优化数据获取
This commit is contained in:
oficcejo
@@ -9,6 +9,8 @@
|
||||
<img width="1910" height="923" alt="01" src="https://github.com/user-attachments/assets/7dcd4b2c-8b4b-428b-8a17-4d843e98a626" />
|
||||
<img width="1910" height="923" alt="02" src="https://github.com/user-attachments/assets/02018fff-4e6b-4354-b258-a5da25537c38" />
|
||||
|
||||
## ✨1011 更新优化数据获取
|
||||
|
||||
## ✨1010 更新说明（最新）
|
||||
### 🇭🇰 新增港股分析支持 ⭐️
|
||||
- **市场扩展**：现已支持A股、港股、美股三大市场
|
||||
|
||||
+78
-62
@@ -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)
|
||||
|
||||
@@ -395,7 +395,7 @@ def main():
|
||||
**AI分析流程**
|
||||
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. 新闻公告
|
||||
5. 情绪数据(ARBR) → 6. 新闻(qstock)
|
||||
7. AI团队分析 → 8. 团队讨论 → 9. 决策
|
||||
""")
|
||||
|
||||
@@ -504,8 +504,8 @@ def main():
|
||||
with col3:
|
||||
enable_sentiment = st.checkbox("📈 市场情绪分析师", value=False,
|
||||
help="负责市场情绪研究、ARBR指标分析（仅A股）")
|
||||
enable_news = st.checkbox("📰 新闻公告分析师", value=False,
|
||||
help="负责新闻事件分析、公司公告解读（仅A股）")
|
||||
enable_news = st.checkbox("📰 新闻分析师", value=False,
|
||||
help="负责新闻事件分析、舆情研究（仅A股，qstock数据源）")
|
||||
|
||||
# 显示已选择的分析师
|
||||
selected_analysts = []
|
||||
@@ -520,7 +520,7 @@ def main():
|
||||
if enable_sentiment:
|
||||
selected_analysts.append("市场情绪分析师")
|
||||
if enable_news:
|
||||
selected_analysts.append("新闻公告分析师")
|
||||
selected_analysts.append("新闻分析师")
|
||||
|
||||
if selected_analysts:
|
||||
st.info(f"✅ 已选择 {len(selected_analysts)} 位分析师: {', '.join(selected_analysts)}")
|
||||
@@ -729,16 +729,29 @@ def analyze_single_stock_for_batch(symbol, period, enabled_analysts_config=None,
|
||||
fetcher = StockDataFetcher()
|
||||
financial_data = fetcher.get_financial_data(symbol)
|
||||
|
||||
# 2.5 获取季报数据（仅A股）
|
||||
quarterly_data = None
|
||||
enable_fundamental = enabled_analysts_config.get('fundamental', True)
|
||||
if enable_fundamental and fetcher._is_chinese_stock(symbol):
|
||||
try:
|
||||
from quarterly_report_data import QuarterlyReportDataFetcher
|
||||
quarterly_fetcher = QuarterlyReportDataFetcher()
|
||||
quarterly_data = quarterly_fetcher.get_quarterly_reports(symbol)
|
||||
except:
|
||||
pass
|
||||
|
||||
# 获取分析师选择状态（从参数而不是session_state）
|
||||
enable_fund_flow = enabled_analysts_config.get('fund_flow', True)
|
||||
enable_sentiment = enabled_analysts_config.get('sentiment', False)
|
||||
enable_news = enabled_analysts_config.get('news', False)
|
||||
|
||||
# 3. 获取资金流向数据（可选）
|
||||
# 3. 获取资金流向数据（akshare数据源，可选）
|
||||
fund_flow_data = None
|
||||
if enable_fund_flow and fetcher._is_chinese_stock(symbol):
|
||||
try:
|
||||
fund_flow_data = fetcher.get_fund_flow_data(symbol)
|
||||
from fund_flow_akshare import FundFlowAkshareDataFetcher
|
||||
fund_flow_fetcher = FundFlowAkshareDataFetcher()
|
||||
fund_flow_data = fund_flow_fetcher.get_fund_flow_data(symbol)
|
||||
except:
|
||||
