceback + traceback.print_exc() + results["error"] = str(e) + + return results + + def _extract_recommended_stocks(self, chief_analysis: str, stock_analysis: str, summary: Dict) -> List[Dict]: + """ + 从AI分析中提取推荐股票 + + Args: + chief_analysis: 首席策略师分析 + stock_analysis: 个股潜力分析师分析 + summary: 数据摘要 + + Returns: + 推荐股票列表 + """ + recommended = [] + + # 从摘要中获取TOP股票作为基础 + if summary.get('top_stocks'): + for idx, stock in enumerate(summary['top_stocks'][:10], 1): + recommended.append({ + 'rank': idx, + 'code': stock['code'], + 'name': stock['name'], + 'net_inflow': stock['net_inflow'], + 'reason': f"资金净流入 {stock['net_inflow']:,.2f} 元", + 'confidence': '中', + 'buy_price': '待定', + 'target_price': '待定', + 'stop_loss': '待定', + 'hold_period': '短线' + }) + + return recommended + + def _generate_final_report(self, agents_results: Dict, summary: Dict, + recommended_stocks: List[Dict]) -> Dict: + """ + 生成最终报告 + + Args: + agents_results: 所有分析师的分析结果 + summary: 数据摘要 + recommended_stocks: 推荐股票列表 + + Returns: + 最终报告字典 + """ + report = { + 'title': '智瞰龙虎榜综合分析报告', + 'timestamp': datetime.now().strftime('%Y-%m-%d %H:%M:%S'), + 'summary': '', + 'data_overview': { + 'total_records': summary.get('total_records', 0), + 'total_stocks': summary.get('total_stocks', 0), + 'total_youzi': summary.get('total_youzi', 0), + 'total_net_inflow': summary.get('total_net_inflow', 0) + }, + 'recommended_stocks_count': len(recommended_stocks), + 'agents_count': len(agents_results) + } + + # 生成摘要 + summary_parts = [] + summary_parts.append(f"本次分析共涵盖 {summary.get('total_records', 0)} 条龙虎榜记录") + summary_parts.append(f"涉及 {summary.get('total_stocks', 0)} 只股票") + summary_parts.append(f"涉及 {summary.get('total_youzi', 0)} 个游资席位") + summary_parts.append(f"共推荐 {len(recommended_stocks)} 只潜力股票") + + report['summary'] = "，".join(summary_parts) + "。" + + return report + + def _get_date_range(self, data_list: List[Dict]) -> str: + """ + 获取数据的日期范围 + + Args: + data_list: 数据列表 + + Returns: + 日期范围字符串 + """ + if not data_list: + return "未知" + + dates = [] + for record in data_list: + date = record.get('rq') or record.get('日期') + if date: + dates.append(date) + + if not dates: + return "未知" + + dates = sorted(set(dates)) + if len(dates) == 1: + return dates[0] + else: + return f"{dates[0]} 至 {dates[-1]}" + + def get_historical_reports(self, limit=10): + """ + 获取历史分析报告 + + Args: + limit: 返回数量 + + Returns: + 报告列表 + """ + return self.database.get_analysis_reports(limit) + + def get_report_detail(self, report_id): + """ + 获取报告详情 + + Args: + report_id: 报告ID + + Returns: + 报告详情 + """ + return self.database.get_analysis_report(report_id) + + def get_statistics(self): + """ + 获取数据库统计信息 + + Returns: + 统计信息 + """ + return self.database.get_statistics() + + def get_top_youzi(self, start_date=None, end_date=None, limit=20): + """ + 获取活跃游资排名 + + Args: + start_date: 开始日期 + end_date: 结束日期 + limit: 返回数量 + + Returns: + 游资排名 + """ + return self.database.get_top_youzi(start_date, end_date, limit) + + def get_top_stocks(self, start_date=None, end_date=None, limit=20): + """ + 获取热门股票排名 + + Args: + start_date: 开始日期 + end_date: 结束日期 + limit: 返回数量 + + Returns: + 股票排名 + """ + return self.database.get_top_stocks(start_date, end_date, limit) + + +# 测试函数 +if __name__ == "__main__": + print("=" * 60) + print("测试智瞰龙虎分析引擎") + print("=" * 60) + + # 创建引擎实例 + engine = LonghubangEngine() + + # 运行综合分析（分析昨天的数据） + yesterday = (datetime.now() - timedelta(days=1)).strftime('%Y-%m-%d') + results = engine.run_comprehensive_analysis(date=yesterday) + + if results.get('success'): + print("\n" + "=" * 60) + print("分析成功！") + print("=" * 60) + print(f"数据记录: {results['data_info']['total_records']}") + print(f"涉及股票: {results['data_info']['total_stocks']}") + print(f"推荐股票: {len(results['recommended_stocks'])}") + else: + print(f"\n分析失败: {results.get('error', '未知错误')}") + diff --git a/longhubang_pdf.py b/longhubang_pdf.py new file mode 100644 index 0000000..4e2be27 --- /dev/null +++ b/longhubang_pdf.py @@ -0,0 +1,492 @@ +""" +智瞰龙虎PDF报告生成模块 +""" + +from reportlab.lib import colors +from reportlab.lib.pagesizes import A4 +from reportlab.lib.styles import getSampleStyleSheet, ParagraphStyle +from reportlab.lib.units import inch +from reportlab.platypus import SimpleDocTemplate, Paragraph, Spacer, Table, TableStyle, PageBreak +from reportlab.pdfbase import pdfmetrics +from reportlab.pdfbase.ttfonts import TTFont +from reportlab.lib.enums import TA_CENTER, TA_LEFT, TA_JUSTIFY +from datetime import datetime +import os +import tempfile + + +class LonghubangPDFGenerator: + """龙虎榜PDF报告生成器""" + + def __init__(self): + """初始化PDF生成器""" + self.setup_fonts() + + def setup_fonts(self): + """设置中文字体""" + try: + # 尝试注册常见的中文字体 + font_paths = [ + 'C:/Windows/Fonts/msyh.ttc', # 微软雅黑 + 'C:/Windows/Fonts/simsun.ttc', # 宋体 + 'C:/Windows/Fonts/simhei.ttf', # 黑体 + ] + + for font_path in font_paths: + if os.path.exists(font_path): + try: + pdfmetrics.registerFont(TTFont('ChineseFont', font_path)) + self.chinese_font = 'ChineseFont' + print(f"[PDF] 成功加载字体: {font_path}") + return + except: + continue + + # 如果都失败，使用默认字体 + self.chinese_font = 'Helvetica' + print("[PDF] 警告: 未找到中文字体，使用默认字体") + + except Exception as e: + print(f"[PDF] 字体设置失败: {e}") + self.chinese_font = 'Helvetica' + + def generate_pdf(self, result_data: dict, output_path: str = None) -> str: + """ + 生成龙虎榜分析PDF报告 + + Args: + result_data: 分析结果数据 + output_path: 输出路径，如果为None则生成临时文件 + + Returns: + PDF文件路径 + """ + try: + # 如果没有指定输出路径，创建临时文件 + if output_path is None: + temp_dir = tempfile.gettempdir() + timestamp = datetime.now().strftime("%Y%m%d_%H%M%S") + output_path = os.path.join(temp_dir, f"智瞰龙虎报告_{timestamp}.pdf") + + # 创建PDF文档 + doc = SimpleDocTemplate( + output_path, + pagesize=A4, + rightMargin=0.5*inch, + leftMargin=0.5*inch, + topMargin=0.5*inch, + bottomMargin=0.5*inch + ) + + # 构建内容 + story = [] + + # 添加标题页 + story.extend(self._create_title_page(result_data)) + story.append(PageBreak()) + + # 添加数据概况 + story.extend(self._create_data_overview(result_data)) + story.append(PageBreak()) + + # 添加推荐股票 + story.extend(self._create_recommended_stocks(result_data)) + story.append(PageBreak()) + + # 添加AI分析师报告 + story.extend(self._create_agents_analysis(result_data)) + + # 生成PDF + doc.build(story) + + print(f"[PDF] 龙虎榜报告生成成功: {output_path}") + return output_path + + except Exception as e: + print(f"[PDF] 生成失败: {e}") + import traceback + traceback.print_exc() + raise + + def _get_styles(self) -> dict: + """获取样式""" + styles = getSampleStyleSheet() + + # 自定义样式 + custom_styles = { + 'Title': ParagraphStyle( + 'CustomTitle', + parent=styles['Heading1'], + fontSize=24, + textColor=colors.HexColor('#1f4788'), + spaceAfter=30, + alignment=TA_CENTER, + fontName=self.chinese_font + ), + 'Heading1': ParagraphStyle( + 'CustomHeading1', + parent=styles['Heading1'], + fontSize=16, + textColor=colors.HexColor('#1f4788'), + spaceAfter=12, + spaceBefore=12, + fontName=self.chinese_font + ), + 'Heading2': ParagraphStyle( + 'CustomHeading2', + parent=styles['Heading2'], + fontSize=14, + textColor=colors.HexColor('#2c5aa0'), + spaceAfter=10, + spaceBefore=10, + fontName=self.chinese_font + ), + 'Heading3': ParagraphStyle( + 'CustomHeading3', + parent=styles['Heading3'], + fontSize=12, + textColor=colors.HexColor('#3d6db5'), + spaceAfter=8, + spaceBefore=8, + fontName=self.chinese_font + ), + 'Normal': ParagraphStyle( + 'CustomNormal', + parent=styles['Normal'], + fontSize=10, + leading=14, + fontName=self.chinese_font, + alignment=TA_JUSTIFY + ), + 'Small': ParagraphStyle( + 'CustomSmall', + parent=styles['Normal'], + fontSize=9, + leading=12, + fontName=self.chinese_font + ) + } + + return custom_styles + + def _create_title_page(self, data: dict) -> list: + """创建标题页""" + styles = self._get_styles() + elements = [] + + # 添加空白 + elements.append(Spacer(1, 2*inch)) + + # 主标题 + title = Paragraph("智瞰龙虎榜分析报告", styles['Title']) + elements.append(title) + elements.append(Spacer(1, 0.5*inch)) + + # 副标题 + subtitle = Paragraph("AI驱动的龙虎榜多维度分析系统", styles['Heading2']) + elements.append(subtitle) + elements.append(Spacer(1, 1*inch)) + + # 报告信息 + timestamp = data.get('timestamp', datetime.now().strftime('%Y-%m-%d %H:%M:%S')) + data_info = data.get('data_info', {}) + + info_text = f""" + + 生成时间: {timestamp}
+ 数据记录: {data_info.get('total_records', 0)} 条
+ 涉及股票: {data_info.get('total_stocks', 0)} 只
+ 涉及游资: {data_info.get('total_youzi', 0)} 个
+ AI分析师: 5位专业分析师团队
+ 分析模型: DeepSeek AI Multi-Agent System + + """ + info = Paragraph(info_text, styles['Normal']) + elements.append(info) + elements.append(Spacer(1, 1*inch)) + + # 免责声明 + disclaimer = Paragraph( + "本报告由AI系统基于龙虎榜公开数据自动生成，仅供参考，不构成投资建议。
" + "市场有风险，投资需谨慎。请投资者独立判断并承担投资风险。", + styles['Normal'] + ) + elements.append(disclaimer) + + return elements + + def _create_data_overview(self, data: dict) -> list: + """创建数据概况部分""" + styles = self._get_styles() + elements = [] + + # 标题 + elements.append(Paragraph("一、数据概况", styles['Heading1'])) + elements.append(Spacer(1, 0.2*inch)) + + data_info = data.get('data_info', {}) + summary = data_info.get('summary', {}) + + # 基本统计 + overview_text = f""" + + 本次分析共涵盖 {data_info.get('total_records', 0)} 条龙虎榜记录， + 涉及 {data_info.get('total_stocks', 0)} 只股票和 + {data_info.get('total_youzi', 0)} 个游资席位。

