update
This commit is contained in:
oficcejo
@@ -8,6 +8,27 @@
|
||||
## 投资认知提升合集：https://www.bilibili.com/video/BV1ugBMBAEbW
|
||||
|
||||
如果你希望能在股市中长久生存下去，建议你能把上面的合集看完，会对你有很大帮助的！
|
||||
|
||||
## ⭐ 2026.2.27更新 - 宏观周期分析 🧭
|
||||
|
||||
**全新板块：康波周期 × 美林投资时钟 × 中国政策分析**
|
||||
|
||||
基于视频[康波周期理论](https://www.bilibili.com/video/BV1QNcEzREzY)和视频[美林投资时钟](https://www.bilibili.com/video/BV1Zuf5BUEhH)，由4位AI分析师协同研判当前宏观经济所处的周期位置！
|
||||
|
||||
**核心功能：**
|
||||
- 🌊 **康波周期分析** — 判断当前处于50-60年长周期的哪个阶段（回升/繁荣/衰退/萧条）
|
||||
- ⏰ **美林投资时钟** — 判断当前处于3-5年中短周期的哪个象限（复苏/过热/滞胀/衰退）
|
||||
- 🏛️ **中国政策分析** — 货币/财政/产业/房地产政策全面解读（中国化第三维度）
|
||||
- 👔 **首席宏观策略师** — 三维综合研判，"周期仪表盘"资产配置建议
|
||||
- 📊 **自动采集宏观数据** — GDP、CPI/PPI、PMI、M2、LPR利率、大宗商品等
|
||||
|
||||
**适用场景：**
|
||||
- 战略性资产配置决策（买房/创业/大额投资）
|
||||
- 中短期投资组合调整
|
||||
- 理解当前经济环境，避免"在高点接盘、在低点割肉"
|
||||
|
||||
---
|
||||
|
||||
## ⭐ 2026.2.27更新 - AI模型自由切换 🤖
|
||||
|
||||
**重大改进：AI模型全局可配置化**
|
||||
|
||||
@@ -276,6 +276,9 @@ def main():
|
||||
</div>
|
||||
""", unsafe_allow_html=True)
|
||||
|
||||
# 学习资源展示
|
||||
st.info("📺 **新手必看干货**：为了在股市长久生存，建议您观看 👉 [股票知识讲解合集](https://www.bilibili.com/video/BV1Y2FGzzEeS/) 和 [投资认知提升合集](https://www.bilibili.com/video/BV1ugBMBAEbW) 👈，相信会对您有很大帮助！")
|
||||
|
||||
# 侧边栏
|
||||
with st.sidebar:
|
||||
# 快捷导航 - 移到顶部
|
||||
@@ -285,7 +288,7 @@ def main():
|
||||
if st.button("🏠 股票分析", width='stretch', key="nav_home", help="返回首页，进行单只股票的深度分析"):
|
||||
# 清除所有功能页面标志
|
||||
for key in ['show_history', 'show_monitor', 'show_config', 'show_main_force',
|
||||
'show_sector_strategy', 'show_longhubang', 'show_portfolio', 'show_low_price_bull', 'show_news_flow']:
|
||||
'show_sector_strategy', 'show_longhubang', 'show_portfolio', 'show_low_price_bull', 'show_news_flow', 'show_macro_cycle']:
|
||||
if key in st.session_state:
|
||||
del st.session_state[key]
|
||||
|
||||
@@ -344,7 +347,14 @@ def main():
|
||||
if st.button("📰 新闻流量", width='stretch', key="nav_news_flow", help="新闻流量监测与短线指导"):
|
||||
st.session_state.show_news_flow = True
|
||||
for key in ['show_history', 'show_monitor', 'show_config', 'show_main_force',
|
||||
'show_sector_strategy', 'show_portfolio', 'show_smart_monitor', 'show_low_price_bull', 'show_longhubang']:
|
||||
'show_sector_strategy', 'show_portfolio', 'show_smart_monitor', 'show_low_price_bull', 'show_longhubang', 'show_macro_cycle']:
|
||||
if key in st.session_state:
|
||||
del st.session_state[key]
|
||||
|
||||
if st.button("🧭 宏观周期", width='stretch', key="nav_macro_cycle", help="康波周期 × 美林投资时钟 × 政策分析"):
|
||||
st.session_state.show_macro_cycle = True
|
||||
for key in ['show_history', 'show_monitor', 'show_config', 'show_main_force',
|
||||
'show_sector_strategy', 'show_portfolio', 'show_smart_monitor', 'show_low_price_bull', 'show_longhubang', 'show_news_flow']:
|
||||
if key in st.session_state:
|
||||
del st.session_state[key]
|
||||
|
||||
@@ -462,7 +472,18 @@ def main():
|
||||
1. 数据获取 → 2. 技术分析
|
||||
3. 基本面分析 → 4. 资金分析
|
||||
5. 情绪数据(ARBR) → 6. 新闻(qstock)
|
||||
7. AI团队分析 → 8. 团队讨论 → 9. 决策
|
||||
7. AI分析 → 8. 团队讨论 → 9. 决策
|
||||
""")
|
||||
|
||||
# 学习资源
|
||||
with st.expander("📺 学习视频合集"):
|
||||
st.markdown("""
|
||||
**📢 B站干货合集**
|
||||
|
||||
如果你希望能在股市中长久生存下去，建议你能把下面的合集看完，会对你有很大帮助的！
|
||||
|
||||
- 📚 [股票知识讲解合集](https://www.bilibili.com/video/BV1Y2FGzzEeS/)
|
||||
- 🧠 [投资认知提升合集](https://www.bilibili.com/video/BV1ugBMBAEbW)
|
||||
""")
|
||||
|
||||
# 检查是否显示历史记录
|
||||
@@ -523,6 +544,12 @@ def main():
|
||||
if 'show_news_flow' in st.session_state and st.session_state.show_news_flow:
|
||||
display_news_flow_monitor()
|
||||
return
|
||||
|
||||
# 检查是否显示宏观周期分析
|
||||
if 'show_macro_cycle' in st.session_state and st.session_state.show_macro_cycle:
|
||||
from macro_cycle_ui import display_macro_cycle
|
||||
display_macro_cycle()
|
||||
return
|
||||
|
||||
# 检查是否显示环境配置
|
||||
if 'show_config' in st.session_state and st.session_state.show_config:
|
||||
|
||||
@@ -0,0 +1,458 @@
|
||||
"""
|
||||
宏观周期分析 - AI智能体模块
|
||||
包含四位专业分析师：康波周期分析师、美林时钟分析师、中国政策分析师、首席宏观策略师
|
||||
"""
|
||||
|
||||
from deepseek_client import DeepSeekClient
|
||||
from typing import Dict, Any
|
||||
import time
|
||||
import config
|
||||
|
||||
|
||||
class MacroCycleAgents:
|
||||
"""宏观周期AI智能体集合"""
|
||||
|
||||
def __init__(self, model=None):
|
||||
self.model = model or config.DEFAULT_MODEL_NAME
|
||||
self.deepseek_client = DeepSeekClient(model=self.model)
|
||||
print(f"[宏观周期] AI智能体系统初始化 (模型: {self.model})")
|
||||
|
||||
def kondratieff_wave_agent(self, macro_data_text: str) -> Dict[str, Any]:
|
||||
"""
|
||||
康波周期分析师 - 判断当前处于康德拉季耶夫长波的哪个阶段
|
||||
|
||||
职责：
|
||||
- 分析当前技术革命阶段（第五轮信息技术康波的位置）
|
||||
- 判断回升/繁荣/衰退/萧条四阶段中的位置
|
||||
- 分析大宗商品与康波的关系
|
||||
- 给出战略性资产配置方向
|
||||
"""
|
||||
print("🌊 康波周期分析师正在分析...")
|
||||
time.sleep(1)
|
||||
|
||||
prompt = f"""
|
||||
你是一位资深的康德拉季耶夫长波周期研究专家，拥有深厚的经济史研究功底，深入研究过周金涛先生的"人生发财靠康波"理论。
|
||||
|
||||
以下是当前中国的宏观经济数据：
|
||||
{macro_data_text}
|
||||
|
||||
请你基于康波周期理论，对当前全球和中国经济进行深度分析：
|
||||
|
||||
## 一、康波周期基础判断
|
||||
|
||||
### 1. 历史康波定位
|
||||
回顾历史五轮康波周期（蒸汽机→铁路钢铁→电力化工→汽车计算机→信息技术），判断：
|
||||
- 当前处于第五轮信息技术康波的哪个具体阶段（回升期/繁荣期/衰退期/萧条期）？
|
||||
- 给出判断依据和关键特征
|
||||
- 该阶段大约始于何年，预计持续到何年？
|
||||
|
||||
### 2. 技术革命驱动分析
|
||||
- 第五轮康波的核心技术（互联网/移动互联网）是否已经进入红利消退期？
|
||||
- AI人工智能、新能源、生物科技等是否有可能成为第六轮康波的驱动力？
|
||||
- 新旧技术转换的当前进展如何？
|
||||
|
||||
### 3. 大宗商品与康波
|
||||
- 当前大宗商品（黄金、原油、铜等）的表现是否符合康波阶段特征？
|
||||
- 结合数据判断是否处于康波衰退期的大宗商品超级牛市阶段？
|
||||
|
||||
## 二、康波阶段特征验证
|
||||
|
||||
对照当前经济数据，验证是否符合你判断的康波阶段特征：
|
||||
- GDP增速趋势是否匹配？
|
||||
- 通胀水平（CPI/PPI）是否匹配？
|
||||
- 资产价格（股市、房地产）走势是否匹配？
|
||||
- 就业与社会情绪是否匹配？
|
||||
- 政策环境是否匹配？
|
||||
|
||||
## 三、康波视角下的战略建议
|
||||
|
||||
### 1. 当前阶段的核心策略
|
||||
- 整体应该进攻还是防守？
|
||||
- 应该积累现金还是配置资产？
|
||||
|
||||
### 2. 战略资产配置方向
|
||||
给出康波视角的大类资产配置建议：
|
||||
- 股票（配置比例建议及方向）
|
||||
- 债券（配置比例建议）
|
||||
- 大宗商品/黄金（配置比例建议）
|
||||
- 现金（配置比例建议）
|
||||
- 房地产（配置建议）
|
||||
|
||||
### 3. 布局下一轮康波
|
||||
- 如果第六轮康波即将到来，应提前布局哪些方向？
|
||||
- 需要回避哪些夕阳产业？
|
||||
|
||||
### 4. 对普通人的人生建议
|
||||
根据周金涛"人生发财靠康波"的理念，当前阶段普通人应该：
|
||||
- 在职业选择上注意什么？
|
||||
- 在投资理财上注意什么？
|
||||
- 在消费与储蓄上如何平衡？
|
||||
|
||||
## 四、康波周期仪表盘
|
||||
|
||||
请给出一个简洁的康波定位总结：
|
||||
- 🌊 当前康波阶段：[回升期/繁荣期/衰退期/萧条期]
|
||||
- 📍 阶段进度：[初期/中期/末期]
|
||||
- ⏱️ 预计本阶段剩余时间：约X年
|
||||
- 🎯 核心策略关键词：[如"防守为主，播种未来"]
|
||||
- ⚠️ 信心度：[1-10分]
|
||||
|
||||
请给出专业、深入、有数据支撑的分析报告。
|
||||
"""
|
||||
messages = [
|
||||
{"role": "system", "content": "你是全球顶尖的康德拉季耶夫长波周期研究专家，深研周金涛的理论体系，擅长将60年长周期框架应用于当前经济形势分析，帮助投资者做出战略性决策。"},
|
||||
{"role": "user", "content": prompt}
|
||||
]
|
||||
|
||||
analysis = self.deepseek_client.call_api(messages, max_tokens=6000)
|
||||
print(" ✓ 康波周期分析师分析完成")
|
||||
|
||||
return {
|
||||
"agent_name": "康波周期分析师",
|
||||
"agent_icon": "🌊",
|
||||
"agent_role": "判断当前处于康德拉季耶夫长波（50-60年大周期）的哪个阶段，给出战略性资产配置方向",
|
||||
"analysis": analysis,
|
||||
"focus_areas": ["康波定位", "技术革命", "大宗商品超级周期", "战略资产配置"],
|
||||
"timestamp": time.strftime("%Y-%m-%d %H:%M:%S")
|
||||
}
|
||||
|
||||
def merrill_lynch_clock_agent(self, macro_data_text: str) -> Dict[str, Any]:
|
||||
"""
|
||||
美林投资时钟分析师 - 判断当前处于美林时钟的哪个象限
|
||||
|
||||
职责：
|
||||
- 根据经济增长和通胀两个维度判断象限
|
||||
- 结合中国特色（政策第三维度）
|
||||
- 给出中短期资产配置建议
|
||||
"""
|
||||
print("⏰ 美林时钟分析师正在分析...")