pass
|
||||
|
||||
@@ -752,13 +765,13 @@ def analyze_single_stock_for_batch(symbol, period, enabled_analysts_config=None,
|
||||
except:
|
||||
pass
|
||||
|
||||
# 5. 获取新闻公告数据（可选）
|
||||
news_announcement_data = None
|
||||
# 5. 获取新闻数据（qstock数据源，可选）
|
||||
news_data = None
|
||||
if enable_news and fetcher._is_chinese_stock(symbol):
|
||||
try:
|
||||
from news_announcement_data import NewsAnnouncementDataFetcher
|
||||
news_fetcher = NewsAnnouncementDataFetcher()
|
||||
news_announcement_data = news_fetcher.get_news_and_announcements(symbol)
|
||||
from qstock_news_data import QStockNewsDataFetcher
|
||||
news_fetcher = QStockNewsDataFetcher()
|
||||
news_data = news_fetcher.get_stock_news(symbol)
|
||||
except:
|
||||
pass
|
||||
|
||||
@@ -771,8 +784,8 @@ def analyze_single_stock_for_batch(symbol, period, enabled_analysts_config=None,
|
||||
# 7. 运行多智能体分析
|
||||
agents_results = agents.run_multi_agent_analysis(
|
||||
stock_info, stock_data, indicators, financial_data,
|
||||
fund_flow_data, sentiment_data, news_announcement_data,
|
||||
enabled_analysts=enabled_analysts
|
||||
fund_flow_data, sentiment_data, news_data, quarterly_data,
|
||||
enabled_analysts=enabled_analysts_config
|
||||
)
|
||||
|
||||
# 8. 团队讨论
|
||||
@@ -982,21 +995,47 @@ def run_stock_analysis(symbol, period):
|
||||
financial_data = fetcher.get_financial_data(symbol)
|
||||
progress_bar.progress(35)
|
||||
|
||||
# 2.5 获取季报数据（仅在选择了基本面分析师且为A股时）
|
||||
enable_fundamental = st.session_state.get('enable_fundamental', True)
|
||||
quarterly_data = None
|
||||
if enable_fundamental and fetcher._is_chinese_stock(symbol):
|
||||
status_text.text("📊 正在获取季报数据（akshare数据源）...")
|
||||
try:
|
||||
from quarterly_report_data import QuarterlyReportDataFetcher
|
||||
quarterly_fetcher = QuarterlyReportDataFetcher()
|
||||
quarterly_data = quarterly_fetcher.get_quarterly_reports(symbol)
|
||||
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
|
||||
st.info(f"✅ 成功获取季报数据：利润表{income_count}期，资产负债表{balance_count}期，现金流量表{cash_flow_count}期")
|
||||
else:
|
||||
st.warning("⚠️ 未能获取季报数据，将基于基本财务数据分析")
|
||||
except Exception as e:
|
||||
st.warning(f"⚠️ 获取季报数据时出错: {str(e)}")
|
||||
quarterly_data = None
|
||||
elif enable_fundamental and not fetcher._is_chinese_stock(symbol):
|
||||
st.info("ℹ️ 美股暂不支持季报数据")
|
||||
progress_bar.progress(37)
|
||||
|
||||
# 获取分析师选择状态
|
||||
enable_fund_flow = st.session_state.get('enable_fund_flow', True)
|
||||
enable_sentiment = st.session_state.get('enable_sentiment', False)
|
||||
enable_news = st.session_state.get('enable_news', False)
|
||||
|
||||
# 3. 获取资金流向数据（仅在选择了资金面分析师时）
|
||||
# 3. 获取资金流向数据（仅在选择了资金面分析师时，使用akshare数据源）
|
||||
fund_flow_data = None
|
||||
if enable_fund_flow and fetcher._is_chinese_stock(symbol):
|
||||
status_text.text("💰 正在获取资金流向数据（主力）...")
|
||||
status_text.text("💰 正在获取资金流向数据（akshare数据源）...")