+ + 资金概况:
+ • 总买入金额: {summary.get('total_buy_amount', 0):,.2f} 元
+ • 总卖出金额: {summary.get('total_sell_amount', 0):,.2f} 元
+ • 净流入金额: {summary.get('total_net_inflow', 0):,.2f} 元 + + """ + elements.append(Paragraph(overview_text, styles['Normal'])) + elements.append(Spacer(1, 0.3*inch)) + + # TOP游资 + if summary.get('top_youzi'): + elements.append(Paragraph("1.1 活跃游资 TOP10", styles['Heading2'])) + elements.append(Spacer(1, 0.1*inch)) + + table_data = [['排名', '游资名称', '净流入金额(元)']] + for idx, (name, amount) in enumerate(list(summary['top_youzi'].items())[:10], 1): + table_data.append([str(idx), name, f"{amount:,.2f}"]) + + table = Table(table_data, colWidths=[0.8*inch, 3.5*inch, 2*inch]) + table.setStyle(TableStyle([ + ('BACKGROUND', (0, 0), (-1, 0), colors.HexColor('#1f4788')), + ('TEXTCOLOR', (0, 0), (-1, 0), colors.whitesmoke), + ('ALIGN', (0, 0), (-1, -1), 'CENTER'), + ('FONTNAME', (0, 0), (-1, -1), self.chinese_font), + ('FONTSIZE', (0, 0), (-1, 0), 10), + ('FONTSIZE', (0, 1), (-1, -1), 9), + ('BOTTOMPADDING', (0, 0), (-1, 0), 12), + ('BACKGROUND', (0, 1), (-1, -1), colors.beige), + ('GRID', (0, 0), (-1, -1), 1, colors.black) + ])) + elements.append(table) + elements.append(Spacer(1, 0.3*inch)) + + # TOP股票 + if summary.get('top_stocks'): + elements.append(Paragraph("1.2 资金净流入 TOP20 股票", styles['Heading2'])) + elements.append(Spacer(1, 0.1*inch)) + + table_data = [['排名', '股票代码', '股票名称', '净流入金额(元)']] + for idx, stock in enumerate(summary['top_stocks'][:20], 1): + table_data.append([ + str(idx), + stock['code'], + stock['name'], + f"{stock['net_inflow']:,.2f}" + ]) + + table = Table(table_data, colWidths=[0.8*inch, 1.2*inch, 2*inch, 2.3*inch]) + table.setStyle(TableStyle([ + ('BACKGROUND', (0, 0), (-1, 0), colors.HexColor('#1f4788')), + ('TEXTCOLOR', (0, 0), (-1, 0), colors.whitesmoke), + ('ALIGN', (0, 0), (-1, -1), 'CENTER'), + ('FONTNAME', (0, 0), (-1, -1), self.chinese_font), + ('FONTSIZE', (0, 0), (-1, 0), 10), + ('FONTSIZE', (0, 1), (-1, -1), 8), + ('BOTTOMPADDING', (0, 0), (-1, 0), 12), + ('BACKGROUND', (0, 1), (-1, -1), colors.beige), + ('GRID', (0, 0), (-1, -1), 1, colors.black) + ])) + elements.append(table) + elements.append(Spacer(1, 0.3*inch)) + + # 热门概念 + if summary.get('hot_concepts'): + elements.append(Paragraph("1.3 热门概念 TOP15", styles['Heading2'])) + elements.append(Spacer(1, 0.1*inch)) + + concepts_text = "" + for idx, (concept, count) in enumerate(list(summary['hot_concepts'].items())[:15], 1): + concepts_text += f"{idx}. {concept} ({count}次)　" + if idx % 3 == 0: + concepts_text += "
" + + elements.append(Paragraph(concepts_text, styles['Normal'])) + + return elements + + def _create_recommended_stocks(self, data: dict) -> list: + """创建推荐股票部分""" + styles = self._get_styles() + elements = [] + + # 标题 + elements.append(Paragraph("二、AI推荐股票", styles['Heading1'])) + elements.append(Spacer(1, 0.2*inch)) + + recommended = data.get('recommended_stocks', []) + + if not recommended: + elements.append(Paragraph("暂无推荐股票", styles['Normal'])) + return elements + + # 说明 + intro_text = f""" + + 基于5位AI分析师的综合分析，系统识别出以下 {len(recommended)} 只潜力股票， + 这些股票在资金流向、游资关注度、题材热度等多个维度表现突出。 + + """ + elements.append(Paragraph(intro_text, styles['Normal'])) + elements.append(Spacer(1, 0.2*inch)) + + # 推荐股票表格 + table_data = [['排名', '股票代码', '股票名称', '净流入金额', '确定性', '持有周期']] + for stock in recommended[:10]: + table_data.append([ + str(stock.get('rank', '-')), + stock.get('code', '-'), + stock.get('name', '-'), + f"{stock.get('net_inflow', 0):,.0f}", + stock.get('confidence', '-'), + stock.get('hold_period', '-') + ]) + + table = Table(table_data, colWidths=[0.7*inch, 1.2*inch, 1.5*inch, 1.5*inch, 0.9*inch, 1*inch]) + table.setStyle(TableStyle([ + ('BACKGROUND', (0, 0), (-1, 0), colors.HexColor('#1f4788')), + ('TEXTCOLOR', (0, 0), (-1, 0), colors.whitesmoke), + ('ALIGN', (0, 0), (-1, -1), 'CENTER'), + ('FONTNAME', (0, 0), (-1, -1), self.chinese_font), + ('FONTSIZE', (0, 0), (-1, 0), 9), + ('FONTSIZE', (0, 1), (-1, -1), 8), + ('BOTTOMPADDING', (0, 0), (-1, 0), 12), + ('BACKGROUND', (0, 1), (-1, -1), colors.beige), + ('GRID', (0, 0), (-1, -1), 1, colors.black) + ])) + elements.append(table) + elements.append(Spacer(1, 0.3*inch)) + + # 详细推荐理由 + elements.append(Paragraph("2.1 推荐理由详解", styles['Heading2'])) + elements.append(Spacer(1, 0.1*inch)) + + for stock in recommended[:5]: # 只详细展示前5只 + stock_text = f""" + + {stock.get('rank', '-')}. {stock.get('name', '-')} ({stock.get('code', '-')})
+ 推荐理由: {stock.get('reason', '暂无')}
