hahaju/aiagents-stock
1
0
Fork 0
Code Issues Pull Requests Actions 1 Packages Projects Releases Wiki Activity

优化数据获取

Browse Source
This commit is contained in:
oficcejo
2025-10-11 20:59:19 +08:00
parent 80bead4f2f
commit 8db746f7c7
17 changed files with 1671 additions and 1913 deletions
Download Patch File Download Diff File Expand all files Collapse all files
ai_agents.py
+78 -62
View File
@@ -24,18 +24,29 @@ class StockAnalysisAgents:
"timestamp": time.strftime("%Y-%m-%d %H:%M:%S")
}
def fundamental_analyst_agent(self, stock_info: Dict, financial_data: Dict = None) -> Dict[str, Any]:
def fundamental_analyst_agent(self, stock_info: Dict, financial_data: Dict = None, quarterly_data: Dict = None) -> Dict[str, Any]:
"""基本面分析智能体"""
print("📊 基本面分析师正在分析中...")
# 如果有季报数据，显示数据来源
if quarterly_data and quarterly_data.get('data_success'):
income_count = quarterly_data.get('income_statement', {}).get('periods', 0) if quarterly_data.get('income_statement') else 0
balance_count = quarterly_data.get('balance_sheet', {}).get('periods', 0) if quarterly_data.get('balance_sheet') else 0
cash_flow_count = quarterly_data.get('cash_flow', {}).get('periods', 0) if quarterly_data.get('cash_flow') else 0
print(f" ✓ 已获取季报数据：利润表{income_count}期，资产负债表{balance_count}期，现金流量表{cash_flow_count}期")
else:
print(" ⚠ 未获取到季报数据，将基于基本财务数据分析")
time.sleep(1)
analysis = self.deepseek_client.fundamental_analysis(stock_info, financial_data)
analysis = self.deepseek_client.fundamental_analysis(stock_info, financial_data, quarterly_data)
return {
"agent_name": "基本面分析师",
"agent_role": "负责公司财务分析、行业研究、估值分析",
"analysis": analysis,
"focus_areas": ["财务指标", "行业分析", "公司价值", "成长性"],
"focus_areas": ["财务指标", "行业分析", "公司价值", "成长性", "季报趋势"],
"quarterly_data": quarterly_data, # 保存季报数据以供后续使用
"timestamp": time.strftime("%Y-%m-%d %H:%M:%S")
}
@@ -199,105 +210,110 @@ class StockAnalysisAgents:
"timestamp": time.strftime("%Y-%m-%d %H:%M:%S")
}
def news_announcement_analyst_agent(self, stock_info: Dict, news_announcement_data: Dict = None) -> Dict[str, Any]:
"""新闻公告分析智能体"""
print("📰 新闻公告分析师正在分析中...")
def news_analyst_agent(self, stock_info: Dict, news_data: Dict = None) -> Dict[str, Any]:
"""新闻分析智能体"""
print("📰 新闻分析师正在分析中...")
# 如果有新闻公告数据，显示数据来源
if news_announcement_data and news_announcement_data.get('data_success'):
news_count = news_announcement_data.get('news_data', {}).get('count', 0) if news_announcement_data.get('news_data') else 0
announcement_count = news_announcement_data.get('announcement_data', {}).get('count', 0) if news_announcement_data.get('announcement_data') else 0
print(f" ✓ 已获取 {news_count} 条新闻，{announcement_count} 条公告")
# 如果有新闻数据，显示数据来源
if news_data and news_data.get('data_success'):
news_count = news_data.get('news_data', {}).get('count', 0) if news_data.get('news_data') else 0
source = news_data.get('source', 'unknown')
print(f" ✓ 已从 {source} 获取 {news_count} 条新闻")
else:
print(" ⚠ 未获取到新闻公告数据，将基于基本信息分析")
print(" ⚠ 未获取到新闻数据，将基于基本信息分析")
time.sleep(1)
# 构建带有新闻公告数据的prompt
news_announcement_text = ""
if news_announcement_data and news_announcement_data.get('data_success'):
# 使用格式化的新闻公告数据
from news_announcement_data import NewsAnnouncementDataFetcher
fetcher = NewsAnnouncementDataFetcher()
news_announcement_text = f"""
# 构建带有新闻数据的prompt
news_text = ""
if news_data and news_data.get('data_success'):
# 使用格式化的新闻数据
from qstock_news_data import QStockNewsDataFetcher
fetcher = QStockNewsDataFetcher()
news_text = f"""
【最新新闻公告数据】
{fetcher.format_news_announcements_for_ai(news_announcement_data)}
【最新新闻数据】
{fetcher.format_news_for_ai(news_data)}
以上是通过问财获取的实际新闻和公告数据，请重点基于这些数据进行分析。
以上是通过qstock获取的实际新闻数据，请重点基于这些数据进行分析。
"""
news_announcement_prompt = f"""