|
||||
time.sleep(1)
|
||||
|
||||
prompt = f"""
|
||||
你是一位精通美林投资时钟理论的资深资产配置策略师，同时深入了解中国经济的特殊性，能够将经典美林时钟做"中国化改造"。
|
||||
|
||||
以下是当前中国的宏观经济数据：
|
||||
{macro_data_text}
|
||||
|
||||
请基于美林投资时钟理论，对当前中国的经济周期进行分析：
|
||||
|
||||
## 一、经典美林时钟定位
|
||||
|
||||
### 1. 两大核心指标研判
|
||||
**经济增长维度（↑/→/↓）：**
|
||||
- GDP增速趋势判断（同比、环比、PMI佐证）
|
||||
- 工业增加值/制造业景气度
|
||||
- 消费、投资、出口三驾马车的状态
|
||||
- 综合判断：经济增长向上还是向下？
|
||||
|
||||
**通货膨胀维度（↑/→/↓）：**
|
||||
- CPI走势分析（核心CPI）
|
||||
- PPI走势分析
|
||||
- M2/社融与信贷扩张情况
|
||||
- 综合判断：通胀向上还是向下？
|
||||
|
||||
### 2. 象限定位
|
||||
根据以上两个维度，判断当前处于美林时钟的哪个象限：
|
||||
- 🟢 复苏期（增长↑ + 通胀↓）→ 配股票
|
||||
- 🔴 过热期（增长↑ + 通胀↑）→ 配商品
|
||||
- 🟡 滞胀期（增长↓ + 通胀↑）→ 持现金
|
||||
- 🔵 衰退期（增长↓ + 通胀↓）→ 配债券
|
||||
|
||||
### 3. 时钟转动方向
|
||||
- 当前正从哪个象限向哪个象限转动？
|
||||
- 预计转动速度如何？（中国时钟转动通常比美国快）
|
||||
- 是否存在"跳跃"或"逆转"的可能？
|
||||
|
||||
## 二、中国化美林时钟（三维分析）
|
||||
|
||||
### 1. 第三维度：政策方向
|
||||
这是中国版美林时钟最重要的增量分析：
|
||||
- 货币政策方向（宽松/中性/收紧？）：分析LPR、MLF、准备金率等
|
||||
- 财政政策方向（积极/稳健/收缩？）：分析专项债、减税降费等
|
||||
- 产业政策方向：重点扶持哪些领域？
|
||||
- 房地产政策方向：放松还是收紧？
|
||||
- 政策的即时效果和滞后效应
|
||||
|
||||
### 2. 中国特色修正
|
||||
- 中国利率市场化程度对时钟的影响
|
||||
- 政府干预对时钟转动的扭曲效应
|
||||
- A股散户占比高对资产定价的影响
|
||||
- 房地产作为"第五类资产"的配置考量
|
||||
|
||||
## 三、资产配置建议
|
||||
|
||||
### 1. 基于当前象限的配置
|
||||
给出各大类资产的具体配置比例建议：
|
||||
| 资产类别 | 配置比例 | 理由 |
|
||||
|---------|---------|------|
|
||||
| A股股票 | X% | ... |
|
||||
| 债券/固收 | X% | ... |
|
||||
| 大宗商品/黄金 | X% | ... |
|
||||
| 现金/货币基金 | X% | ... |
|
||||
| 房地产 | X% | ... |
|
||||
|
||||
### 2. 板块/行业建议
|
||||
- 当前象限最受益的行业/板块（3-5个）
|
||||
- 应规避的行业/板块（2-3个）
|
||||
- "政策友好型"重点关注方向
|
||||
|
||||
### 3. 时间框架
|
||||
- 当前配置建议的有效期约多久？
|
||||
- 需要密切关注哪些信号来判断时钟转动？
|
||||
|
||||
## 四、美林时钟仪表盘
|
||||
|
||||
请给出一个简洁的定位总结：
|
||||
- ⏰ 当前象限：[复苏期/过热期/滞胀期/衰退期]
|
||||
- 📊 经济增长：[↑上行/→持平/↓下行]
|
||||
- 📈 通胀水平：[↑上行/→持平/↓下行]
|
||||
- 🏛️ 政策方向：[宽松/中性/收紧]
|
||||
- 🎯 最优资产：[股票/商品/现金/债券]
|
||||
- ⚠️ 信心度：[1-10分]
|
||||
|
||||
请给出专业、数据驱动的分析报告。
|
||||
"""
|
||||
messages = [
|
||||
{"role": "system", "content": "你是一位精通美林投资时钟理论的顶级资产配置策略师，擅长将经典框架进行中国化改造，加入政策分析作为第三维度，帮助中国投资者做出精准的中短期资产配置决策。"},
|
||||
{"role": "user", "content": prompt}
|
||||
]
|
||||
|
||||
analysis = self.deepseek_client.call_api(messages, max_tokens=6000)
|
||||
print(" ✓ 美林时钟分析师分析完成")
|
||||
|
||||
return {
|
||||
"agent_name": "美林时钟分析师",
|
||||
"agent_icon": "⏰",
|
||||
"agent_role": "判断当前处于美林投资时钟的哪个象限（3-5年中短周期），给出资产配置建议",
|
||||
"analysis": analysis,
|
||||
"focus_areas": ["经济增长", "通胀水平", "政策方向", "资产配置"],
|
||||
"timestamp": time.strftime("%Y-%m-%d %H:%M:%S")
|
||||
}
|
||||
|
||||
def china_policy_agent(self, macro_data_text: str) -> Dict[str, Any]:
|
||||
"""
|
||||
中国政策分析师 - 分析中国特色政策环境
|
||||
|
||||
职责：
|
||||
- 分析当前政策环境
|
||||
- 评估政策对周期的影响
|
||||
- 识别政策驱动的投资机会
|
||||
"""
|
||||
print("🏛️ 中国政策分析师正在分析...")
|
||||
time.sleep(1)
|
||||
|
||||
prompt = f"""
|
||||
你是一位资深的中国宏观政策研究专家，深谙中国经济的"有形之手"运作方式，擅长从政策信号中挖掘投资机会。
|
||||
|
||||
以下是当前中国的宏观经济数据和新闻：
|
||||
{macro_data_text}
|
||||
|
||||
请从政策角度进行深度分析：
|
||||
|
||||
## 一、当前政策全景
|
||||
|
||||
### 1. 货币政策分析
|
||||
- 央行近期操作解读（降准/降息/MLF/逆回购等）
|
||||
- LPR利率走势及未来方向
|
||||
- M2增速与社融规模分析
|
||||
- 流动性环境评估：宽松/适度/偏紧？
|
||||
- 对标历史政策宽松周期，当前处于什么阶段？
|
||||
|
||||
### 2. 财政政策分析
|
||||
- 专项债发行规模和进度
|
||||
- 减税降费政策力度
|
||||
- 基建投资方向和力度
|
||||
- 财政赤字率水平
|
||||
- 是否有大规模刺激计划的信号？
|
||||
|
||||
### 3. 产业政策分析
|
||||
- 当前国家战略重点方向（如AI、新能源、半导体、生物医药等）
|
||||
- "专精特新"等政策支持力度
|
||||
- 国产替代进展
|
||||
- 数字经济/新质生产力政策
|
||||
|
||||
### 4. 房地产政策分析
|
||||
- 限购限贷政策变化
|
||||
- 房贷利率走势
|
||||
- 保交楼/房企纾困进展
|
||||
- 房地产政策的底线和目标
|
||||
|
||||
## 二、政策对周期的影响
|
||||
|
||||
### 1. 政策是"顺周期"还是"逆周期"？
|
||||
- 当前的政策是在托底经济还是防止过热？
|
||||
- 政策的主要目标是什么（稳增长/防风险/调结构）？
|
||||
|
||||
### 2. 政策对美林时钟的扭曲效应
|
||||
- 政策宽松是否可能让时钟"跳跃"？
|
||||
- 政策刺激是否可能造成"短暂过热"的假象？
|
||||
- 历史上类似政策环境下市场的表现
|
||||
|
||||
### 3. 政策拐点信号
|
||||
- 需要关注哪些政策信号来判断下一步方向？
|
||||
- 最可能的政策转向时间节点
|
||||
|
||||
## 三、政策驱动的投资机会
|
||||
|
||||
### 1. "政策友好型"资产
|
||||
列出当前最受政策青睐的领域和方向
|
||||
|
||||
### 2. 政策支持的具体行业/板块
|
||||
给出3-5个受益于当前政策环境的行业
|
||||
|
||||
### 3. 政策风险警示
|
||||
哪些领域面临政策收紧或监管风险？
|
||||
|
||||
## 四、政策环境仪表盘
|
||||
|
||||
请给出简洁总结：
|
||||
- 🏛️ 货币政策：[极宽松/宽松/中性/偏紧/收紧]
|
||||
- 💰 财政政策：[大力刺激/积极/稳健/收缩]
|
||||
- 🏭 产业政策重点：[3-5个关键词]
|
||||
- 🏠 房地产政策：[大力托底/政策松绑/中性/调控]
|
||||
- 🎯 政策核心目标：[一句话概括]
|
||||
- ⚠️ 政策转向风险：[高/中/低]
|
||||
|
||||
请给出专业、深入的政策分析报告。
|
||||
"""
|
||||
messages = [
|
||||
{"role": "system", "content": "你是一位资深的中国宏观经济政策研究专家，深入了解中国政府的经济调控方式和政策意图，擅长从政策中发现投资机会和风险。"},
|
||||
{"role": "user", "content": prompt}
|
||||
]
|
||||
|
||||
analysis = self.deepseek_client.call_api(messages, max_tokens=5000)
|
||||
print(" ✓ 中国政策分析师分析完成")
|
||||
|
||||
return {
|
||||
"agent_name": "中国政策分析师",
|
||||
"agent_icon": "🏛️",
|
||||
"agent_role": "分析中国特色政策环境，评估政策对周期的影响，识别政策驱动的投资机会",
|
||||
"analysis": analysis,
|
||||
"focus_areas": ["货币政策", "财政政策", "产业政策", "房地产政策", "政策拐点"],
|
||||
"timestamp": time.strftime("%Y-%m-%d %H:%M:%S")
|
||||
}
|
||||
|
||||
def chief_macro_strategist_agent(self, kondratieff_report: str, merrill_report: str, policy_report: str, macro_data_text: str) -> Dict[str, Any]:
|
||||
"""
|
||||
首席宏观策略师 - 综合三位分析师的观点，形成最终策略
|
||||
|
||||
职责：
|
||||
- 整合康波、美林时钟、政策三个维度
|
||||
- 构建"周期仪表盘"
|
||||
- 给出最终的综合建议
|
||||
"""
|
||||
print("👔 首席宏观策略师正在综合研判...")