+ 确定性: {stock.get('confidence', '-')} | 持有周期: {stock.get('hold_period', '-')} + + """ + elements.append(Paragraph(stock_text, styles['Small'])) + elements.append(Spacer(1, 0.1*inch)) + + return elements + + def _create_agents_analysis(self, data: dict) -> list: + """创建AI分析师报告部分""" + styles = self._get_styles() + elements = [] + + agents_analysis = data.get('agents_analysis', {}) + + if not agents_analysis: + return elements + + # 标题 + elements.append(Paragraph("三、AI分析师报告", styles['Heading1'])) + elements.append(Spacer(1, 0.2*inch)) + + # 分析师介绍 + intro_text = """ + + 本报告由5位AI专业分析师从不同维度进行分析，综合形成投资建议：
+ • 游资行为分析师 - 分析游资操作特征和意图
+ • 个股潜力分析师 - 挖掘次日大概率上涨的股票
+ • 题材追踪分析师 - 识别热点题材和轮动机会
+ • 风险控制专家 - 识别高风险股票和市场陷阱
+ • 首席策略师 - 综合研判并给出最终建议 + + """ + elements.append(Paragraph(intro_text, styles['Normal'])) + elements.append(Spacer(1, 0.3*inch)) + + # 各分析师报告 + agent_titles = { + 'youzi': '3.1 游资行为分析师', + 'stock': '3.2 个股潜力分析师', + 'theme': '3.3 题材追踪分析师', + 'risk': '3.4 风险控制专家', + 'chief': '3.5 首席策略师综合研判' + } + + for agent_key, agent_title in agent_titles.items(): + agent_data = agents_analysis.get(agent_key, {}) + if agent_data: + elements.append(Paragraph(agent_title, styles['Heading2'])) + elements.append(Spacer(1, 0.1*inch)) + + analysis_text = agent_data.get('analysis', '暂无分析') + # 截断过长的文本 + if len(analysis_text) > 3000: + analysis_text = analysis_text[:3000] + "\n...(内容过长，已截断)" + + elements.append(Paragraph(analysis_text, styles['Small'])) + elements.append(Spacer(1, 0.2*inch)) + + if agent_key != 'chief': + elements.append(PageBreak()) + + return elements + + +# 测试函数 +if __name__ == "__main__": + print("=" * 60) + print("测试智瞰龙虎PDF生成模块") + print("=" * 60) + + # 创建测试数据 + test_data = { + 'timestamp': '2024-01-15 18:30:00', + 'data_info': { + 'total_records': 150, + 'total_stocks': 50, + 'total_youzi': 30, + 'summary': { + 'total_buy_amount': 500000000, + 'total_sell_amount': 200000000, + 'total_net_inflow': 300000000, + 'top_youzi': { + '92科比': 14455321, + '赵老哥': 12000000 + }, + 'top_stocks': [ + {'code': '001337', 'name': '四川黄金', 'net_inflow': 14455321} + ], + 'hot_concepts': { + '黄金概念': 10, + '新能源': 8 + } + } + }, + 'recommended_stocks': [ + { + 'rank': 1, + 'code': '001337', + 'name': '四川黄金', + 'net_inflow': 14455321, + 'reason': '游资大幅买入', + 'confidence': '高', + 'hold_period': '短线' + } + ], + 'agents_analysis': { + 'chief': { + 'analysis': '综合分析显示...' + } + } + } + + # 生成PDF + generator = LonghubangPDFGenerator() + pdf_path = generator.generate_pdf(test_data) + print(f"\nPDF已生成: {pdf_path}") + diff --git a/longhubang_ui.py b/longhubang_ui.py new file mode 100644 index 0000000..0634648 --- /dev/null +++ b/longhubang_ui.py @@ -0,0 +1,610 @@ +""" +智瞰龙虎UI界面模块 +展示龙虎榜分析结果和推荐股票 +""" + +import streamlit as st +import plotly.graph_objects as go +import plotly.express as px +import pandas as pd +from datetime import datetime, timedelta +import time +import base64 + +from longhubang_engine import LonghubangEngine +from longhubang_pdf import LonghubangPDFGenerator + + +def display_longhubang(): + """显示智瞰龙虎主界面""" + + st.markdown(""" +
+

🎯 智瞰龙虎 - AI驱动的龙虎榜分析

+

Multi-Agent Dragon Tiger Analysis | 游资·个股·题材·风险多维分析

+
+ """, unsafe_allow_html=True) + + st.markdown("---") + + # 功能说明 + with st.expander("💡 智瞰龙虎系统介绍", expanded=False): + st.markdown(""" + ### 🌟 系统特色 + + **智瞰龙虎**是基于多AI智能体的龙虎榜深度分析系统，通过5位专业分析师的协同工作， + 为您挖掘次日大概率上涨的潜力股票。 + + ### 🤖 AI分析师团队 + + 1. **🎯 游资行为分析师** + - 识别活跃游资及其操作风格 + - 分析游资席位的进出特征 + - 研判游资对个股的态度 + + 2. **📈 个股潜力分析师** + - 从龙虎榜数据挖掘潜力股 + - 识别次日大概率上涨的股票 + - 分析资金动向和技术形态 + + 3. **🔥 题材追踪分析师** + - 识别当前热点题材和概念 + - 分析题材的炒作周期 + - 预判题材的持续性 + + 4. **⚠️ 风险控制专家** + - 识别高风险股票和陷阱 + - 分析游资出货信号 + - 提供风险管理建议 + + 5. **👔 首席策略师** + - 综合所有分析师意见 + - 给出最终推荐股票清单 + - 提供具体操作策略 + + ### 📊 数据来源 + + 数据来自**StockAPI龙虎榜接口**，包括： + - 游资上榜交割单历史数据 + - 股票买卖金额和净流入 + - 热门概念和题材 + - 更新时间：交易日下午5点40 + + ### 🎯 核心功能 + + - ✅ **潜力股挖掘** - AI识别次日大概率上涨股票 + - ✅ **游资追踪** - 跟踪活跃游资的操作 + - ✅ **题材识别** - 发现热点题材和龙头股 + - ✅ **风险提示** - 识别高风险股票和陷阱 + - ✅ **历史记录** - 存储所有龙虎榜数据 + - ✅ **PDF报告** - 生成专业分析报告 + """) + + st.markdown("---") + + # 创建标签页 + tab1, tab2, tab3 = st.tabs([ + "📊 龙虎榜分析", + "📚 历史报告", + "📈 数据统计" + ]) + + with tab1: + display_analysis_tab() + + with tab2: + display_history_tab() + + with tab3: + display_statistics_tab() + + +def display_analysis_tab(): + """显示分析标签页""" + + st.subheader("🔍 龙虎榜综合分析") + + # 参数设置 + col1, col2, col3 = st.columns([2, 2, 2]) + + with col1: + analysis_mode = st.selectbox( + "分析模式", + ["指定日期", "最近N天"], + help="选择分析特定日期还是最近几天的数据" + ) + + with col2: + if analysis_mode == "指定日期": + selected_date = st.date_input( + "选择日期", + value=datetime.now() - timedelta(days=1), + help="选择要分析的龙虎榜日期" + ) + else: + days = st.number_input( + "最近天数", + min_value=1, + max_value=10, + value=1, + help="分析最近N天的龙虎榜数据" + ) + + with col3: + selected_model = st.selectbox( + "AI模型", + ["deepseek-chat", "deepseek-reasoner"], + help="Reasoner模型提供更强的推理能力" + ) + + # 分析按钮 + col1, col2, col3 = st.columns([2, 2, 2]) + + with col1: + analyze_button = st.button("🚀 开始分析", type="primary", use_container_width=True) + + with col2: + if st.button("🔄 清除结果", use_container_width=True): + if 'longhubang_result' in st.session_state: + del st.session_state.longhubang_result + st.success("已清除分析结果") + st.rerun() + + st.markdown("---") + + # 开始分析 + if analyze_button: + # 清除之前的结果 + if 'longhubang_result' in st.session_state: + del st.session_state.longhubang_result + + # 准备参数 + if analysis_mode == "指定日期": + date_str = selected_date.strftime('%Y-%m-%d') + run_longhubang_analysis(model=selected_model, date=date_str) + else: + run_longhubang_analysis(model=selected_model, days=days) + + # 显示分析结果 + if 'longhubang_result' in st.session_state: + result = st.session_state.longhubang_result + + if result.get("success"): + display_analysis_results(result) + else: + st.error(f"❌ 分析失败: {result.get('error', '未知错误')}") + + +def run_longhubang_analysis(model="deepseek-chat", date=None, days=1): + """运行龙虎榜分析""" + + # 进度显示 + progress_bar = st.progress(0) + status_text = st.empty() + + try: + status_text.text("🚀 初始化分析引擎...") + progress_bar.progress(5) + + engine = LonghubangEngine(model=model) + + status_text.text("📊 正在获取龙虎榜数据...") + progress_bar.progress(15) + + # 运行分析 + result = engine.run_comprehensive_analysis(date=date, days=days) + + progress_bar.progress(90) + + if result.get("success"): + # 保存结果 + st.session_state.longhubang_result = result + + progress_bar.progress(100) + status_text.text("✅ 分析完成！") + + time.sleep(1) + status_text.empty() + progress_bar.empty() + + # 自动刷新显示结果 + st.rerun() + else: + st.error(f"❌ 分析失败: {result.get('error', '未知错误')}") + + except Exception as e: + st.error(f"❌ 分析过程出错: {str(e)}") + import traceback + st.code(traceback.format_exc()) + finally: + progress_bar.empty() + status_text.empty() + + +def display_analysis_results(result): + """显示分析结果""" + + st.success("✅ 龙虎榜分析完成！") + st.info(f"📅 分析时间: {result.get('timestamp', 'N/A')}") + + # 数据概况 + data_info = result.get('data_info', {}) + col1, col2, col3, col4 = st.columns(4) + + with col1: + st.metric("龙虎榜记录", f"{data_info.get('total_records', 0)} 条") + + with col2: + st.metric("涉及股票", f"{data_info.get('total_stocks', 0)} 只") + + with col3: + st.metric("涉及游资", f"{data_info.get('total_youzi', 0)} 个") + + with col4: + recommended = result.get('recommended_stocks', []) + st.metric("推荐股票", f"{len(recommended)} 只", delta="AI筛选") + + # PDF导出功能 + display_pdf_export_section(result) + + st.markdown("---") + + # 创建子标签页 + tab1, tab2, tab3, tab4 = st.tabs([ + "🎯 推荐股票", + "🤖 AI分析师报告", + "📊 数据详情", + "📈 可视化图表" + ]) + + with tab1: + display_recommended_stocks(result) + + with tab2: + display_agents_reports(result) + + with tab3: + display_data_details(result) + + with tab4: + display_visualizations(result) + + +def display_recommended_stocks(result): + """显示推荐股票""" + + st.subheader("🎯 AI推荐股票") + + recommended = result.get('recommended_stocks', []) + + if not recommended: + st.warning("暂无推荐股票") + return + + st.info(f"💡 基于5位AI分析师的综合分析，系统识别出以下 **{len(recommended)}** 只潜力股票") + + # 创建DataFrame + df_recommended = pd.DataFrame(recommended) + + # 显示表格 + st.dataframe( + df_recommended, + column_config={ + "rank": st.column_config.NumberColumn("排名", format="%d"), + "code": st.column_config.TextColumn("股票代码"), + "name": st.column_config.TextColumn("股票名称"), + "net_inflow": st.column_config.NumberColumn("净流入金额", format="%.2f"), + "confidence": st.column_config.TextColumn("确定性"), + "hold_period": st.column_config.TextColumn("持有周期"), + "reason": st.column_config.TextColumn("推荐理由") + }, + hide_index=True, + use_container_width=True + ) + + # 详细推荐理由 + st.markdown("### 📝 详细推荐理由") + + for stock in recommended[:5]: # 只显示前5只 + with st.expander(f"**{stock.get('rank', '-')}. {stock.get('name', '-')} ({stock.get('code', '-')})**"): + col1, col2 = st.columns([2, 1]) + + with col1: + st.markdown(f"**推荐理由:** {stock.get('reason', '暂无')}") + st.markdown(f"**净流入:** {stock.get('net_inflow', 0):,.2f} 元") + + with col2: + st.markdown(f"**确定性:** {stock.get('confidence', '-')}") + st.markdown(f"**持有周期:** {stock.get('hold_period', '-')}") + + +def display_agents_reports(result): + """显示AI分析师报告""" + + st.subheader("🤖 AI分析师团队报告") + + agents_analysis = result.get('agents_analysis', {}) + + if