作为专业的新闻公告分析师，请基于最新的新闻和公告对以下股票进行深度分析：
news_prompt = f"""
作为专业的新闻分析师，请基于最新的新闻对以下股票进行深度分析：
股票信息：
- 股票代码：{stock_info.get('symbol', 'N/A')}
- 股票名称：{stock_info.get('name', 'N/A')}
- 行业：{stock_info.get('sector', 'N/A')}
- 细分行业：{stock_info.get('industry', 'N/A')}
{news_announcement_text}
{news_text}
请从以下角度进行深度分析：
1. **新闻分析**
1. **新闻概要**
- 梳理最新的重要新闻
- 总结核心要点和关键信息
- 按重要性排序新闻
2. **新闻性质分析**
- 分析新闻的性质（利好/利空/中性）
- 评估新闻对股价的短期和长期影响
- 评估新闻的可信度和权威性
- 识别新闻来源和传播范围
3. **影响评估**
- 评估新闻对股价的短期影响
- 分析新闻对公司长期发展的影响
- 判断新闻对行业的影响范围
4. **热点识别**
- 识别市场关注的热点和焦点
- 分析新闻的可信度和影响力
- 分析该股票在市场中的关注度
- 评估舆论导向和市场情绪
2. **公告分析**
- 梳理最新的重要公告
- 分析公告的类型（业绩、重组、增持、减持、分红等）
- 评估公告的实质性影响
- 识别可能的投资机会或风险
- 解读公司的战略意图
3. **重大事件识别**
5. **重大事件识别**
- 识别可能影响股价的重大事件
- 评估事件的紧迫性和重要性
- 分析事件的发展趋势
- 预判后续可能的发展
- 预判后续可能的发展和连锁反应
4. **市场反应分析**
- 分析市场对新闻公告的反应
- 评估反应是否充分或过度
6. **市场反应预判**
- 预测市场对新闻的可能反应
- 判断是否存在预期差
- 识别可能的交易机会
- 识别可能的交易机会窗口
5. **风险提示**
- 识别新闻公告中的风险信号
7. **风险提示**
- 识别新闻中的风险信号
- 评估潜在的负面影响
- 提示需要关注的问题
- 提示需要警惕的风险点
6. **投资建议**
- 基于新闻公告的操作建议
- 关键时间节点提示
8. **投资建议**
- 基于新闻的操作建议
- 关键时间节点和观察点
- 需要持续关注的事项
请确保分析客观、专业，重点关注对投资决策有实质性影响的内容。
如果某些新闻或公告的重要性较低，可以简要提及或略过。
如果某些新闻的重要性较低，可以简要提及或略过。
"""
messages = [
{"role": "system", "content": "你是一名专业的新闻公告分析师，擅长解读公司公告、新闻事件，评估其对股价的影响。你具有敏锐的洞察力和丰富的市场经验。"},
{"role": "user", "content": news_announcement_prompt}
{"role": "system", "content": "你是一名专业的新闻分析师，擅长解读新闻事件、舆情分析，评估新闻对股价的影响。你具有敏锐的洞察力和丰富的市场经验。"},
{"role": "user", "content": news_prompt}
]
analysis = self.deepseek_client.call_api(messages, max_tokens=4000)
return {
"agent_name": "新闻公告分析师",
"agent_role": "负责新闻事件分析、公司公告解读、重大事件影响评估",
"agent_name": "新闻分析师",
"agent_role": "负责新闻事件分析、舆情研究、重大事件影响评估",
"analysis": analysis,
"focus_areas": ["新闻解读", "公告分析", "事件影响", "市场反应", "投资机会"],
"news_announcement_data": news_announcement_data, # 保存新闻公告数据以供后续使用
"focus_areas": ["新闻解读", "舆情分析", "事件影响", "市场反应", "投资机会"],
"news_data": news_data, # 保存新闻数据以供后续使用
"timestamp": time.strftime("%Y-%m-%d %H:%M:%S")
}
def run_multi_agent_analysis(self, stock_info: Dict, stock_data: Any, indicators: Dict,
financial_data: Dict = None, fund_flow_data: Dict = None,
sentiment_data: Dict = None, news_announcement_data: Dict = None,
sentiment_data: Dict = None, news_data: Dict = None,
quarterly_data: Dict = None,
enabled_analysts: Dict = None) -> Dict[str, Any]:
"""运行多智能体分析
@@ -334,7 +350,7 @@ class StockAnalysisAgents:
# 基本面分析
if enabled_analysts.get('fundamental', True):
agents_results["fundamental"] = self.fundamental_analyst_agent(stock_info, financial_data)
agents_results["fundamental"] = self.fundamental_analyst_agent(stock_info, financial_data, quarterly_data)
# 资金面分析（传入资金流向数据）
if enabled_analysts.get('fund_flow', True):
@@ -348,9 +364,9 @@ class StockAnalysisAgents:
if enabled_analysts.get('sentiment', False):
agents_results["market_sentiment"] = self.market_sentiment_agent(stock_info, sentiment_data)
# 新闻公告分析（传入新闻公告数据）
# 新闻分析（传入新闻数据）
if enabled_analysts.get('news', False):
agents_results["news_announcement"] = self.news_announcement_analyst_agent(stock_info, news_announcement_data)
agents_results["news"] = self.news_analyst_agent(stock_info, news_data)
print("✅ 所有已选择的分析师完成分析")
print("=" * 50)
@@ -386,9 +402,9 @@ class StockAnalysisAgents:
participants.append("市场情绪分析师")
reports.append(f"【市场情绪分析师报告】\n{agents_results['market_sentiment'].get('analysis', '')}")
if "news_announcement" in agents_results:
participants.append("新闻公告分析师")
reports.append(f"【新闻公告分析师报告】\n{agents_results['news_announcement'].get('analysis', '')}")
if "news" in agents_results:
participants.append("新闻分析师")
reports.append(f"【新闻分析师报告】\n{agents_results['news'].get('analysis', '')}")
# 组合所有报告
all_reports = "\n\n".join(reports)