|
||||
time.sleep(1)
|
||||
|
||||
prompt = f"""
|
||||
你是一位顶级的首席宏观策略师，你需要整合三位分析师的报告，形成最终的综合判断和投资策略。
|
||||
|
||||
【康波周期分析师报告】
|
||||
{kondratieff_report}
|
||||
|
||||
【美林时钟分析师报告】
|
||||
{merrill_report}
|
||||
|
||||
【中国政策分析师报告】
|
||||
{policy_report}
|
||||
|
||||
请你综合以上三份报告，进行最终的综合研判：
|
||||
|
||||
## 一、周期仪表盘（双指针+政策风向标）
|
||||
|
||||
构建一个完整的"周期仪表盘"：
|
||||
|
||||
### 康波指针（战略方向）
|
||||
- 当前阶段：[回升期/繁荣期/衰退期/萧条期]
|
||||
- 阶段进度：[初期/中期/末期]
|
||||
- 战略方向：[进攻/稳健/防守/极度防守]
|
||||
|
||||
### 美林指针（战术节奏）
|
||||
- 当前象限：[复苏/过热/滞胀/衰退]
|
||||
- 转动方向：向[下一个象限]转动
|
||||
- 战术方向：[积极做多/获利了结/持币观望/配置债券]
|
||||
|
||||
### 政策风向标（中国特色）
|
||||
- 政策方向：[强力宽松/宽松/中性/收紧]
|
||||
- 对周期的影响：[加速/减缓/扭曲/逆转]
|
||||
|
||||
### 双指针共振分析
|
||||
- 两个指针方向是否一致？
|
||||
- 共振或矛盾意味着什么？
|
||||
- 综合信号：[强烈看多/偏多/中性/偏空/强烈看空]
|
||||
|
||||
## 二、综合资产配置建议
|
||||
|
||||
### 1. 最终配置方案
|
||||
结合康波（战略）+ 美林（战术）+ 政策（催化），给出最终的资产配置建议：
|
||||
|
||||
| 资产类别 | 推荐配置 | 康波逻辑 | 美林逻辑 | 政策逻辑 |
|
||||
|---------|---------|---------|---------|---------|
|
||||
| A股/港股 | X% | ... | ... | ... |
|
||||
| 债券/固收 | X% | ... | ... | ... |
|
||||
| 黄金 | X% | ... | ... | ... |
|
||||
| 大宗商品 | X% | ... | ... | ... |
|
||||
| 现金 | X% | ... | ... | ... |
|
||||
| 房地产 | X% | ... | ... | ... |
|
||||
|
||||
### 2. 重点板块/方向（3-5个）
|
||||
结合三个维度共振的最优方向
|
||||
|
||||
### 3. 风险警示
|
||||
需要高度警惕的风险因素
|
||||
|
||||
## 三、不同人群的具体建议
|
||||
|
||||
### 1. 保守型投资者（风险厌恶）
|
||||
- 资产配置建议
|
||||
- 核心策略
|
||||
|
||||
### 2. 稳健型投资者（平衡风险收益）
|
||||
- 资产配置建议
|
||||
- 核心策略
|
||||
|
||||
### 3. 进取型投资者（愿承受风险）
|
||||
- 资产配置建议
|
||||
- 核心策略
|
||||
|
||||
## 四、核心观点总结
|
||||
|
||||
请用简洁有力的语言总结：
|
||||
1. **一句话定位**：当前经济周期的核心判断
|
||||
2. **核心策略**：用一句话概括应对策略
|
||||
3. **最大机会**：当前最值得把握的方向
|
||||
4. **最大风险**：最需要警惕的风险
|
||||
5. **时间节点**：下一个重要的周期转折点大约在何时
|
||||
|
||||
## 五、周金涛名言对照
|
||||
|
||||
选择一句最契合当前阶段的周金涛名言，并解释为什么这句话适用于当下。
|
||||
|
||||
请给出权威、全面、可操作的综合策略报告。
|
||||
"""
|
||||
messages = [
|
||||
{"role": "system", "content": "你是一位世界级的首席宏观策略师，擅长将康波长周期、美林投资时钟和中国政策环境三个维度有机结合，为投资者提供既有战略高度又有战术灵活性的综合投资策略。你的判断沉稳、客观、有数据支撑。"},
|
||||
{"role": "user", "content": prompt}
|
||||
]
|
||||
|
||||
analysis = self.deepseek_client.call_api(messages, max_tokens=6000)
|
||||
print(" ✓ 首席宏观策略师综合研判完成")
|
||||
|
||||
return {
|
||||
"agent_name": "首席宏观策略师",
|
||||
"agent_icon": "👔",
|
||||
"agent_role": "整合康波周期、美林时钟、中国政策三维分析，构建周期仪表盘，给出最终综合策略",
|
||||
"analysis": analysis,
|
||||
"focus_areas": ["周期仪表盘", "综合资产配置", "双指针共振", "分人群建议"],
|
||||
"timestamp": time.strftime("%Y-%m-%d %H:%M:%S")
|
||||
}
|
||||
|
||||
|
||||
# 测试
|
||||
if __name__ == "__main__":
|
||||
print("=" * 60)
|
||||
print("测试宏观周期AI智能体系统")
|
||||
print("=" * 60)
|
||||
agents = MacroCycleAgents()
|
||||
print(f"模型: {agents.model}")
|
||||
print("初始化完成")
|
||||
@@ -0,0 +1,559 @@
|
||||
"""
|
||||
宏观周期分析 - 数据采集模块
|
||||
采集宏观经济数据（GDP、CPI/PPI、PMI、利率、M2、大宗商品等）
|
||||
用于康波周期和美林投资时钟分析
|
||||
"""
|
||||
|
||||
import akshare as ak
|
||||
import pandas as pd
|
||||
from datetime import datetime, timedelta
|
||||
import warnings
|
||||
import time
|
||||
import logging
|
||||
import traceback
|
||||
|
||||
warnings.filterwarnings('ignore')
|
||||
|
||||
logger = logging.getLogger(__name__)
|
||||
|
||||
|
||||
class MacroCycleDataFetcher:
|
||||
"""宏观经济数据采集器"""
|
||||
|
||||
def __init__(self):
|
||||
print("[宏观周期] 数据采集器初始化...")
|
||||
self.max_retries = 3
|
||||
|
||||
def _safe_request(self, func, *args, **kwargs):
|
||||
"""安全请求，带重试"""
|
||||
for i in range(self.max_retries):
|
||||
try:
|
||||
return func(*args, **kwargs)
|
||||
except Exception as e:
|
||||
if i < self.max_retries - 1:
|
||||
time.sleep(2)
|
||||
else:
|
||||
logger.warning(f"请求失败: {e}")
|
||||
return None
|
||||
|
||||
def get_all_macro_data(self) -> dict:
|
||||
"""
|
||||
获取所有宏观经济数据
|
||||
Returns:
|
||||
dict: 包含多维度宏观数据的字典
|
||||
"""
|
||||
print("\n[宏观周期] 开始采集宏观经济数据...")
|
||||
data = {
|
||||
"success": False,
|
||||
"timestamp": datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
|
||||
"gdp": {},
|
||||
"cpi_ppi": {},
|
||||
"pmi": {},
|
||||
"money_supply": {},
|
||||
"interest_rate": {},
|
||||
"market_indices": {},
|
||||
"commodities": {},
|
||||
"real_estate": {},
|
||||
"employment": {},
|
||||
"news": [],
|
||||
"errors": []
|
||||
}
|
||||
|
||||
# 1. GDP
|
||||
print(" 1/9 获取GDP数据...")
|
||||
try:
|
||||
gdp_data = self._get_gdp_data()
|
||||
if gdp_data:
|
||||
data["gdp"] = gdp_data
|
||||
print(" ✓ GDP数据获取成功")
|
||||
except Exception as e:
|
||||
data["errors"].append(f"GDP: {e}")
|
||||
print(f" ✗ GDP数据获取失败: {e}")
|
||||
|
||||
# 2. CPI/PPI
|
||||
print(" 2/9 获取CPI/PPI数据...")
|
||||
try:
|
||||
cpi_ppi = self._get_cpi_ppi_data()
|
||||
if cpi_ppi:
|
||||
data["cpi_ppi"] = cpi_ppi
|
||||
print(" ✓ CPI/PPI数据获取成功")
|
||||
except Exception as e:
|
||||
data["errors"].append(f"CPI/PPI: {e}")
|
||||
print(f" ✗ CPI/PPI获取失败: {e}")
|
||||
|
||||
# 3. PMI
|
||||
print(" 3/9 获取PMI数据...")
|
||||
try:
|
||||
pmi = self._get_pmi_data()
|
||||
if pmi:
|
||||
data["pmi"] = pmi
|
||||
print(" ✓ PMI数据获取成功")
|
||||
except Exception as e:
|
||||
data["errors"].append(f"PMI: {e}")
|
||||
print(f" ✗ PMI获取失败: {e}")
|
||||
|
||||
# 4. 货币供应量 M2
|
||||
print(" 4/9 获取货币供应数据...")
|
||||
try:
|
||||
money = self._get_money_supply()
|
||||
if money:
|
||||
data["money_supply"] = money
|
||||
print(" ✓ 货币供应数据获取成功")
|
||||
except Exception as e:
|
||||
data["errors"].append(f"货币供应: {e}")
|
||||
print(f" ✗ 货币供应获取失败: {e}")
|
||||
|
||||
# 5. 利率
|
||||
print(" 5/9 获取利率数据...")
|
||||
try:
|
||||
rate = self._get_interest_rate()
|
||||
if rate:
|
||||
data["interest_rate"] = rate
|
||||
print(" ✓ 利率数据获取成功")
|
||||
except Exception as e:
|
||||
data["errors"].append(f"利率: {e}")
|
||||
print(f" ✗ 利率获取失败: {e}")
|
||||
|
||||
# 6. 市场指数
|
||||
print(" 6/9 获取市场指数...")
|
||||
try:
|
||||
indices = self._get_market_indices()
|
||||
if indices:
|
||||
data["market_indices"] = indices
|
||||
print(" ✓ 市场指数获取成功")
|
||||
except Exception as e:
|
||||
data["errors"].append(f"市场指数: {e}")
|
||||
print(f" ✗ 市场指数获取失败: {e}")
|
||||
|
||||
# 7. 大宗商品
|
||||
print(" 7/9 获取大宗商品数据...")
|
||||
try:
|
||||
commodities = self._get_commodities_data()
|
||||
if commodities:
|
||||
data["commodities"] = commodities
|
||||
print(" ✓ 大宗商品数据获取成功")
|
||||
except Exception as e:
|
||||
data["errors"].append(f"大宗商品: {e}")
|
||||
print(f" ✗ 大宗商品获取失败: {e}")
|
||||
|
||||
# 8. 房地产
|
||||
print(" 8/9 获取房地产数据...")
|
||||
try:
|
||||
real_estate = self._get_real_estate_data()
|
||||
if real_estate:
|
||||
data["real_estate"] = real_estate
|
||||
print(" ✓ 房地产数据获取成功")
|
||||
except Exception as e:
|
||||
data["errors"].append(f"房地产: {e}")
|
||||
print(f" ✗ 房地产获取失败: {e}")
|
||||
|
||||
# 9. 财经新闻
|
||||
print(" 9/9 获取财经新闻...")