not agents_analysis: + st.warning("暂无分析报告") + return + + # 各分析师报告 + agent_info = { + 'youzi': {'title': '🎯 游资行为分析师', 'icon': '🎯'}, + 'stock': {'title': '📈 个股潜力分析师', 'icon': '📈'}, + 'theme': {'title': '🔥 题材追踪分析师', 'icon': '🔥'}, + 'risk': {'title': '⚠️ 风险控制专家', 'icon': '⚠️'}, + 'chief': {'title': '👔 首席策略师综合研判', 'icon': '👔'} + } + + for agent_key, info in agent_info.items(): + agent_data = agents_analysis.get(agent_key, {}) + if agent_data: + with st.expander(f"{info['icon']} {info['title']}", expanded=(agent_key == 'chief')): + analysis = agent_data.get('analysis', '暂无分析') + st.markdown(analysis) + + st.markdown(f"*{agent_data.get('agent_role', '')}*") + st.caption(f"分析时间: {agent_data.get('timestamp', 'N/A')}") + + +def display_data_details(result): + """显示数据详情""" + + st.subheader("📊 龙虎榜数据详情") + + data_info = result.get('data_info', {}) + summary = data_info.get('summary', {}) + + # TOP游资 + if summary.get('top_youzi'): + st.markdown("### 🏆 活跃游资 TOP10") + + youzi_data = [ + {'排名': idx, '游资名称': name, '净流入金额': amount} + for idx, (name, amount) in enumerate(list(summary['top_youzi'].items())[:10], 1) + ] + df_youzi = pd.DataFrame(youzi_data) + + st.dataframe( + df_youzi, + column_config={ + "排名": st.column_config.NumberColumn("排名", format="%d"), + "游资名称": st.column_config.TextColumn("游资名称"), + "净流入金额": st.column_config.NumberColumn("净流入金额(元)", format="%.2f") + }, + hide_index=True, + use_container_width=True + ) + + # TOP股票 + if summary.get('top_stocks'): + st.markdown("### 📈 资金净流入 TOP20 股票") + + df_stocks = pd.DataFrame(summary['top_stocks'][:20]) + + st.dataframe( + df_stocks, + column_config={ + "code": st.column_config.TextColumn("股票代码"), + "name": st.column_config.TextColumn("股票名称"), + "net_inflow": st.column_config.NumberColumn("净流入金额(元)", format="%.2f") + }, + hide_index=True, + use_container_width=True + ) + + # 热门概念 + if summary.get('hot_concepts'): + st.markdown("### 🔥 热门概念 TOP20") + + concepts_data = [ + {'排名': idx, '概念名称': concept, '出现次数': count} + for idx, (concept, count) in enumerate(list(summary['hot_concepts'].items())[:20], 1) + ] + df_concepts = pd.DataFrame(concepts_data) + + st.dataframe( + df_concepts, + column_config={ + "排名": st.column_config.NumberColumn("排名", format="%d"), + "概念名称": st.column_config.TextColumn("概念名称"), + "出现次数": st.column_config.NumberColumn("出现次数", format="%d") + }, + hide_index=True, + use_container_width=True + ) + + +def display_visualizations(result): + """显示可视化图表""" + + st.subheader("📈 数据可视化") + + data_info = result.get('data_info', {}) + summary = data_info.get('summary', {}) + + # 资金流向图表 + if summary.get('top_stocks'): + st.markdown("### 💰 TOP20 股票资金净流入") + + stocks = summary['top_stocks'][:20] + df_chart = pd.DataFrame(stocks) + + fig = px.bar( + df_chart, + x='name', + y='net_inflow', + title='TOP20 股票资金净流入金额', + labels={'name': '股票名称', 'net_inflow': '净流入金额(元)'} + ) + fig.update_layout(xaxis_tickangle=-45) + st.plotly_chart(fig, use_container_width=True) + + # 热门概念图表 + if summary.get('hot_concepts'): + st.markdown("### 🔥 热门概念分布") + + concepts = list(summary['hot_concepts'].items())[:15] + df_concepts = pd.DataFrame(concepts, columns=['概念', '次数']) + + fig = px.pie( + df_concepts, + values='次数', + names='概念', + title='热门概念出现次数分布' + ) + st.plotly_chart(fig, use_container_width=True) + + +def display_pdf_export_section(result): + """显示PDF导出功能""" + + st.markdown("### 📄 导出PDF报告") + + col1, col2 = st.columns([3, 1]) + + with col1: + st.info("💡 点击按钮生成并下载专业的PDF分析报告") + + with col2: + if st.button("📥 生成PDF", type="primary", use_container_width=True): + with st.spinner("正在生成PDF报告..."): + try: + generator = LonghubangPDFGenerator() + pdf_path = generator.generate_pdf(result) + + # 读取PDF文件 + with open(pdf_path, "rb") as f: + pdf_bytes = f.read() + + # 提供下载 + st.download_button( + label="📥 下载PDF报告", + data=pdf_bytes, + file_name=f"智瞰龙虎报告_{datetime.now().strftime('%Y%m%d_%H%M%S')}.pdf", + mime="application/pdf", + use_container_width=True + ) + + st.success("✅ PDF报告生成成功！") + + except Exception as e: + st.error(f"❌ PDF生成失败: {str(e)}") + + +def display_history_tab(): + """显示历史报告标签页""" + + st.subheader("📚 历史分析报告") + + try: + engine = LonghubangEngine() + reports_df = engine.get_historical_reports(limit=20) + + if reports_df.empty: + st.info("暂无历史报告") + return + + st.dataframe( + reports_df, + column_config={ + "id": st.column_config.NumberColumn("ID", format="%d"), + "analysis_date": st.column_config.TextColumn("分析时间"), + "data_date_range": st.column_config.TextColumn("数据日期范围"), + "summary": st.column_config.TextColumn("摘要") + }, + hide_index=True, + use_container_width=True + ) + + except Exception as e: + st.error(f"❌ 加载历史报告失败: {str(e)}") + + +def display_statistics_tab(): + """显示数据统计标签页""" + + st.subheader("📈 数据统计") + + try: + engine = LonghubangEngine() + stats = engine.get_statistics() + + # 基本统计 + col1, col2, col3, col4 = st.columns(4) + + with col1: + st.metric("总记录数", f"{stats.get('total_records', 0):,}") + + with col2: + st.metric("股票总数", f"{stats.get('total_stocks', 0):,}") + + with col3: + st.metric("游资总数", f"{stats.get('total_youzi', 0):,}") + + with col4: + st.metric("分析报告", f"{stats.get('total_reports', 0):,}") + + # 日期范围 + date_range = stats.get('date_range', {}) + if date_range: + st.info(f"📅 数据日期范围: {date_range.get('start', 'N/A')} 至 {date_range.get('end', 'N/A')}") + + st.markdown("---") + + # 活跃游资排名 + st.markdown("### 🏆 历史活跃游资排名 (近30天)") + + end_date = datetime.now().strftime('%Y-%m-%d') + start_date = (datetime.now() - timedelta(days=30)).strftime('%Y-%m-%d') + + top_youzi_df = engine.get_top_youzi(start_date, end_date, limit=20) + + if not top_youzi_df.empty: + st.dataframe( + top_youzi_df, + column_config={ + "youzi_name": st.column_config.TextColumn("游资名称"), + "trade_count": st.column_config.NumberColumn("交易次数", format="%d"), + "total_net_inflow": st.column_config.NumberColumn("总净流入(元)", format="%.2f") + }, + hide_index=True, + use_container_width=True + ) + + st.markdown("---") + + # 热门股票排名 + st.markdown("### 📈 历史热门股票排名 (近30天)") + + top_stocks_df = engine.get_top_stocks(start_date, end_date, limit=20) + + if not top_stocks_df.empty: + st.dataframe( + top_stocks_df, + column_config={ + "stock_code": st.column_config.TextColumn("股票代码"), + "stock_name": st.column_config.TextColumn("股票名称"), + "youzi_count": st.column_config.NumberColumn("游资数量", format="%d"), + "total_net_inflow": st.column_config.NumberColumn("总净流入(元)", format="%.2f") + }, + hide_index=True, + use_container_width=True + ) + + except Exception as e: + st.error(f"❌ 加载统计数据失败: {str(e)}") + + +# 测试函数 +if __name__ == "__main__": + st.set_page_config( + page_title="智瞰龙虎", + page_icon="🎯", + layout="wide" + ) + + display_longhubang() + diff --git a/智瞰龙虎功能说明.md b/智瞰龙虎功能说明.md new file mode 100644 index 0000000..c351b8f --- /dev/null +++ b/智瞰龙虎功能说明.md @@ -0,0 +1,216 @@ +# 智瞰龙虎功能说明 + +## 📋 功能概述 + +**智瞰龙虎**是基于多AI智能体的龙虎榜深度分析系统，通过5位专业分析师的协同工作，为您挖掘次日大概率上涨的潜力股票。 + +## 🎯 核心特性 + +### 1. 数据来源 +- **数据接口**: StockAPI龙虎榜接口 +- **数据内容**: 全量游资上榜交割单历史数据 +- **更新时间**: 交易日下午5点40 +- **请求频率**: 40次/秒 +- **免费额度**: 每日1000次 + +### 2. AI分析师团队 + +#### 🎯 游资行为分析师 +- 识别活跃游资及其操作风格 +- 分析游资席位的进出特征 +- 研判游资对个股的态度 +- 识别知名"牛散"和"游资大佬" + +#### 📈 个股潜力分析师（核心） +- 从龙虎榜数据挖掘潜力股 +- **识别次日大概率上涨的股票** +- 分析资金动向和技术形态 +- 提供买入价位、目标价位、止损位 + +#### 🔥 题材追踪分析师 +- 识别当前热点题材和概念 +- 分析题材的炒作周期 +- 预判题材的持续性 +- 找出题材龙头和低位补涨股 + +#### ⚠️ 风险控制专家 +- 识别高风险股票和陷阱 +- 分析游资出货信号 +- 提供风险管理建议 +- 识别"拉高出货"等陷阱手法 + +#### 👔 首席策略师 +- 综合所有分析师意见 +- 给出最终推荐股票清单（TOP5-8） +- 提供具体操作策略 +- 给出仓位管理和持有周期建议 + +## 📊 主要功能 + +### 1. 龙虎榜综合分析 +- **指定日期分析**: 分析特定日期的龙虎榜数据 +- **最近N天分析**: 分析最近几天的数据（1-10天） +- **AI多维度分析**: 5位分析师从不同角度深度分析 +- **推荐股票清单**: 自动筛选次日大概率上涨的股票 + +### 2. 数据可视化 +- **资金净流入图表**: TOP20股票资金流向 +- **热门概念分布**: 概念出现频次统计 +- **活跃游资排名**: 游资净流入排行 +- **详细数据表格**: 完整的龙虎榜数据展示 + +### 3. 历史记录管理 +- **自动存储**: 所有龙虎榜数据自动保存到数据库 +- **历史报告**: 查看历史分析报告 +- **数据统计**: 统计总记录数、股票数、游资数 +- **趋势分析**: 分析历史活跃游资和热门股票 + +### 4. PDF报告生成 +- **专业报告**: 生成完整的PDF分析报告 +- **包含内容**: + - 数据概况统计 + - AI推荐股票清单 + - 5位分析师的详细报告 + - 可视化图表 + - 免责声明 + +## 🚀 使用指南 + +### 1. 启动系统 +```bash +streamlit run app.py +``` + +### 2. 进入智瞰龙虎 +- 点击侧边栏的 **🎯 智瞰龙虎** 按钮 + +### 3. 设置分析参数 +- **分析模式**: 选择"指定日期"或"最近N天" +- **日期选择**: 选择要分析的龙虎榜日期（建议选择昨日） +- **AI模型**: 选择deepseek-chat或deepseek-reasoner + +### 4. 开始分析 +- 点击 **🚀 开始分析** 按钮 +- 系统会自动： + 1. 获取龙虎榜数据 + 2. 保存到数据库 + 3. 进行数据统计 + 4. AI分析师团队分析（约10分钟） + 5. 生成推荐股票清单 + 6. 保存分析报告 + +### 5. 查看结果 +- **🎯 推荐股票**: 查看AI筛选的潜力股 +- **🤖 AI分析师报告**: 查看5位分析师的详细分析 +- **📊 数据详情**: 查看龙虎榜原始数据 +- **📈 可视化图表**: 查看数据图表 + +### 6. 导出报告 +- 点击 **📥 生成PDF** 按钮 +- 下载专业的PDF分析报告 + +## 📁 文件结构 + +``` +智瞰龙虎模块/ +├── longhubang_data.py # 数据获取模块 +├── longhubang_db.py # 数据库管理模块 +├── longhubang_agents.py # AI分析师模块 +├── longhubang_engine.py # 综合分析引擎 +├── longhubang_pdf.py # PDF报告生成模块 +├── longhubang_ui.py # UI界面模块 +└── longhubang.db # SQLite数据库（自动创建） +``` + +## 🗄️ 数据库结构 + +### 1. longhubang_records（龙虎榜记录表） +- 存储所有龙虎榜原始数据 +- 包含字段：日期、股票代码、股票名称、游资名称、营业部、买入金额、卖出金额、净流入金额、概念等 +- 创建了日期、股票代码、游资名称、净流入金额的索引 + +### 2. longhubang_analysis（分析报告表） +- 存储AI分析报告 +- 包含字段：分析日期、数据日期范围、分析内容、推荐股票、摘要等 + +### 3. stock_tracking（股票追踪表） +- 记录推荐股票的后续表现 +- 用于跟踪AI推荐的准确性 + +## ⚙️ 配置说明 + +### API配置 +龙虎榜数据使用StockAPI接口，普通请求每日免费1000次，无需额外配置。 + +如需提高请求限额，可以在系统中配置API密钥（可选）。 + +### AI模型配置 +系统使用DeepSeek AI模型，需要在环境配置中设置： +- `DEEPSEEK_API_KEY`: DeepSeek API密钥 +- `DEEPSEEK_BASE_URL`: API地址（默认：https://api.deepseek.com/v1） + +## 💡 使用建议 + +### 1. 最佳分析时间 +- 建议在**交易日晚上6点后**进行分析 +- 此时龙虎榜数据已更新完成 + +### 2. 推荐股票使用 +- 重点关注**首席策略师**推荐的TOP5-8只股票 +- 参考**确定性评级**：高>中>低 +- 注意查看**风险控制专家**的警示 +- 严格执行**止损位**，控制风险 + +### 3. 题材把握 +- 关注**题材追踪分析师**识别的热点题材 +- 优先选择处于**萌芽期或爆发期**的题材 +- 避免**高潮期或退潮期**的题材 + +### 4. 游资跟踪 +- 关注**知名游资**（如赵老哥、章盟主等）的动向 +- 多席位联合买入的股票往往更强势 +- 警惕游资"一日游"后快速撤离的股票 + +### 5. 资金分配 +- **高确定性股票**：可以重仓（30-40%） +- **中等确定性股票**：中等仓位（20-30%） +- **低确定性股票**：轻仓试探（10-15%） +- 保留一定现金应对突发情况 + +## ⚠️ 风险提示 + +1. **市场风险**：股票市场存在风险，投资需谨慎 +2. **AI局限**：AI分析仅供参考，不构成投资建议 +3. **数据延迟**：龙虎榜数据为T日数据，存在时间差 +4. **游资风险**：游资操作灵活，可能快速撤离 +5. **题材风险**：题材炒作存在泡沫，注意及时止盈 + +## 🔧 技术支持 + +如遇到问题，请检查： +1. 网络连接是否正常 +2. DeepSeek API密钥是否正确 +3. 数据库文件是否有写入权限 +4. Python依赖包是否完整安装 + +## 📝 更新日志 + +### v1.0 (2024-10-17) +- ✅ 完成智瞰龙虎功能开发 +- ✅ 实现龙虎榜数据获取（StockAPI接口） +- ✅ 实现5位AI分析师多维度分析 +- ✅ 实现数据库存储和历史记录 +- ✅ 实现数据可视化和图表展示 +- ✅ 实现PDF报告生成 +- ✅ 集成到主应用 + +## 📚 参考资料 + +- [StockAPI龙虎榜接口文档](https://www.stockapi.com.cn/) +- [龙虎榜基础知识](https://baike.baidu.com/item/龙虎榜) +- [游资操作手法解析](https://www.zhihu.com/topic/19571608) + +--- + +**注意**: 本系统由AI自动生成分析报告，仅供学习和参考，不构成投资建议。市场有风险，投资需谨慎！ + diff --git a/智瞰龙虎快速开始.md b/智瞰龙虎快速开始.md new file mode 100644 index 0000000..badd580 --- /dev/null +++ b/智瞰龙虎快速开始.md @@ -0,0 +1,221 @@ +# 智瞰龙虎 - 快速开始指南 + +## 🚀 5分钟快速上手 + +### 第一步：启动系统 +```bash +# 确保已安装依赖 +pip install requests pandas streamlit plotly reportlab + +# 启动应用 +streamlit run app.py +``` + +### 第二步：进入智瞰龙虎 +1. 在浏览器中打开应用（通常是 http://localhost:8501） +2. 点击左侧边栏的 **🎯 智瞰龙虎** 按钮 + +### 第三步：运行分析 +1. 选择**分析模式**：建议选择"指定日期" +2. 选择**日期**：选择昨天的日期（龙虎榜数据T日更新） +3. 选择**AI模型**： + - `deepseek-chat`：速度快，适合日常使用 + - `deepseek-reasoner`：推理能力强，分析更深入 +4. 点击 **🚀 开始分析** 按钮 + +### 第四步：等待分析完成 +- 数据获取：约10-30秒 +- AI分析：约8-15分钟（5位分析师工作） +- 请耐心等待，系统会显示进度 + +### 第五步：查看结果 + +#### 1. 推荐股票（最重要） +- 查看**首席策略师**综合推荐的TOP5-8只股票 +- 重点关注： + - ✅ 确定性评级（高/中/低） + - 📈 推荐理由 + - 💰 买入价位、目标价位、止损位 + - ⏰ 持有周期 + +#### 2. AI分析师报告 +- 🎯 **游资行为分析师**：看游资在买什么 +- 📈 **个股潜力分析师**：看哪些股票最有潜力 +- 🔥 **题材追踪分析师**：看当前热门题材 +- ⚠️ **风险控制专家**：看哪些股票要规避 +- 👔 **首席策略师**：看最终综合建议 + +#### 3. 数据详情 +- 活跃游资TOP10 +- 资金净流入TOP20股票 +- 热门概念TOP20 + +#### 4. 可视化图表 +- 资金流向柱状图 +- 概念分布饼图 + +### 第六步：导出报告（可选） +- 点击 **📥 生成PDF** 按钮 +- 下载完整的PDF分析报告 +- 可以打印或保存 + +## 📊 典型使用场景 + +### 场景1：寻找次日短线机会 +1. 每天交易结束后（18:00后）运行分析 +2. 重点看**个股潜力分析师**和**首席策略师**推荐 +3. 选择确定性评级为"高"的股票 +4. 第二天开盘后找机会介入 + +### 场景2：跟踪活跃游资 +1. 查看"数据详情"中的活跃游资TOP10 +2. 看他们买入了哪些股票 +3. 关注多席位联合买入的股票 +4. 避免游资集体卖出的股票 + +### 场景3：把握热点题材 +1. 查看**题材追踪分析师**的分析 +2. 识别当前最热门的题材 +3. 找出题材龙头股和补涨股 +4. 判断题材所处的炒作周期 + +### 场景4：风险控制 +1. 查看**风险控制专家**的警示 +2. 识别高风险股票并避开 +3. 对持仓股票进行风险评估 +4. 设置止损位，严格执行 + +## 💡 实战技巧 + +### 技巧1：最佳分析时间 +- ⏰ **18:00-21:00**：龙虎榜数据更新完成，适合分析 +- 🌙 **21:00-23:00**：整理分析结果，制定次日计划 + +### 技巧2：股票选择策略 +1. **优先级1**：确定性高 + 多席位买入 + 热门题材 +2. **优先级2**：确定性中 + 知名游资买入 + 题材龙头 +3. **优先级3**：确定性低 + 单席位买入 + 题材跟风 + +### 技巧3：仓位管理 +``` +总资金 = 100% +├── 高确定性股票 (30-40%) +├── 中确定性股票 (20-30%) +├── 低确定性股票 (10-15%) +└── 现金储备 (15-20%) +``` + +### 技巧4：买卖时机 +- **买入时机**： + - 开盘后观察5-15分钟 + - 回调至支撑位时介入 + - 突破前高时追涨（谨慎） + +- **卖出时机**： + - 到达目标价位及时止盈 + - 跌破止损位果断止损 + - 题材退潮信号出现时离场 + +### 技巧5：风险控制 +- ✅ 永远设置止损位（建议5-8%） +- ✅ 不要满仓单只股票 +- ✅ 避免追高站岗 +- ✅ 题材炒作后期不参与 +- ✅ 游资分歧加大时减仓 + +## ⚠️ 注意事项 + +### ❌ 常见错误 +1. **过度追高**：看到推荐就追涨，容易站岗 +2. **不设止损**：侥幸心理，小亏变大亏 +3. **重仓单股**：押注单只股票，风险过高 +4. **忽视风险**：只看推荐不看风险提示 +5. **盲目跟风**：不分析直接照搬操作 + +### ✅ 正确做法 +1. **理性分析**：结合AI建议和自己判断 +2. **分批建仓**：不要一次性买入 +3. **严格止损**：设定止损位并执行 +4. **及时止盈**：有利润及时兑现 +5. **持续学习**：总结经验，提高胜率 + +## 📈 提高成功率的方法 + +### 方法1：历史验证 +- 定期查看"历史报告" +- 统计AI推荐的准确率 +- 总结成功案例的共性 +- 分析失败案例的原因 + +### 方法2：结合其他工具 +- 使用"智策板块"分析板块趋势 +- 使用"主力选股"分析主力资金 +- 使用"实时监测"跟踪推荐股票 + +### 方法3：建立交易日志 +记录每次操作： +- 买入理由（AI推荐+自己判断） +- 买入价格、目标价、止损价 +- 实际卖出价格和原因 +- 盈亏情况和心得体会 + +### 方法4：持续优化策略 +- 每周复盘：统计胜率、盈亏比 +- 每月总结：找出最有效的策略 +- 每季度调整：优化选股和仓位管理 + +## 🔧 常见问题 + +### Q1：为什么没有获取到数据？ +**A1**：可能的原因： +- 网络连接问题 +- StockAPI接口繁忙 +- 选择的日期非交易日 +- 解决方法：检查网络，重试，或换个日期 + +### Q2：AI分析需要多长时间？ +**A2**：通常需要8-15分钟，因为： +- 5位AI分析师依次工作 +- 每位分析师需要2-3分钟 +- 首席策略师综合需要3-5分钟 + +### Q3：推荐的股票一定会涨吗？ +**A3**：不一定！ +- AI分析基于历史数据和当前信息 +- 市场存在不确定性 +- 需要结合市场环境和个人判断 +- 务必设置止损控制风险 + +### Q4：可以用于港股吗？ +**A4**：目前仅支持A股龙虎榜数据 + +### Q5：历史数据会保存多久？ +**A5**：永久保存在本地数据库（longhubang.db）中 + +## 📚 进阶学习 + +### 推荐阅读 +1. 龙虎榜基础知识 +2. 游资操作手法解析 +3. 题材炒作周期理论 +4. 短线交易技巧 + +### 实战练习 +1. 先用小资金试验（1-2万） +2. 记录每次操作和结果 +3. 总结经验，优化策略 +4. 逐步提高仓位 + +## 📞 获取帮助 + +如有问题，可以： +1. 查看"智瞰龙虎功能说明.md" +2. 查看系统内的功能介绍 +3. 参考AI分析师的详细报告 + +--- + +**祝您投资顺利！** 🎉 + +记住：AI是辅助工具，最终决策由您自己做出。理性投资，风险自担！ +