|
||||
try:
|
||||
fund_flow_data = fetcher.get_fund_flow_data(symbol)
|
||||
if fund_flow_data and fund_flow_data.get('query_success'):
|
||||
st.info("✅ 成功获取主力资金流向数据")
|
||||
from fund_flow_akshare import FundFlowAkshareDataFetcher
|
||||
fund_flow_fetcher = FundFlowAkshareDataFetcher()
|
||||
fund_flow_data = fund_flow_fetcher.get_fund_flow_data(symbol)
|
||||
if fund_flow_data and fund_flow_data.get('data_success'):
|
||||
days = fund_flow_data.get('fund_flow_data', {}).get('days', 0) if fund_flow_data.get('fund_flow_data') else 0
|
||||
st.info(f"✅ 成功获取 {days} 个交易日的资金流向数据")
|
||||
else:
|
||||
st.warning("⚠️ 未能获取主力资金流向数据，将基于技术指标进行资金面分析")
|
||||
st.warning("⚠️ 未能获取资金流向数据，将基于技术指标进行资金面分析")
|
||||
except Exception as e:
|
||||
st.warning(f"⚠️ 获取资金流向数据时出错: {str(e)}")
|
||||
fund_flow_data = None
|
||||
@@ -1023,25 +1062,24 @@ def run_stock_analysis(symbol, period):
|
||||
st.info("ℹ️ 美股暂不支持市场情绪数据（ARBR等指标）")
|
||||
progress_bar.progress(45)
|
||||
|
||||
# 5. 获取新闻公告数据（仅在选择了新闻公告分析师时）
|
||||
news_announcement_data = None
|
||||
# 5. 获取新闻数据（仅在选择了新闻分析师时，使用qstock数据源）
|
||||
news_data = None
|
||||
if enable_news and fetcher._is_chinese_stock(symbol):
|
||||
status_text.text("📰 正在获取新闻公告数据（问财）...")
|
||||
status_text.text("📰 正在获取新闻数据...")
|
||||
try:
|
||||
from news_announcement_data import NewsAnnouncementDataFetcher
|
||||
news_fetcher = NewsAnnouncementDataFetcher()
|
||||
news_announcement_data = news_fetcher.get_news_and_announcements(symbol)
|
||||
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
|
||||
st.info(f"✅ 成功获取 {news_count} 条新闻，{announcement_count} 条公告")
|
||||
from qstock_news_data import QStockNewsDataFetcher
|
||||
news_fetcher = QStockNewsDataFetcher()
|
||||
news_data = news_fetcher.get_stock_news(symbol)
|
||||
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
|
||||
st.info(f"✅ 成功从东方财富获取个股 {news_count} 条新闻")
|
||||
else:
|
||||
st.warning("⚠️ 未能获取新闻公告数据，将基于基本信息进行分析")
|
||||
st.warning("⚠️ 未能获取新闻数据，将基于基本信息进行分析")
|
||||
except Exception as e:
|
||||
st.warning(f"⚠️ 获取新闻公告数据时出错: {str(e)}")
|
||||
news_announcement_data = None
|
||||
st.warning(f"⚠️ 获取新闻数据时出错: {str(e)}")
|
||||
news_data = None
|
||||
elif enable_news and not fetcher._is_chinese_stock(symbol):
|
||||
st.info("ℹ️ 美股暂不支持新闻公告数据")
|
||||
st.info("ℹ️ 美股暂不支持新闻数据")
|
||||
progress_bar.progress(50)
|
||||
|
||||
# 6. 初始化AI分析系统
|
||||
@@ -1070,7 +1108,7 @@ def run_stock_analysis(symbol, period):
|
||||
status_text.text("🔍 AI分析师团队正在分析,请耐心等待几分钟...")