|
||||
try:
|
||||
news = self._get_macro_news()
|
||||
if news:
|
||||
data["news"] = news
|
||||
print(f" ✓ 获取{len(news)}条新闻")
|
||||
except Exception as e:
|
||||
data["errors"].append(f"新闻: {e}")
|
||||
print(f" ✗ 新闻获取失败: {e}")
|
||||
|
||||
# 判断是否有足够数据
|
||||
valid_count = sum(1 for k in ["gdp", "cpi_ppi", "pmi", "money_supply",
|
||||
"interest_rate", "market_indices", "commodities"]
|
||||
if data.get(k))
|
||||
if valid_count >= 3:
|
||||
data["success"] = True
|
||||
print(f"\n[宏观周期] 数据采集完成，成功获取 {valid_count}/7 项核心数据")
|
||||
else:
|
||||
print(f"\n[宏观周期] 数据不足（仅 {valid_count}/7 项），分析可能不够准确")
|
||||
data["success"] = True # 仍允许分析
|
||||
|
||||
return data
|
||||
|
||||
def _get_gdp_data(self) -> dict:
|
||||
"""获取GDP数据"""
|
||||
result = {}
|
||||
try:
|
||||
# 中国GDP年度
|
||||
df = self._safe_request(ak.macro_china_gdp)
|
||||
if df is not None and not df.empty:
|
||||
recent = df.tail(8)
|
||||
result["yearly"] = []
|
||||
for _, row in recent.iterrows():
|
||||
item = {}
|
||||
for col in df.columns:
|
||||
item[col] = str(row[col])
|
||||
result["yearly"].append(item)
|
||||
except Exception as e:
|
||||
logger.warning(f"GDP年度数据获取失败: {e}")
|
||||
|
||||
try:
|
||||
# 季度GDP增速
|
||||
df = self._safe_request(ak.macro_china_gdp_yearly)
|
||||
if df is not None and not df.empty:
|
||||
recent = df.tail(12)
|
||||
result["quarterly_growth"] = []
|
||||
for _, row in recent.iterrows():
|
||||
item = {}
|
||||
for col in df.columns:
|
||||
item[col] = str(row[col])
|
||||
result["quarterly_growth"].append(item)
|
||||
except Exception as e:
|
||||
logger.warning(f"GDP季度数据获取失败: {e}")
|
||||
|
||||
return result if result else None
|
||||
|
||||
def _get_cpi_ppi_data(self) -> dict:
|
||||
"""获取CPI和PPI数据"""
|
||||
result = {}
|
||||
try:
|
||||
# CPI月度
|
||||
df = self._safe_request(ak.macro_china_cpi_monthly)
|
||||
if df is not None and not df.empty:
|
||||
recent = df.tail(12)
|
||||
result["cpi_monthly"] = []
|
||||
for _, row in recent.iterrows():
|
||||
item = {}
|
||||
for col in df.columns:
|
||||
item[col] = str(row[col])
|
||||
result["cpi_monthly"].append(item)
|
||||
except Exception as e:
|
||||
logger.warning(f"CPI数据获取失败: {e}")
|
||||
|
||||
try:
|
||||
# PPI月度
|
||||
df = self._safe_request(ak.macro_china_ppi_yearly)
|
||||
if df is not None and not df.empty:
|
||||
recent = df.tail(12)
|
||||
result["ppi_monthly"] = []
|
||||
for _, row in recent.iterrows():
|
||||
item = {}
|
||||
for col in df.columns:
|
||||
item[col] = str(row[col])
|
||||
result["ppi_monthly"].append(item)
|
||||
except Exception as e:
|
||||
logger.warning(f"PPI数据获取失败: {e}")
|
||||
|
||||
return result if result else None
|
||||
|
||||
def _get_pmi_data(self) -> dict:
|
||||
"""获取PMI数据"""
|
||||
result = {}
|
||||
try:
|
||||
# 制造业PMI
|
||||
df = self._safe_request(ak.macro_china_pmi_yearly)
|
||||
if df is not None and not df.empty:
|
||||
recent = df.tail(12)
|
||||
result["manufacturing_pmi"] = []
|
||||
for _, row in recent.iterrows():
|
||||
item = {}
|
||||
for col in df.columns:
|
||||
item[col] = str(row[col])
|
||||
result["manufacturing_pmi"].append(item)
|
||||
except Exception as e:
|
||||
logger.warning(f"制造业PMI获取失败: {e}")
|
||||
|
||||
try:
|
||||
# 非制造业PMI（财新）
|
||||
df = self._safe_request(ak.macro_china_cx_pmi_yearly)
|
||||
if df is not None and not df.empty:
|
||||
recent = df.tail(12)
|
||||
result["caixin_pmi"] = []
|
||||
for _, row in recent.iterrows():
|
||||
item = {}
|
||||
for col in df.columns:
|
||||
item[col] = str(row[col])
|
||||
result["caixin_pmi"].append(item)
|
||||
except Exception as e:
|
||||
logger.warning(f"财新PMI获取失败: {e}")
|
||||
|
||||
return result if result else None
|
||||
|
||||
def _get_money_supply(self) -> dict:
|
||||
"""获取货币供应量"""
|
||||
result = {}
|
||||
try:
|
||||
df = self._safe_request(ak.macro_china_money_supply)
|
||||
if df is not None and not df.empty:
|
||||
recent = df.tail(12)
|
||||
result["m2_data"] = []
|
||||
for _, row in recent.iterrows():
|
||||
item = {}
|
||||
for col in df.columns:
|
||||
item[col] = str(row[col])
|
||||
result["m2_data"].append(item)
|
||||
except Exception as e:
|
||||
logger.warning(f"货币供应数据获取失败: {e}")
|
||||
|
||||
return result if result else None
|
||||
|
||||
def _get_interest_rate(self) -> dict:
|
||||
"""获取利率数据"""
|
||||
result = {}
|
||||
try:
|
||||
# LPR利率
|
||||
df = self._safe_request(ak.macro_china_lpr)
|
||||
if df is not None and not df.empty:
|
||||
recent = df.tail(12)
|
||||
result["lpr"] = []
|
||||
for _, row in recent.iterrows():
|
||||
item = {}
|
||||
for col in df.columns:
|
||||
item[col] = str(row[col])
|
||||
result["lpr"].append(item)
|
||||
except Exception as e:
|
||||
logger.warning(f"LPR利率获取失败: {e}")
|
||||
|
||||
return result if result else None
|
||||
|
||||
def _get_market_indices(self) -> dict:
|
||||
"""获取主要市场指数"""
|
||||
result = {}
|
||||
indices = {
|
||||
"sh_index": "sh000001", # 上证指数
|
||||
"sz_index": "sz399001", # 深证成指
|
||||
"cyb_index": "sz399006", # 创业板指
|
||||
}
|
||||
|
||||
for name, code in indices.items():
|
||||
try:
|
||||
df = self._safe_request(
|
||||
ak.stock_zh_index_daily,
|
||||
symbol=code
|
||||
)
|
||||
if df is not None and not df.empty:
|
||||
latest = df.tail(1).iloc[0]
|
||||
prev = df.tail(2).iloc[0] if len(df) >= 2 else latest
|
||||
|
||||
change_pct = 0
|
||||
if prev["close"] > 0:
|
||||
change_pct = (latest["close"] - prev["close"]) / prev["close"] * 100
|
||||
|
||||
# 计算近期涨跌
|
||||
recent_60 = df.tail(60)
|
||||
pct_60d = 0
|
||||
if len(recent_60) >= 60:
|
||||
pct_60d = (latest["close"] - recent_60.iloc[0]["close"]) / recent_60.iloc[0]["close"] * 100
|
||||
|
||||
result[name] = {
|
||||
"close": round(float(latest["close"]), 2),
|
||||
"change_pct": round(change_pct, 2),
|
||||
"pct_60d": round(pct_60d, 2),
|
||||
"high_52w": round(float(df.tail(250)["high"].max()), 2) if len(df) >= 250 else None,
|
||||
"low_52w": round(float(df.tail(250)["low"].min()), 2) if len(df) >= 250 else None,
|
||||
}
|
||||
except Exception as e:
|
||||
logger.warning(f"指数{name}获取失败: {e}")
|
||||
|
||||
return result if result else None
|
||||
|
||||
def _get_commodities_data(self) -> dict:
|
||||
"""获取大宗商品数据"""
|
||||
result = {}
|
||||
|
||||
# 黄金
|
||||
try:
|
||||
df = self._safe_request(ak.futures_main_sina, symbol="AU0", start_date=(datetime.now() - timedelta(days=365)).strftime("%Y%m%d"), end_date=datetime.now().strftime("%Y%m%d"))
|
||||
if df is not None and not df.empty:
|
||||
latest = df.tail(1).iloc[0]
|
||||
first = df.head(1).iloc[0]
|
||||
ytd_pct = (float(latest["收盘价"]) - float(first["收盘价"])) / float(first["收盘价"]) * 100 if float(first["收盘价"]) > 0 else 0
|
||||
result["gold"] = {
|
||||
"price": round(float(latest["收盘价"]), 2),
|
||||
"ytd_change_pct": round(ytd_pct, 2),
|
||||
"name": "沪金主力"
|
||||
}
|
||||
except Exception as e:
|
||||
logger.warning(f"黄金数据获取失败: {e}")
|
||||
|
||||
# 原油
|
||||
try:
|
||||
df = self._safe_request(ak.futures_main_sina, symbol="SC0", start_date=(datetime.now() - timedelta(days=365)).strftime("%Y%m%d"), end_date=datetime.now().strftime("%Y%m%d"))
|
||||
if df is not None and not df.empty:
|
||||
latest = df.tail(1).iloc[0]
|
||||
first = df.head(1).iloc[0]
|
||||
ytd_pct = (float(latest["收盘价"]) - float(first["收盘价"])) / float(first["收盘价"]) * 100 if float(first["收盘价"]) > 0 else 0
|
||||
result["crude_oil"] = {
|
||||
"price": round(float(latest["收盘价"]), 2),
|
||||
"ytd_change_pct": round(ytd_pct, 2),
|
||||
"name": "原油主力"
|
||||
}
|
||||
except Exception as e:
|
||||
logger.warning(f"原油数据获取失败: {e}")
|
||||
|
||||
# 铜
|
||||
try:
|
||||
df = self._safe_request(ak.futures_main_sina, symbol="CU0", start_date=(datetime.now() - timedelta(days=365)).strftime("%Y%m%d"), end_date=datetime.now().strftime("%Y%m%d"))
|
||||
if df is not None and not df.empty:
|
||||
latest = df.tail(1).iloc[0]
|
||||
first = df.head(1).iloc[0]
|
||||
ytd_pct = (float(latest["收盘价"]) - float(first["收盘价"])) / float(first["收盘价"]) * 100 if float(first["收盘价"]) > 0 else 0
|
||||
result["copper"] = {
|
||||
"price": round(float(latest["收盘价"]), 2),
|
||||
"ytd_change_pct": round(ytd_pct, 2),
|
||||
"name": "沪铜主力"
|
||||
}
|
||||
except Exception as e:
|
||||
logger.warning(f"铜数据获取失败: {e}")
|
||||
|
||||
return result if result else None
|
||||
|
||||
def _get_real_estate_data(self) -> dict:
|
||||
"""获取房地产相关数据"""