|
||||
agents_results = agents.run_multi_agent_analysis(
|
||||
stock_info, stock_data, indicators, financial_data,
|
||||
fund_flow_data, sentiment_data, news_announcement_data,
|
||||
fund_flow_data, sentiment_data, news_data, quarterly_data,
|
||||
enabled_analysts=enabled_analysts
|
||||
)
|
||||
progress_bar.progress(75)
|
||||
@@ -1453,7 +1491,7 @@ def show_example_interface():
|
||||
st.markdown("---")
|
||||
st.markdown("""
|
||||
### 🌏 市场支持说明
|
||||
- **A股**：完整支持（技术分析、财务数据、资金流向、市场情绪、新闻公告）
|
||||
- **A股**：完整支持（技术分析、财务数据、资金流向、市场情绪、新闻数据qstock）
|
||||
- **港股**：部分支持（技术分析、21项财务指标）⭐️
|
||||
- **美股**：完整支持（技术分析、财务数据）
|
||||
|
||||
|
||||
+99
-59
@@ -96,7 +96,7 @@ class DeepSeekClient:
|
||||
|
||||
return self.call_api(messages)
|
||||
|
||||
def fundamental_analysis(self, stock_info: Dict, financial_data: Dict = None) -> str:
|
||||
def fundamental_analysis(self, stock_info: Dict, financial_data: Dict = None, quarterly_data: Dict = None) -> str:
|
||||
"""基本面分析"""
|
||||
|
||||
# 构建财务数据部分
|
||||
@@ -137,6 +137,20 @@ class DeepSeekClient:
|
||||
if ratios.get('报告期'):
|
||||
financial_section = f"\n财务数据报告期：{ratios.get('报告期')}\n" + financial_section
|
||||
|
||||
# 构建季报数据部分
|
||||
quarterly_section = ""
|
||||
if quarterly_data and quarterly_data.get('data_success'):
|
||||
# 使用格式化的季报数据
|
||||
from quarterly_report_data import QuarterlyReportDataFetcher
|
||||
fetcher = QuarterlyReportDataFetcher()
|
||||
quarterly_section = f"""
|
||||
|
||||
【最近8期季报详细数据】
|
||||
{fetcher.format_quarterly_reports_for_ai(quarterly_data)}
|
||||
|
||||
以上是通过akshare获取的最近8期季度财务报告，请重点基于这些数据进行趋势分析。
|
||||
"""
|
||||
|
||||
prompt = f"""
|
||||
你是一名资深的基本面分析师，拥有CFA资格和10年以上的证券分析经验。请基于以下详细信息进行深入的基本面分析：
|
||||
|
||||
@@ -156,6 +170,7 @@ class DeepSeekClient:
|
||||
- 52周最高：{stock_info.get('52_week_high', 'N/A')}
|
||||
- 52周最低：{stock_info.get('52_week_low', 'N/A')}
|
||||
{financial_section}
|
||||
{quarterly_section}
|
||||
|
||||
请从以下维度进行专业、深入的分析：
|
||||
|
||||
@@ -182,21 +197,37 @@ class DeepSeekClient:
|
||||
- 未来成长空间
|
||||
- 行业发展前景
|
||||
|
||||
5. **估值分析**
|
||||
5. **季报趋势分析（如有季报数据）** ⭐ 重点分析
|
||||
- **营收趋势**：分析最近8期营业收入的变化趋势，识别增长或下滑
|
||||
- **利润趋势**：分析净利润和每股收益的变化，评估盈利能力变化
|
||||
- **现金流分析**：经营现金流、投资现金流、筹资现金流的变化趋势
|
||||
- **资产负债变化**：资产规模、负债水平、所有者权益的变化
|
||||
- **季度环比/同比**：计算关键指标的环比和同比变化率
|
||||
- **经营质量**：评估收入质量、利润质量、现金流质量
|
||||
- **异常识别**：识别异常波动，分析原因（季节性、一次性事件等）
|
||||
- **趋势预判**：基于最近8期数据预判未来1-2个季度趋势
|
||||
|
||||
6. **估值分析**
|
||||
- 当前估值水平（PE、PB）
|
||||
- 历史估值区间对比
|
||||
- 行业估值对比
|
||||
- 结合季报趋势调整估值预期
|
||||
- 合理估值区间判断
|
||||
|
||||
6. **投资价值判断**
|
||||
7. **投资价值判断**
|
||||
- 综合评分（0-100分）
|
||||
- 投资亮点
|
||||
- 投资风险
|
||||
- 投资亮点（特别关注季报改善趋势）
|
||||
- 投资风险（关注季报恶化信号）
|
||||
- 适合的投资者类型
|
||||
|
||||
请给出专业、详细的基本面分析报告，数据分析要深入，结论要有依据。
|
||||
**分析要求：**
|
||||
- 如果有季报数据，请重点分析8期数据的趋势变化
|
||||
- 识别改善或恶化的早期信号
|
||||
- 结合季报数据对未来业绩进行预判
|
||||
- 数据分析要深入，结论要有依据
|
||||
- 结合当前市场环境和行业发展趋势
|
||||
|
||||
请结合当前市场环境和行业发展趋势，给出专业的基本面分析报告。
|
||||
请给出专业、详细的基本面分析报告。
|
||||
"""
|
||||
|
||||
messages = [
|
||||
@@ -209,29 +240,21 @@ class DeepSeekClient:
|
||||
def fund_flow_analysis(self, stock_info: Dict, indicators: Dict, fund_flow_data: Dict = None) -> str:
|
||||
"""资金面分析"""
|
||||
|
||||
# 构建资金流向数据部分 - 直接使用问财原始数据
|
||||
# 构建资金流向数据部分 - 使用akshare格式化数据
|
||||
fund_flow_section = ""
|
||||
if fund_flow_data and fund_flow_data.get('query_success'):
|
||||
raw_data = fund_flow_data.get('raw_data', {})
|
||||
|
||||
if raw_data:
|
||||
fund_flow_section = "\n【问财资金流向完整数据（近20个交易日）】\n"
|
||||
fund_flow_section += f"数据来源：同花顺问财\n"
|
||||
fund_flow_section += f"股票名称：{fund_flow_data.get('stock_name', 'N/A')}\n"
|
||||
fund_flow_section += f"股票代码：{fund_flow_data.get('stock_code', 'N/A')}\n\n"
|
||||
|
||||
# 将所有问财返回的数据都列出来，让AI自己分析
|
||||
for key, value in raw_data.items():
|
||||
# 跳过股票代码和名称（已经显示过了）
|
||||
if key in ['股票代码', '股票简称', 'code', 'name']:
|
||||
continue
|
||||
fund_flow_section += f"- {key}: {value}\n"
|
||||
|
||||
fund_flow_section += "\n以上是问财返回的所有资金流向相关数据，请仔细分析这些数据的含义和相互关系。\n"
|
||||
else:
|
||||
fund_flow_section = "\n【资金流向数据】\n注意：问财返回数据为空。\n"
|
||||
if fund_flow_data and fund_flow_data.get('data_success'):
|
||||
# 使用格式化的资金流向数据
|
||||
from fund_flow_akshare import FundFlowAkshareDataFetcher
|
||||
fetcher = FundFlowAkshareDataFetcher()
|
||||
fund_flow_section = f"""
|
||||
|
||||
【近20个交易日资金流向详细数据】
|
||||
{fetcher.format_fund_flow_for_ai(fund_flow_data)}
|
||||
|
||||
以上是通过akshare从东方财富获取的实际资金流向数据，请重点基于这些数据进行趋势分析。
|
||||
"""
|
||||
else:
|
||||
fund_flow_section = "\n【资金流向数据】\n注意：未能获取到问财资金流向数据，将基于成交量进行分析。\n"
|
||||
fund_flow_section = "\n【资金流向数据】\n注意：未能获取到资金流向数据，将基于成交量进行分析。\n"
|
||||
|
||||
prompt = f"""
|
||||
你是一名资深的资金面分析师，擅长从资金流向数据中洞察主力行为和市场趋势。
|
||||
@@ -249,44 +272,61 @@ class DeepSeekClient:
|
||||
|
||||
【分析要求】
|
||||
|
||||
请你**仔细阅读上述问财返回的所有数据字段**，自己识别和提取关键信息，然后从以下角度进行深入分析：
|
||||
请你**基于上述近20个交易日的完整资金流向数据**，从以下角度进行深入分析：
|
||||
|
||||
1. **数据解读与提取**（重要！）
|
||||