|
||||
result = {}
|
||||
try:
|
||||
df = self._safe_request(ak.macro_china_real_estate)
|
||||
if df is not None and not df.empty:
|
||||
recent = df.tail(12)
|
||||
result["data"] = []
|
||||
for _, row in recent.iterrows():
|
||||
item = {}
|
||||
for col in df.columns:
|
||||
item[col] = str(row[col])
|
||||
result["data"].append(item)
|
||||
except Exception as e:
|
||||
logger.warning(f"房地产数据获取失败: {e}")
|
||||
|
||||
return result if result else None
|
||||
|
||||
def _get_macro_news(self) -> list:
|
||||
"""获取宏观经济相关新闻"""
|
||||
news_list = []
|
||||
try:
|
||||
df = self._safe_request(ak.stock_info_global_em)
|
||||
if df is not None and not df.empty:
|
||||
for _, row in df.head(50).iterrows():
|
||||
news_list.append({
|
||||
"title": str(row.get("标题", "")),
|
||||
"publish_time": str(row.get("发布时间", "")),
|
||||
"content": str(row.get("概要", ""))[:300]
|
||||
})
|
||||
except Exception as e:
|
||||
logger.warning(f"新闻获取失败: {e}")
|
||||
|
||||
return news_list
|
||||
|
||||
def format_data_for_ai(self, data: dict) -> str:
|
||||
"""将数据格式化为AI分析所需的文本"""
|
||||
parts = []
|
||||
parts.append(f"===== 宏观经济数据报告 =====")
|
||||
parts.append(f"数据采集时间: {data.get('timestamp', '未知')}")
|
||||
parts.append("")
|
||||
|
||||
# GDP
|
||||
if data.get("gdp"):
|
||||
parts.append("【一、GDP数据】")
|
||||
gdp = data["gdp"]
|
||||
if gdp.get("yearly"):
|
||||
parts.append("近年GDP:")
|
||||
for item in gdp["yearly"][-4:]:
|
||||
parts.append(f" {item}")
|
||||
if gdp.get("quarterly_growth"):
|
||||
parts.append("季度GDP增速:")
|
||||
for item in gdp["quarterly_growth"][-8:]:
|
||||
parts.append(f" {item}")
|
||||
parts.append("")
|
||||
|
||||
# CPI/PPI
|
||||
if data.get("cpi_ppi"):
|
||||
parts.append("【二、CPI/PPI通胀数据】")
|
||||
cp = data["cpi_ppi"]
|
||||
if cp.get("cpi_monthly"):
|
||||
parts.append("近12个月CPI:")
|
||||
for item in cp["cpi_monthly"]:
|
||||
parts.append(f" {item}")
|
||||
if cp.get("ppi_monthly"):
|
||||
parts.append("近12个月PPI:")
|
||||
for item in cp["ppi_monthly"]:
|
||||
parts.append(f" {item}")
|
||||
parts.append("")
|
||||
|
||||
# PMI
|
||||
if data.get("pmi"):
|
||||
parts.append("【三、PMI景气指数】")
|
||||
pmi = data["pmi"]
|
||||
if pmi.get("manufacturing_pmi"):
|
||||
parts.append("制造业PMI（50为荣枯线）:")
|
||||
for item in pmi["manufacturing_pmi"]:
|
||||
parts.append(f" {item}")
|
||||
if pmi.get("caixin_pmi"):
|
||||
parts.append("财新PMI:")
|
||||
for item in pmi["caixin_pmi"]:
|
||||
parts.append(f" {item}")
|
||||
parts.append("")
|
||||
|
||||
# 货币供应
|
||||
if data.get("money_supply"):
|
||||
parts.append("【四、货币供应量】")
|
||||
ms = data["money_supply"]
|
||||
if ms.get("m2_data"):
|
||||
parts.append("M0/M1/M2数据:")
|
||||
for item in ms["m2_data"]:
|
||||
parts.append(f" {item}")
|
||||
parts.append("")
|
||||
|
||||
# 利率
|
||||
if data.get("interest_rate"):
|
||||
parts.append("【五、利率数据】")
|
||||
ir = data["interest_rate"]
|
||||
if ir.get("lpr"):
|
||||
parts.append("LPR利率:")
|
||||
for item in ir["lpr"]:
|
||||
parts.append(f" {item}")
|
||||
parts.append("")
|
||||
|
||||
# 市场指数
|
||||
if data.get("market_indices"):
|
||||
parts.append("【六、市场指数】")
|
||||
mi = data["market_indices"]
|
||||
for name, info in mi.items():
|
||||
label = {"sh_index": "上证指数", "sz_index": "深证成指", "cyb_index": "创业板指"}.get(name, name)
|
||||
parts.append(f" {label}: {info['close']} (日涨跌: {info['change_pct']:+.2f}%, 60日涨跌: {info.get('pct_60d', 0):+.2f}%)")
|
||||
if info.get("high_52w"):
|
||||
parts.append(f" 52周最高: {info['high_52w']} 52周最低: {info['low_52w']}")
|
||||
parts.append("")
|
||||
|
||||
# 大宗商品
|
||||
if data.get("commodities"):
|
||||
parts.append("【七、大宗商品】")
|
||||
for name, info in data["commodities"].items():
|
||||
parts.append(f" {info['name']}: {info['price']} (年涨跌: {info['ytd_change_pct']:+.2f}%)")
|
||||
parts.append("")
|
||||
|
||||
# 房地产
|
||||
if data.get("real_estate"):
|
||||
parts.append("【八、房地产数据】")
|
||||
re_data = data["real_estate"]
|
||||
if re_data.get("data"):
|
||||
for item in re_data["data"][-4:]:
|
||||
parts.append(f" {item}")
|
||||
parts.append("")
|
||||
|
||||
# 新闻
|
||||
if data.get("news"):
|
||||
parts.append("【九、近期宏观经济新闻】")
|
||||
for idx, news in enumerate(data["news"][:20], 1):
|
||||
parts.append(f" {idx}. [{news.get('publish_time', '')}] {news.get('title', '')}")
|
||||
if news.get('content'):
|
||||
parts.append(f" {news['content'][:150]}")
|
||||
parts.append("")
|
||||
|
||||
return "\n".join(parts)
|
||||
|
||||
|
||||
# 测试
|
||||
if __name__ == "__main__":
|
||||
print("=" * 60)
|
||||
print("测试宏观周期数据采集")
|
||||
print("=" * 60)
|
||||
|
||||
fetcher = MacroCycleDataFetcher()
|
||||
data = fetcher.get_all_macro_data()
|
||||
|
||||
if data.get("success"):
|
||||
formatted = fetcher.format_data_for_ai(data)
|
||||
print(formatted[:5000])
|
||||
print(f"\n... (总长度: {len(formatted)} 字符)")
|
||||
else:
|
||||
print(f"数据采集失败: {data.get('errors')}")
|
||||
@@ -0,0 +1,149 @@
|
||||
"""
|
||||
宏观周期分析 - 综合研判引擎
|
||||
协调数据采集与AI分析，生成完整的宏观周期分析报告
|
||||
"""
|
||||
|
||||
from macro_cycle_agents import MacroCycleAgents
|
||||
from macro_cycle_data import MacroCycleDataFetcher
|
||||
from typing import Dict, Any
|
||||
import time
|
||||
import json
|
||||
import logging
|
||||
import config
|
||||
|
||||
|
||||
class MacroCycleEngine:
|
||||
"""宏观周期综合研判引擎"""
|
||||
|
||||
def __init__(self, model=None):
|
||||
self.model = model or config.DEFAULT_MODEL_NAME
|
||||
self.agents = MacroCycleAgents(model=self.model)
|
||||
self.data_fetcher = MacroCycleDataFetcher()
|
||||
self.logger = logging.getLogger(__name__)
|
||||
if not self.logger.handlers:
|
||||
logging.basicConfig(level=logging.INFO, format='[%(asctime)s] %(levelname)s %(name)s: %(message)s')
|
||||
print(f"[宏观周期引擎] 初始化完成 (模型: {self.model})")
|
||||
|
||||
def run_full_analysis(self, progress_callback=None) -> Dict[str, Any]:
|
||||
"""
|
||||
运行完整的宏观周期分析流程
|
||||
|
||||
Args:
|
||||
progress_callback: 进度回调函数 (progress_pct, status_text)
|
||||
|
||||
Returns:
|
||||
完整的分析结果
|
||||
"""
|
||||
print("\n" + "=" * 60)
|
||||
print("🧭 宏观周期分析系统启动")
|
||||
print("=" * 60)
|
||||
|
||||
results = {
|
||||
"success": False,
|
||||
"timestamp": time.strftime("%Y-%m-%d %H:%M:%S"),
|
||||
"raw_data": {},
|
||||
"formatted_data": "",
|
||||
"agents_analysis": {},
|
||||
"data_errors": []
|
||||
}
|
||||
|
||||
try:
|
||||
# 阶段1：数据采集
|
||||
if progress_callback:
|
||||
progress_callback(5, "📊 正在采集宏观经济数据...")
|
||||
print("\n[阶段1] 宏观经济数据采集...")
|
||||
print("-" * 60)
|
||||
|
||||
raw_data = self.data_fetcher.get_all_macro_data()
|
||||
results["raw_data"] = raw_data
|
||||
results["data_errors"] = raw_data.get("errors", [])
|
||||
|
||||
if not raw_data.get("success"):
|
||||
print("⚠ 数据采集未完全成功，尝试继续分析...")
|
||||
|
||||
# 格式化数据
|
||||
formatted_text = self.data_fetcher.format_data_for_ai(raw_data)
|
||||
results["formatted_data"] = formatted_text
|
||||
|
||||
if progress_callback:
|
||||
progress_callback(15, "✓ 数据采集完成")
|
||||
print("✓ 数据采集和格式化完成")
|
||||
print(f" 数据文本长度: {len(formatted_text)} 字符")
|
||||
|
||||
# 阶段2：AI智能体分析
|
||||
print("\n[阶段2] AI智能体分析集群工作中...")
|
||||
print("-" * 60)
|
||||
|
||||
agents_results = {}
|
||||
|
||||
# 2.1 康波周期分析师
|
||||
if progress_callback:
|
||||
progress_callback(20, "🌊 康波周期分析师正在分析...")
|
||||
print("1/4 康波周期分析师...")
|
||||
kondratieff_result = self.agents.kondratieff_wave_agent(formatted_text)
|
||||
agents_results["kondratieff"] = kondratieff_result
|
||||
|
||||
if progress_callback:
|
||||
progress_callback(35, "✓ 康波分析完成")
|
||||
|
||||
# 2.2 美林时钟分析师
|
||||
if progress_callback:
|
||||
progress_callback(40, "⏰ 美林时钟分析师正在分析...")
|
||||
print("2/4 美林时钟分析师...")
|
||||
merrill_result = self.agents.merrill_lynch_clock_agent(formatted_text)
|
||||
agents_results["merrill"] = merrill_result
|
||||
|
||||
if progress_callback:
|
||||
progress_callback(55, "✓ 美林时钟分析完成")
|
||||
|
||||
# 2.3 中国政策分析师
|
||||
if progress_callback:
|
||||
progress_callback(60, "🏛️ 中国政策分析师正在分析...")
|
||||
print("3/4 中国政策分析师...")
|
||||
policy_result = self.agents.china_policy_agent(formatted_text)
|
||||
agents_results["policy"] = policy_result
|
||||
|
||||
if progress_callback:
|
||||
progress_callback(75, "✓ 政策分析完成")
|
||||
|
||||
# 2.4 首席宏观策略师（综合三位分析师的报告）
|
||||
if progress_callback:
|
||||
progress_callback(80, "👔 首席宏观策略师正在综合研判...")
|
||||
print("4/4 首席宏观策略师综合研判...")