- 识别哪些字段是资金流向相关数据（如：区间资金流向、主力资金、大单、中单、小单等）
|
||||
- 提取关键数值（注意单位：元、亿元、百分比等）
|
||||
- 计算主力资金占比、不同类型资金的比例关系
|
||||
- 识别涨跌幅、换手率等关联指标
|
||||
1. **资金流向趋势分析** ⭐ 重点
|
||||
- 分析近20个交易日主力资金的累计净流入/净流出
|
||||
- 识别资金流向的趋势性特征（持续流入、持续流出、震荡）
|
||||
- 计算主力资金净流入天数占比
|
||||
- 评估资金流向强度（累计金额、平均每日金额）
|
||||
|
||||
2. **资金流向趋势分析**
|
||||
- 近20日总资金流向趋势（净流入/净流出，金额多少）
|
||||
- 资金流向与股价涨跌的关系（是否同向）
|
||||
- 资金流向的强度评估
|
||||
2. **主力资金行为分析** ⭐ 核心重点
|
||||
- **主力资金总体表现**：累计净流入金额、占比、趋势方向
|
||||
- **超大单分析**：机构大资金的进出动作
|
||||
- **大单分析**：主力资金的操作特征
|
||||
- **主力操作意图研判**：
|
||||
* 吸筹建仓：持续净流入 + 股价上涨/盘整
|
||||
* 派发出货：持续净流出 + 股价下跌/高位
|
||||
* 洗盘整理：震荡流入流出 + 股价调整
|
||||
* 拉升推动：集中大额流入 + 股价快速上涨
|
||||
|
||||
3. **主力资金行为分析**（核心重点）
|
||||
- 主力资金流向方向和规模
|
||||
- 主力资金占比情况（控盘程度）
|
||||
- 主力操作意图研判（吸筹/派发/洗盘/拉升）
|
||||
- 主力与散户资金的博弈态势
|
||||
- 大单、中单、小单的分布特征
|
||||
3. **散户资金行为分析**
|
||||
- **中单、小单的动向**：散户的买卖情绪
|
||||
- **主力与散户博弈**：
|
||||
* 主力流入、散户流出 → 专业资金吸筹
|
||||
* 主力流出、散户流入 → 高位接盘风险
|
||||
* 同向流动 → 趋势明确
|
||||
- 散户参与度和情绪判断
|
||||
|
||||
4. **资金结构分析**
|
||||
- 不同类型资金的流向（超大单、大单、中单、小单）
|
||||
- 机构资金与散户资金的对比
|
||||
- 资金集中度分析
|
||||
4. **量价配合分析**
|
||||
- 资金流向与股价涨跌的配合度
|
||||
- 识别量价背离：
|
||||
* 价涨量缩 + 资金流出 → 警惕顶部
|
||||
* 价跌量增 + 资金流入 → 可能见底
|
||||
- 成交活跃度变化趋势
|
||||
|
||||
5. **量价关系分析**
|
||||
- 资金流向与股价涨跌的配合
|
||||
- 量价背离情况识别
|
||||
- 成交活跃度评估
|
||||
5. **关键信号识别**
|
||||
- **买入信号**：
|
||||
* 主力持续净流入
|
||||
* 大单明显流入
|
||||
* 资金流入 + 股价上涨
|
||||
- **卖出信号**：
|
||||
* 主力持续净流出
|
||||
* 大额资金出逃
|
||||
* 资金流出 + 股价滞涨或下跌
|
||||
- **观望信号**：
|
||||
* 资金流向不明确
|
||||
* 主力与散户博弈激烈
|
||||
|
||||
6. **资金面与技术面结合**
|
||||
- 资金流向对关键技术位的影响
|
||||
- 资金推动与股价趋势的一致性
|
||||
- 资金面对未来走势的指示作用
|
||||
6. **阶段性特征**
|
||||
- 早期阶段（前10个交易日）vs 近期阶段（后10个交易日）
|
||||
- 资金流向的变化趋势
|
||||
- 转折点识别
|
||||
|
||||
7. **风险与机会评估**
|
||||
- 资金面的风险信号（如主力出逃、资金外流）
|
||||
- 资金面的机会信号（如主力建仓、资金集中流入）
|
||||
7. **投资建议**
|
||||
- 基于资金流向的操作建议
|
||||
- 关注重点和风险提示
|
||||
- 资金面对后市的指示意义
|
||||
- 未来资金流向预判
|
||||
|
||||
8. **投资建议**
|
||||
|
||||
@@ -0,0 +1,300 @@
|
||||
"""
|
||||
资金流向数据获取模块（akshare版本）
|
||||
使用akshare的stock_individual_fund_flow接口获取个股资金流向
|
||||
"""
|
||||
|
||||
import pandas as pd
|
||||
import sys
|
||||
import io
|
||||
import warnings
|
||||
from datetime import datetime
|
||||
import akshare as ak
|
||||
|
||||
warnings.filterwarnings('ignore')
|
||||
|
||||
# 设置标准输出编码为UTF-8（仅在命令行环境，避免streamlit冲突）
|
||||
def _setup_stdout_encoding():
|
||||
"""仅在命令行环境设置标准输出编码"""
|
||||
if sys.platform == 'win32' and not hasattr(sys.stdout, '_original_stream'):
|
||||
try:
|
||||
# 检测是否在streamlit环境中
|
||||
import streamlit
|
||||
# 在streamlit中不修改stdout
|
||||
return
|
||||
except ImportError:
|
||||
# 不在streamlit环境，可以安全修改
|
||||
try:
|
||||
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8', errors='ignore')
|
||||
except:
|
||||
pass
|
||||
|
||||
_setup_stdout_encoding()
|
||||
|
||||
|
||||
class FundFlowAkshareDataFetcher:
|
||||
"""资金流向数据获取类（使用akshare数据源）"""
|
||||
|
||||
def __init__(self):
|
||||
self.days = 20 # 获取最近20个交易日
|
||||
self.available = True
|
||||
print("[OK] 资金流向数据获取器初始化成功（akshare数据源）")
|
||||
|
||||
def get_fund_flow_data(self, symbol):
|
||||
"""
|
||||
获取个股资金流向数据
|
||||
|
||||
Args:
|
||||
symbol: 股票代码（6位数字）
|
||||
|
||||
Returns:
|
||||
dict: 包含资金流向数据的字典
|
||||
"""
|
||||
data = {
|
||||
"symbol": symbol,
|
||||
"fund_flow_data": None,
|
||||
"data_success": False,
|
||||
"source": "akshare"
|
||||
}
|
||||
|
||||
# 只支持中国股票
|
||||
if not self._is_chinese_stock(symbol):
|
||||
data["error"] = "资金流向数据仅支持中国A股股票"
|
||||
return data
|
||||
|
||||
try:
|
||||
print(f"[资金流向] 正在获取 {symbol} 的资金流向数据...")
|
||||
|
||||
# 确定市场
|
||||
market = self._get_market(symbol)
|
||||
|
||||
# 获取资金流向数据
|
||||
fund_flow_data = self._get_individual_fund_flow(symbol, market)
|
||||
|
||||
if fund_flow_data:
|
||||
data["fund_flow_data"] = fund_flow_data
|
||||
print(f" [OK] 成功获取 {len(fund_flow_data.get('data', []))} 个交易日的资金流向数据")
|
||||
data["data_success"] = True
|
||||
print("[完成] 资金流向数据获取完成")
|
||||
else:
|
||||
print("[警告] 未能获取到资金流向数据")
|
||||
|
||||
except Exception as e:
|
||||
print(f"[ERROR] 获取资金流向数据失败: {e}")
|
||||
data["error"] = str(e)
|
||||
|
||||
return data
|
||||
|
||||
def _is_chinese_stock(self, symbol):
|
||||
"""判断是否为中国股票"""
|
||||
return symbol.isdigit() and len(symbol) == 6
|
||||
|
||||
def _get_market(self, symbol):
|
||||
"""
|
||||
根据股票代码判断市场
|
||||
上海证券交易所: sh (60开头, 688开头)
|
||||
深圳证券交易所: sz (00开头, 30开头)
|
||||
北京证券交易所: bj (8开头, 4开头)
|
||||
"""
|
||||
if symbol.startswith('60') or symbol.startswith('688'):
|
||||
return 'sh'
|
||||
elif symbol.startswith('00') or symbol.startswith('30'):
|
||||
return 'sz'
|
||||
elif symbol.startswith('8') or symbol.startswith('4'):
|
||||
return 'bj'
|
||||
else:
|
||||
# 默认深圳
|
||||
return 'sz'
|
||||
|
||||
def _get_individual_fund_flow(self, symbol, market):
|
||||
"""获取个股资金流向数据"""
|
||||
try:
|
||||
# 使用akshare的stock_individual_fund_flow接口
|
||||
print(f" 使用 akshare 获取资金流向 (市场: {market})...")