|
||||
chief_result = self.agents.chief_macro_strategist_agent(
|
||||
kondratieff_report=kondratieff_result.get("analysis", ""),
|
||||
merrill_report=merrill_result.get("analysis", ""),
|
||||
policy_report=policy_result.get("analysis", ""),
|
||||
macro_data_text=formatted_text
|
||||
)
|
||||
agents_results["chief"] = chief_result
|
||||
|
||||
if progress_callback:
|
||||
progress_callback(95, "✓ 综合研判完成")
|
||||
|
||||
results["agents_analysis"] = agents_results
|
||||
results["success"] = True
|
||||
|
||||
print("\n" + "=" * 60)
|
||||
print("✓ 宏观周期分析完成！")
|
||||
print("=" * 60)
|
||||
|
||||
if progress_callback:
|
||||
progress_callback(100, "✅ 分析完成！")
|
||||
|
||||
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
|
||||
|
||||
|
||||
# 测试
|
||||
if __name__ == "__main__":
|
||||
print("=" * 60)
|
||||
print("测试宏观周期分析引擎")
|
||||
print("=" * 60)
|
||||
engine = MacroCycleEngine()
|
||||
print("引擎初始化完成")
|
||||
@@ -0,0 +1,427 @@
|
||||
"""
|
||||
宏观周期分析 - PDF报告生成模块
|
||||
生成康波周期 × 美林投资时钟 × 中国政策分析的完整PDF报告
|
||||
"""
|
||||
|
||||
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, 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
|
||||
import re
|
||||
|
||||
|
||||
class MacroCyclePDFGenerator:
|
||||
"""宏观周期分析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:
|
||||
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
|
||||
'/usr/share/fonts/truetype/wqy/wqy-microhei.ttc', # Linux
|
||||
'/usr/share/fonts/truetype/droid/DroidSansFallbackFull.ttf',
|
||||
]
|
||||
|
||||
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"[宏观PDF] 成功加载字体: {font_path}")
|
||||
return
|
||||
except:
|
||||
continue
|
||||
|
||||
self.chinese_font = 'Helvetica'
|
||||
print("[宏观PDF] 警告: 未找到中文字体，使用默认字体")
|
||||
|
||||
except Exception as e:
|
||||
print(f"[宏观PDF] 字体设置失败: {e}")
|
||||
self.chinese_font = 'Helvetica'
|
||||
|
||||
def generate_pdf(self, result_data: dict, output_path: str = None) -> str:
|
||||
"""
|
||||
生成宏观周期分析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:
|
||||
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"宏观周期报告_{timestamp}.pdf")
|
||||
|
||||
doc = SimpleDocTemplate(
|
||||
output_path,
|
||||
pagesize=A4,
|
||||
rightMargin=0.5*inch,
|
||||
leftMargin=0.5*inch,
|
||||
topMargin=0.5*inch,
|
||||
bottomMargin=0.5*inch
|
||||
)
|
||||
|
||||
story = []
|
||||
|
||||
# 1. 标题页
|
||||
story.extend(self._create_title_page(result_data))
|
||||
story.append(PageBreak())
|
||||
|
||||
# 2. 首席宏观策略师综合研判（最重要，放最前面）
|
||||
story.extend(self._create_chief_section(result_data))
|
||||
story.append(PageBreak())
|
||||
|
||||
# 3. 康波周期分析
|
||||
story.extend(self._create_kondratieff_section(result_data))
|
||||
story.append(PageBreak())
|
||||
|
||||
# 4. 美林投资时钟分析
|
||||
story.extend(self._create_merrill_section(result_data))
|
||||
story.append(PageBreak())
|
||||
|
||||
# 5. 中国政策分析
|
||||
story.extend(self._create_policy_section(result_data))
|
||||
|
||||
# 6. 结束语
|
||||
story.extend(self._create_ending())
|
||||
|
||||
# 生成PDF
|
||||
doc.build(story)
|
||||
|
||||
print(f"[宏观PDF] 报告生成成功: {output_path}")
|
||||
return output_path
|
||||
|
||||
except Exception as e:
|
||||
print(f"[宏观PDF] 生成失败: {e}")
|
||||
import traceback
|
||||
traceback.print_exc()
|
||||
raise
|
||||
|
||||
def _clean_markdown(self, text: str) -> str:
|
||||
"""清理Markdown标记，转换为适合PDF的纯文本/HTML"""
|
||||
if not text:
|
||||
return ""
|
||||
# 移除markdown粗体 **text** → text
|
||||
text = re.sub(r'\*\*(.*?)\*\*', r'<b>\1</b>', text)
|
||||
# 移除markdown斜体 *text* → text
|
||||
text = re.sub(r'\*(.*?)\*', r'<i>\1</i>', text)
|
||||
# 移除markdown标题 ## → 空
|
||||
text = re.sub(r'^#{1,6}\s+', '', text, flags=re.MULTILINE)
|
||||
# 移除markdown链接 [text](url) → text
|
||||
text = re.sub(r'\[(.*?)\]\(.*?\)', r'\1', text)
|
||||
# 移除markdown表格分隔线
|
||||
text = re.sub(r'\|[-:]+\|[-:| ]+\|', '', text)
|
||||
# 替换换行
|
||||
text = text.replace('\n', '<br/>')
|
||||
return text
|
||||
|
||||
def _split_text_to_paragraphs(self, text: str, styles: dict, max_chars: int = 0) -> list:
|
||||
"""将长文本分段为多个Paragraph，避免单段过长溢出"""
|
||||
elements = []
|
||||
if not text:
|
||||
return elements
|
||||
|
||||
if max_chars > 0 and len(text) > max_chars:
|
||||
text = text[:max_chars] + "...（更多内容请查看网页版完整报告）"
|
||||
|
||||
# 按段落分割
|
||||
paragraphs = text.split('\n\n')
|
||||
for para in paragraphs:
|
||||
para = para.strip()
|
||||
if not para:
|
||||
continue
|
||||
# 清理markdown
|
||||
cleaned = self._clean_markdown(para)
|
||||
if cleaned:
|
||||
try:
|
||||
elements.append(Paragraph(cleaned, styles['Small']))
|
||||
elements.append(Spacer(1, 0.08*inch))
|
||||
except Exception:
|
||||
# 如果格式化失败，用纯文本
|
||||
plain = re.sub(r'<[^>]+>', '', cleaned)
|
||||
elements.append(Paragraph(plain, styles['Small']))
|
||||
elements.append(Spacer(1, 0.08*inch))
|
||||
|
||||
return elements
|
||||
|
||||
def _create_title_page(self, data: dict) -> list:
|
||||
"""创建标题页"""
|
||||
styles = self._get_styles()
|
||||
elements = []
|
||||
|
||||
elements.append(Spacer(1, 1.5*inch))
|
||||
|
||||
# 主标题
|
||||
elements.append(Paragraph("宏观周期分析报告", styles['Title']))
|
||||
elements.append(Spacer(1, 0.3*inch))
|
||||
|
||||
# 副标题
|
||||
elements.append(Paragraph(
|
||||
"康波周期 × 美林投资时钟 × 中国政策分析",
|
||||
styles['Heading2']
|
||||
))
|
||||
elements.append(Spacer(1, 0.8*inch))
|
||||
|
||||
# 报告信息
|
||||
timestamp = data.get('timestamp', datetime.now().strftime('%Y-%m-%d %H:%M:%S'))
|
||||
info_text = f"""
|
||||
<para align=center>
|
||||
<b>生成时间:</b> {timestamp}<br/>
|
||||
<b>分析框架:</b> 三维周期定位系统<br/>
|
||||
<b>AI分析师:</b> 4位专业分析师协同研判<br/>
|
||||
<b>分析维度:</b> 康波长周期 · 美林中短周期 · 中国政策环境<br/>
|
||||
<b>数据来源:</b> AKShare宏观经济数据
|
||||
</para>
|
||||
"""
|
||||
elements.append(Paragraph(info_text, styles['Normal']))
|
||||
elements.append(Spacer(1, 0.5*inch))
|
||||
|
||||
# 分析师团队
|
||||
team_text = """
|
||||
<para align=center>
|
||||
<b>AI分析师团队:</b><br/>
|
||||
康波周期分析师 · 美林时钟分析师 · 中国政策分析师 · 首席宏观策略师
|
||||
</para>
|
||||
"""
|
||||
elements.append(Paragraph(team_text, styles['Normal']))
|
||||
elements.append(Spacer(1, 0.8*inch))
|
||||
|
||||
# 免责声明
|
||||
elements.append(Paragraph(
|
||||
"<para align=center><i>本报告由AI系统自动生成，仅供学习研究参考，不构成投资建议。<br/>"
|
||||
"周期理论是认知框架而非精确预测工具。投资有风险，入市需谨慎。</i></para>",
|
||||
styles['Small']
|
||||
))
|
||||
|
||||
return elements
|
||||
|
||||
def _create_chief_section(self, data: dict) -> list:
|
||||
"""创建首席宏观策略师综合研判部分"""
|
||||
styles = self._get_styles()
|
||||
elements = []
|
||||
|
||||
elements.append(Paragraph("一、首席宏观策略师 — 综合研判", styles['Heading1']))
|
||||
elements.append(Spacer(1, 0.15*inch))
|
||||
elements.append(Paragraph(
|
||||
"<i>整合康波周期、美林投资时钟、中国政策三个维度，构建周期仪表盘，给出最终综合投资策略。</i>",
|
||||
styles['Small']
|
||||
))
|
||||
elements.append(Spacer(1, 0.15*inch))
|
||||
|
||||
chief = data.get('agents_analysis', {}).get('chief', {})
|
||||
analysis = chief.get('analysis', '暂无分析结果')
|
||||
elements.extend(self._split_text_to_paragraphs(analysis, styles, max_chars=5000))
|
||||
|
||||
return elements
|
||||
|
||||
def _create_kondratieff_section(self, data: dict) -> list:
|
||||
"""创建康波周期分析部分"""
|
||||
styles = self._get_styles()
|
||||
elements = []
|
||||
|
||||
elements.append(Paragraph("二、康波周期分析 — 60年长周期定位", styles['Heading1']))
|
||||
elements.append(Spacer(1, 0.15*inch))
|
||||
elements.append(Paragraph(
|
||||
"<i>基于康德拉季耶夫长波理论（周金涛\"人生发财靠康波\"），判断当前处于第五轮信息技术康波的阶段位置。</i>",
|
||||
styles['Small']
|
||||
))
|
||||
elements.append(Spacer(1, 0.15*inch))
|
||||
|
||||
kondratieff = data.get('agents_analysis', {}).get('kondratieff', {})
|
||||
analysis = kondratieff.get('analysis', '暂无分析结果')
|
||||
elements.extend(self._split_text_to_paragraphs(analysis, styles, max_chars=5000))
|
||||
|
||||
return elements
|
||||
|
||||
def _create_merrill_section(self, data: dict) -> list:
|
||||
"""创建美林投资时钟分析部分"""
|
||||
styles = self._get_styles()
|
||||
elements = []
|
||||
|
||||
elements.append(Paragraph("三、美林投资时钟 — 中短周期定位", styles['Heading1']))
|
||||
elements.append(Spacer(1, 0.15*inch))
|
||||
elements.append(Paragraph(
|
||||
"<i>基于经济增长与通胀两大维度，结合中国政策方向（第三维度），判断当前处于美林时钟的哪个象限。</i>",
|
||||
styles['Small']
|
||||
))
|
||||
elements.append(Spacer(1, 0.15*inch))
|
||||
|
||||
merrill = data.get('agents_analysis', {}).get('merrill', {})
|
||||
analysis = merrill.get('analysis', '暂无分析结果')
|
||||
elements.extend(self._split_text_to_paragraphs(analysis, styles, max_chars=5000))
|
||||
|
||||
return elements
|
||||
|
||||
def _create_policy_section(self, data: dict) -> list:
|
||||
"""创建中国政策分析部分"""
|
||||
styles = self._get_styles()
|
||||
elements = []
|
||||
|
||||
elements.append(Paragraph("四、中国政策环境分析", styles['Heading1']))
|
||||
elements.append(Spacer(1, 0.15*inch))
|
||||
elements.append(Paragraph(
|
||||
"<i>深度分析货币政策、财政政策、产业政策、房地产政策，评估政策对周期的影响和投资机会。</i>",
|
||||
styles['Small']
|
||||
))
|
||||
elements.append(Spacer(1, 0.15*inch))
|
||||
|
||||
policy = data.get('agents_analysis', {}).get('policy', {})
|
||||
analysis = policy.get('analysis', '暂无分析结果')
|
||||
elements.extend(self._split_text_to_paragraphs(analysis, styles, max_chars=5000))
|
||||
|
||||
return elements
|
||||
|
||||
def _create_ending(self) -> list:
|
||||
"""创建结束语"""
|
||||
styles = self._get_styles()
|
||||
elements = []
|
||||
|
||||
elements.append(Spacer(1, 0.5*inch))
|
||||
elements.append(Paragraph(
|
||||
"<para align=center><i>--- 报告结束 ---<br/>"
|
||||
"本报告由宏观周期AI分析系统自动生成<br/>"
|
||||
"康波是罗盘，美林是航海图，政策是季风<br/>"
|
||||
"愿你在经济的海洋中，驶向属于自己的财富彼岸</i></para>",
|
||||
styles['Normal']
|
||||
))
|
||||
|
||||
return elements
|
||||
|
||||
def _get_styles(self) -> dict:
|
||||
"""获取样式"""
|
||||
styles = getSampleStyleSheet()
|
||||
|
||||
custom_styles = {
|
||||
'Title': ParagraphStyle(
|
||||
'MacroTitle',
|
||||
parent=styles['Title'],
|
||||
fontName=self.chinese_font,
|
||||
fontSize=26,
|
||||
textColor=colors.HexColor('#302b63'),
|
||||
spaceAfter=30,
|
||||
alignment=TA_CENTER
|
||||
),
|
||||
'Heading1': ParagraphStyle(
|
||||
'MacroHeading1',
|
||||
parent=styles['Heading1'],
|
||||
fontName=self.chinese_font,
|
||||
fontSize=16,
|
||||
textColor=colors.HexColor('#0f0c29'),
|
||||
spaceAfter=12,
|
||||
spaceBefore=12
|
||||
),
|
||||
'Heading2': ParagraphStyle(
|
||||
'MacroHeading2',
|
||||
parent=styles['Heading2'],
|
||||
fontName=self.chinese_font,
|
||||
fontSize=14,
|
||||
textColor=colors.HexColor('#302b63'),
|
||||
spaceAfter=10,
|
||||
spaceBefore=10,
|
||||
alignment=TA_CENTER
|
||||
),
|
||||
'Normal': ParagraphStyle(
|
||||
'MacroNormal',
|
||||
parent=styles['Normal'],
|
||||
fontName=self.chinese_font,
|
||||
fontSize=11,
|
||||
leading=16,
|
||||
alignment=TA_JUSTIFY
|
||||
),
|
||||
'Small': ParagraphStyle(
|
||||
'MacroSmall',
|
||||
parent=styles['Normal'],
|
||||
fontName=self.chinese_font,
|
||||
fontSize=9,
|
||||
leading=14,
|
||||
alignment=TA_LEFT
|
||||
)
|
||||
}
|
||||
|
||||
return custom_styles
|
||||
|
||||
|
||||
def generate_macro_cycle_markdown(result_data: dict) -> str:
|
||||
"""生成宏观周期分析的Markdown报告"""
|
||||
parts = []
|
||||
timestamp = result_data.get('timestamp', datetime.now().strftime('%Y-%m-%d %H:%M:%S'))
|
||||
|
||||
parts.append("# 🧭 宏观周期分析报告\n")
|
||||
parts.append(f"**生成时间**: {timestamp}\n")
|
||||
parts.append("**分析框架**: 康波周期 × 美林投资时钟 × 中国政策分析\n")
|
||||
parts.append("---\n")
|
||||
|
||||
agents = result_data.get('agents_analysis', {})
|
||||
|
||||
# 首席策略师
|
||||
chief = agents.get('chief', {})
|
||||
if chief:
|
||||
parts.append("## 👔 一、首席宏观策略师 — 综合研判\n")
|
||||
parts.append(chief.get('analysis', '暂无分析结果'))
|
||||
parts.append("\n\n---\n")
|
||||
|
||||
# 康波周期
|
||||
kondratieff = agents.get('kondratieff', {})
|
||||
if kondratieff:
|
||||
parts.append("## 🌊 二、康波周期分析 — 60年长周期定位\n")
|
||||
parts.append(kondratieff.get('analysis', '暂无分析结果'))
|
||||
parts.append("\n\n---\n")
|
||||
|
||||
# 美林时钟
|
||||
merrill = agents.get('merrill', {})
|
||||
if merrill:
|
||||
parts.append("## ⏰ 三、美林投资时钟 — 中短周期定位\n")
|
||||
parts.append(merrill.get('analysis', '暂无分析结果'))
|
||||
parts.append("\n\n---\n")
|
||||
|
||||
# 政策分析
|
||||
policy = agents.get('policy', {})
|
||||
if policy:
|
||||
parts.append("## 🏛️ 四、中国政策环境分析\n")
|
||||
parts.append(policy.get('analysis', '暂无分析结果'))
|
||||
parts.append("\n\n---\n")
|
||||
|
||||
# 免责声明
|
||||
parts.append("\n> ⚠️ **免责声明**: 本报告由AI系统自动生成，仅供学习研究参考，不构成投资建议。")
|
||||
parts.append("周期理论是认知框架而非精确预测工具。投资有风险，入市需谨慎。\n")
|
||||
|
||||
return "\n".join(parts)
|
||||
|
||||
|
||||
# 测试
|
||||
if __name__ == "__main__":
|
||||
print("=" * 60)
|
||||
print("测试宏观周期PDF生成器")
|
||||
print("=" * 60)
|
||||
|
||||
test_data = {
|
||||
"success": True,
|
||||
"timestamp": "2026-02-27 14:00:00",
|
||||
"agents_analysis": {
|
||||
"chief": {"analysis": "综合研判测试内容..."},
|
||||
"kondratieff": {"analysis": "康波分析测试内容..."},
|
||||
"merrill": {"analysis": "美林时钟测试内容..."},
|
||||
"policy": {"analysis": "政策分析测试内容..."},
|
||||
}
|
||||
}
|
||||
|
||||
generator = MacroCyclePDFGenerator()
|
||||
output_path = generator.generate_pdf(test_data)
|
||||
print(f"测试PDF生成: {output_path}")
|
||||
@@ -0,0 +1,370 @@
|
||||
"""
|
||||
宏观周期分析 - UI界面模块
|
||||
展示康波周期 + 美林投资时钟 + 中国政策分析的综合结果
|
||||
"""
|
||||
|
||||
import streamlit as st
|
||||
import time
|
||||
from datetime import datetime
|
||||
from macro_cycle_engine import MacroCycleEngine
|
||||
from macro_cycle_pdf import MacroCyclePDFGenerator, generate_macro_cycle_markdown
|
||||
|
||||
|
||||
def display_macro_cycle():
|
||||
"""显示宏观周期分析主界面"""
|
||||
st.markdown("""
|
||||
<div style="background: linear-gradient(135deg, #0f0c29 0%, #302b63 50%, #24243e 100%);
|
||||
padding: 2rem; border-radius: 15px; margin-bottom: 1.5rem;
|
||||
box-shadow: 0 8px 32px rgba(0,0,0,0.3);">
|
||||
<h1 style="color: #fff; margin: 0; font-size: 2rem;">
|
||||
🧭 宏观周期分析
|
||||
</h1>
|
||||
<p style="color: rgba(255,255,255,0.8); margin: 0.5rem 0 0 0; font-size: 1.1rem;">
|
||||
康波周期 × 美林投资时钟 × 中国政策分析 — AI驱动的宏观经济周期研判
|
||||
</p>
|
||||
</div>
|
||||
""", unsafe_allow_html=True)
|
||||
|
||||
# 标签页
|
||||
tab1, tab2 = st.tabs(["📊 周期分析", "📚 理论介绍"])
|
||||
|
||||
with tab1:
|
||||
display_analysis_tab()
|
||||
|
||||
with tab2:
|
||||
display_theory_tab()
|
||||
|
||||
|
||||
def display_analysis_tab():
|
||||
"""显示分析标签页"""
|
||||
# 简介
|
||||
st.markdown("""
|
||||
> **分析说明**：本模块基于视频[康波周期理论](https://www.bilibili.com/video/BV1QNcEzREzY)（50-60年长周期）和视频[美林投资时钟](https://www.bilibili.com/video/BV1Zuf5BUEhH)（3-5年中短周期），
|
||||
> 结合中国政策环境（第三维度），由4位AI分析师协同研判当前宏观经济所处的周期位置，并给出资产配置建议。
|
||||
""")
|
||||
|
||||
st.markdown("""
|
||||
**🤖 AI分析师团队：**
|
||||
- 🌊 **康波周期分析师** — 60年长周期战略定位（回升→繁荣→衰退→萧条）
|
||||
- ⏰ **美林时钟分析师** — 3-5年中短周期战术定位（复苏→过热→滞胀→衰退）
|
||||
- 🏛️ **中国政策分析师** — 政策第三维度（货币/财政/产业/房地产）
|
||||
- 👔 **首席宏观策略师** — 三维综合研判，最终资产配置建议
|
||||
""")
|
||||
|
||||
st.markdown("---")
|
||||
|
||||
# 操作按钮
|
||||
col1, col2 = st.columns([2, 2])
|
||||
|
||||
with col1:
|
||||
analyze_button = st.button("🚀 开始宏观周期分析", type="primary", key="macro_analyze")
|
||||
|
||||
with col2:
|
||||
if st.button("🔄 清除结果", key="macro_clear"):
|
||||
if 'macro_cycle_result' in st.session_state:
|
||||
del st.session_state.macro_cycle_result
|
||||
st.success("已清除分析结果")
|
||||
st.rerun()
|
||||
|
||||
st.markdown("---")
|
||||
|
||||
# 开始分析
|
||||
if analyze_button:
|
||||
if 'macro_cycle_result' in st.session_state:
|
||||
del st.session_state.macro_cycle_result
|
||||
|
||||
run_macro_cycle_analysis()
|
||||
|
||||
# 显示结果
|
||||
if 'macro_cycle_result' in st.session_state:
|
||||
result = st.session_state.macro_cycle_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_macro_cycle_analysis():
|
||||
"""运行宏观周期分析"""
|
||||
import config
|
||||
model = config.DEFAULT_MODEL_NAME
|
||||
|
||||
progress_bar = st.progress(0)
|
||||
status_text = st.empty()
|
||||
|
||||
def progress_callback(pct, text):
|
||||
progress_bar.progress(pct)
|
||||
status_text.text(text)
|
||||
|
||||
try:
|
||||
engine = MacroCycleEngine(model=model)
|
||||
result = engine.run_full_analysis(progress_callback=progress_callback)
|
||||
|
||||
if result.get("success"):
|
||||
st.session_state.macro_cycle_result = result
|
||||
time.sleep(1)
|
||||
status_text.empty()
|
||||
progress_bar.empty()
|
||||
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"""
|
||||
agents = result.get("agents_analysis", {})
|
||||
timestamp = result.get("timestamp", "")
|
||||
|
||||
st.success(f"✅ 分析完成于 {timestamp}")
|
||||
|
||||
# 数据采集状态
|
||||
data_errors = result.get("data_errors", [])
|
||||
if data_errors:
|
||||
with st.expander("⚠️ 部分数据采集失败（不影响分析）"):
|
||||
for err in data_errors:
|
||||
st.warning(f"• {err}")
|
||||
|
||||
# 四个分析师报告
|
||||
report_tabs = st.tabs([
|
||||
"👔 综合策略",
|
||||
"🌊 康波周期",
|
||||
"⏰ 美林时钟",
|
||||
"🏛️ 政策分析"
|
||||
])
|
||||
|
||||
# Tab 1: 首席宏观策略师（综合）
|
||||
with report_tabs[0]:
|
||||
chief = agents.get("chief", {})
|
||||
if chief:
|
||||
st.markdown("""
|
||||
<div style="background: linear-gradient(135deg, #667eea 0%, #764ba2 100%);
|
||||
padding: 1.2rem; border-radius: 12px; margin-bottom: 1rem;
|
||||
color: white;">
|
||||
<h3 style="margin: 0; color: white;">👔 首席宏观策略师 — 综合研判</h3>
|
||||
<p style="margin: 0.3rem 0 0 0; opacity: 0.9; font-size: 0.95rem;">
|
||||
整合康波周期 + 美林投资时钟 + 中国政策三维分析，给出最终投资策略
|
||||
</p>
|
||||
</div>
|
||||
""", unsafe_allow_html=True)
|
||||
st.markdown(chief.get("analysis", "暂无分析结果"))
|
||||
else:
|
||||
st.info("暂无综合策略分析结果")
|
||||
|
||||
# Tab 2: 康波周期分析师
|
||||
with report_tabs[1]:
|
||||
kondratieff = agents.get("kondratieff", {})
|
||||
if kondratieff:
|
||||
st.markdown("""
|
||||
<div style="background: linear-gradient(135deg, #0575E6 0%, #021B79 100%);
|
||||
padding: 1.2rem; border-radius: 12px; margin-bottom: 1rem;
|
||||
color: white;">
|
||||
<h3 style="margin: 0; color: white;">🌊 康波周期分析师 — 60年长周期定位</h3>
|
||||
<p style="margin: 0.3rem 0 0 0; opacity: 0.9; font-size: 0.95rem;">
|
||||
基于康德拉季耶夫长波理论，判断当前处于第五轮信息技术康波的哪个阶段
|
||||
</p>
|
||||
</div>
|
||||
""", unsafe_allow_html=True)
|
||||
st.markdown(kondratieff.get("analysis", "暂无分析结果"))
|
||||
else:
|
||||
st.info("暂无康波周期分析结果")
|
||||
|
||||
# Tab 3: 美林时钟分析师
|
||||
with report_tabs[2]:
|
||||
merrill = agents.get("merrill", {})
|
||||
if merrill:
|
||||
st.markdown("""
|
||||
<div style="background: linear-gradient(135deg, #f5af19 0%, #f12711 100%);
|
||||
padding: 1.2rem; border-radius: 12px; margin-bottom: 1rem;
|
||||
color: white;">
|
||||
<h3 style="margin: 0; color: white;">⏰ 美林投资时钟分析师 — 中短周期定位</h3>
|
||||
<p style="margin: 0.3rem 0 0 0; opacity: 0.9; font-size: 0.95rem;">
|
||||
基于经济增长+通胀+政策三维度，判断当前处于美林时钟的哪个象限
|
||||
</p>
|
||||
</div>
|
||||
""", unsafe_allow_html=True)
|
||||
st.markdown(merrill.get("analysis", "暂无分析结果"))
|
||||
else:
|
||||
st.info("暂无美林时钟分析结果")
|
||||
|
||||
# Tab 4: 中国政策分析师
|
||||
with report_tabs[3]:
|
||||
policy = agents.get("policy", {})
|
||||
if policy:
|
||||
st.markdown("""
|
||||
<div style="background: linear-gradient(135deg, #e53935 0%, #b71c1c 100%);
|
||||
padding: 1.2rem; border-radius: 12px; margin-bottom: 1rem;
|
||||
color: white;">
|
||||
<h3 style="margin: 0; color: white;">🏛️ 中国政策分析师 — 政策第三维度</h3>
|
||||
<p style="margin: 0.3rem 0 0 0; opacity: 0.9; font-size: 0.95rem;">
|
||||
深度分析货币政策、财政政策、产业政策、房地产政策对周期和投资的影响
|
||||
</p>
|
||||
</div>
|
||||
""", unsafe_allow_html=True)
|
||||
st.markdown(policy.get("analysis", "暂无分析结果"))
|
||||
else:
|
||||
st.info("暂无政策分析结果")
|
||||
|
||||
# 导出报告
|
||||
st.markdown("---")
|
||||
display_pdf_export_section(result)
|
||||
|
||||
|
||||
def display_pdf_export_section(result):
|
||||
"""显示PDF/Markdown导出部分"""
|
||||
st.subheader("📄 导出报告")
|
||||
|
||||
col1, col2, col3, col4 = st.columns([2, 1, 1, 1])
|
||||
|
||||
with col1:
|
||||
st.write("将宏观周期分析报告导出为PDF或Markdown文件，方便保存和分享")
|
||||
|
||||
with col2:
|
||||
if st.button("📥 生成PDF报告", type="primary", width='content', key="macro_pdf_gen"):
|
||||
with st.spinner("正在生成PDF报告..."):
|
||||
try:
|
||||
generator = MacroCyclePDFGenerator()
|
||||
pdf_path = generator.generate_pdf(result)
|
||||
|
||||
with open(pdf_path, "rb") as f:
|
||||
pdf_bytes = f.read()
|
||||
|
||||
st.session_state.macro_pdf_data = pdf_bytes
|
||||
ts = result.get('timestamp', datetime.now().strftime('%Y%m%d_%H%M%S')).replace(':', '').replace(' ', '_')
|
||||
st.session_state.macro_pdf_filename = f"宏观周期报告_{ts}.pdf"
|
||||
|
||||
st.success("✅ PDF报告生成成功！")
|
||||
st.rerun()
|
||||
|
||||
except Exception as e:
|
||||
st.error(f"❌ PDF生成失败: {str(e)}")
|
||||
|
||||
with col3:
|
||||
if st.button("📝 生成Markdown", type="secondary", width='content', key="macro_md_gen"):
|
||||
with st.spinner("正在生成Markdown报告..."):
|
||||
try:
|
||||
markdown_content = generate_macro_cycle_markdown(result)
|
||||
|
||||
st.session_state.macro_md_data = markdown_content
|
||||
ts = result.get('timestamp', datetime.now().strftime('%Y%m%d_%H%M%S')).replace(':', '').replace(' ', '_')
|
||||
st.session_state.macro_md_filename = f"宏观周期报告_{ts}.md"
|
||||
|
||||
st.success("✅ Markdown报告生成成功！")
|
||||
st.rerun()
|
||||
|
||||
except Exception as e:
|
||||
st.error(f"❌ Markdown生成失败: {str(e)}")
|
||||
|
||||
with col4:
|
||||
if 'macro_pdf_data' in st.session_state:
|
||||
st.download_button(
|
||||
label="💾 下载PDF",
|
||||
data=st.session_state.macro_pdf_data,
|
||||
file_name=st.session_state.macro_pdf_filename,
|
||||
mime="application/pdf",
|
||||
width='content',
|
||||
key="macro_pdf_dl"
|
||||
)
|
||||
|
||||
if 'macro_md_data' in st.session_state:
|
||||
st.download_button(
|
||||
label="💾 下载Markdown",
|
||||
data=st.session_state.macro_md_data,
|
||||
file_name=st.session_state.macro_md_filename,
|
||||
mime="text/markdown",
|
||||
width='content',
|
||||
key="macro_md_dl"
|
||||
)
|
||||
|
||||
def display_theory_tab():
|
||||
"""显示理论介绍标签页"""
|
||||
st.markdown("""
|
||||
## 📖 两大周期理论简介
|
||||
|
||||
---
|
||||
|
||||
### 🌊 康德拉季耶夫长波（康波周期）
|
||||
|
||||
**创始人**：苏联经济学家尼古拉·康德拉季耶夫（1920s）
|
||||
**中国推广者**：周金涛（"周期天王"，中信建投首席经济学家）
|
||||
|
||||
**核心思想**：资本主义经济存在约 **50-60年** 的超长周期，由重大技术革命驱动。
|
||||
|
||||
**四个阶段**：
|
||||
|
||||
| 阶段 | 持续时间 | 特征 | 最优资产 |
|
||||
|------|---------|------|---------|
|
||||
| 🌱 **回升期** | ~15年 | 新技术商业化，经济从底部爬起 | 股票、新兴产业 |
|
||||
| ☀️ **繁荣期** | ~15年 | 技术全面铺开，高速增长 | 几乎所有资产 |
|
||||
| 🍂 **衰退期** | ~10年 | 泡沫破裂，增速放缓 | 大宗商品→现金 |
|
||||
| ❄️ **萧条期** | ~10年 | 全面收缩，资产便宜 | 现金→布局未来 |
|
||||
|
||||
**历史五轮康波**：
|
||||
1. **1780s-1840s**：蒸汽机革命
|
||||
2. **1840s-1890s**：铁路与钢铁
|
||||
3. **1890s-1940s**：电力与化工
|
||||
4. **1940s-1990s**：汽车与计算机
|
||||
5. **1990s-2050s?**：信息技术革命（当前）
|
||||
|
||||
> *"人生发财靠康波。每个人的财富积累，一定不要以为是你多有本事，财富积累完全来源于经济周期运动的时间给你的机会。"* — 周金涛
|
||||
|
||||
---
|
||||
|
||||
### ⏰ 美林投资时钟
|
||||
|
||||
**创始人**：美林证券分析师（2004年）
|
||||
**核心指标**：经济增长 × 通货膨胀
|
||||
|
||||
**四个象限**：
|
||||
|
||||
| 象限 | 经济 | 通胀 | 最优资产 | 典型特征 |
|
||||
|------|------|------|---------|---------|
|
||||
| 🟢 **复苏期** | ↑ | ↓ | **股票** | 盈利改善，利率低 |
|
||||
| 🔴 **过热期** | ↑ | ↑ | **大宗商品** | 需求旺盛，加息 |
|
||||
| 🟡 **滞胀期** | ↓ | ↑ | **现金** | 成本上升，利润缩水 |
|
||||
| 🔵 **衰退期** | ↓ | ↓ | **债券** | 降息，避险需求 |
|
||||
|
||||
**中国化改造**：
|
||||
- 增加 **政策方向** 作为第三维度
|
||||
- 缩短时钟转动周期（中国约1-3年一轮，美国3-5年）
|
||||
- 增加 **房地产** 作为第五类资产
|
||||
- 重视 **政策友好型** 资产
|
||||
|
||||
---
|
||||
|
||||
### 🤝 两大理论的结合使用
|
||||
|
||||
| 维度 | 康波周期 | 美林时钟 |
|
||||
|------|---------|---------|
|
||||
| **时间尺度** | 50-60年 | 3-5年 |
|
||||
| **驱动力** | 技术革命（供给侧） | 增长+通胀（需求侧） |
|
||||
| **用途** | 人生战略决策 | 投资组合调整 |
|
||||
| **比喻** | 🔭 望远镜 | 🔬 显微镜 |
|
||||
| **角色** | 罗盘（大方向） | 航海图（风浪变化） |
|
||||
|
||||
**结合方法**：
|
||||
- 康波定 **战略方向**（进攻/防守）
|
||||
- 美林定 **战术节奏**（具体配什么）
|
||||
- 政策作为 **催化剂**（加速/扭曲周期）
|
||||
|
||||
> *"双指针一致时信心更强，矛盾时要谨慎。"*
|
||||
|
||||
---
|
||||
|
||||
### ⚠️ 免责声明
|
||||
|
||||
本分析仅供学习研究参考，不构成任何投资建议。周期理论是认知框架而非精确预测工具。
|
||||
投资有风险，入市需谨慎。
|
||||
""")
|
||||
|
||||
|
||||
# 主入口
|
||||
if __name__ == "__main__":
|
||||
display_macro_cycle()
|
||||
Reference in New Issue
Block a user