|
||||
|
||||
df = ak.stock_individual_fund_flow(stock=symbol, market=market)
|
||||
|
||||
if df is None or df.empty:
|
||||
print(f" 未找到资金流向数据")
|
||||
return None
|
||||
|
||||
# akshare 返回的数据是按时间正序排列（从旧到新），所以使用 tail() 获取最近N天的数据
|
||||
df = df.tail(self.days)
|
||||
|
||||
# 按日期倒序排列，让最新的数据在前面
|
||||
df = df.iloc[::-1].reset_index(drop=True)
|
||||
|
||||
# 转换为字典列表
|
||||
data_list = []
|
||||
for idx, row in df.iterrows():
|
||||
item = {}
|
||||
for col in df.columns:
|
||||
value = row.get(col)
|
||||
if value is None or (isinstance(value, float) and pd.isna(value)):
|
||||
continue
|
||||
try:
|
||||
# 保持数值类型
|
||||
if isinstance(value, (int, float)):
|
||||
item[col] = value
|
||||
else:
|
||||
item[col] = str(value)
|
||||
except:
|
||||
item[col] = "N/A"
|
||||
if item:
|
||||
data_list.append(item)
|
||||
|
||||
return {
|
||||
"data": data_list,
|
||||
"days": len(data_list),
|
||||
"columns": df.columns.tolist(),
|
||||
"market": market,
|
||||
"query_time": datetime.now().strftime('%Y-%m-%d %H:%M:%S')
|
||||
}
|
||||
|
||||
except Exception as e:
|
||||
print(f" 获取资金流向数据异常: {e}")
|
||||
import traceback
|
||||
traceback.print_exc()
|
||||
return None
|
||||
|
||||
def format_fund_flow_for_ai(self, data):
|
||||
"""
|
||||
将资金流向数据格式化为适合AI阅读的文本
|
||||
"""
|
||||
if not data or not data.get("data_success"):
|
||||
return "未能获取资金流向数据"
|
||||
|
||||
text_parts = []
|
||||
|
||||
fund_flow_data = data.get("fund_flow_data")
|
||||
if fund_flow_data:
|
||||
text_parts.append(f"""
|
||||
【个股资金流向数据 - akshare数据源】
|
||||
股票代码：{data.get('symbol', 'N/A')}
|
||||
市场：{fund_flow_data.get('market', 'N/A').upper()}
|
||||
交易日数：最近{fund_flow_data.get('days', 0)}个交易日
|
||||
查询时间：{fund_flow_data.get('query_time', 'N/A')}
|
||||
|
||||
═══════════════════════════════════════
|
||||
[资金流向详细数据]
|
||||
═══════════════════════════════════════
|
||||
""")
|
||||
|
||||
# 显示每个交易日的数据
|
||||
for idx, item in enumerate(fund_flow_data.get('data', []), 1):
|
||||
date = item.get('日期', 'N/A')
|
||||
close_price = item.get('收盘价', 'N/A')
|
||||
change_pct = item.get('涨跌幅', 'N/A')
|
||||
|
||||
text_parts.append(f"""
|
||||
第 {idx} 个交易日 ({date}):
|
||||
基本信息:
|
||||
- 收盘价: {close_price}
|
||||
- 涨跌幅: {change_pct}%
|
||||
|
||||
主力资金:
|
||||
- 主力净流入-净额: {item.get('主力净流入-净额', 'N/A')}
|
||||
- 主力净流入-净占比: {item.get('主力净流入-净占比', 'N/A')}%
|
||||
|
||||
超大单:
|
||||
- 超大单净流入-净额: {item.get('超大单净流入-净额', 'N/A')}
|
||||
- 超大单净流入-净占比: {item.get('超大单净流入-净占比', 'N/A')}%
|
||||
|
||||
大单:
|
||||
- 大单净流入-净额: {item.get('大单净流入-净额', 'N/A')}
|
||||
- 大单净流入-净占比: {item.get('大单净流入-净占比', 'N/A')}%
|
||||
|
||||
中单:
|
||||
- 中单净流入-净额: {item.get('中单净流入-净额', 'N/A')}
|
||||
- 中单净流入-净占比: {item.get('中单净流入-净占比', 'N/A')}%
|
||||
|
||||
小单:
|
||||
- 小单净流入-净额: {item.get('小单净流入-净额', 'N/A')}
|
||||
- 小单净流入-净占比: {item.get('小单净流入-净占比', 'N/A')}%
|
||||
""")
|
||||
|
||||
# 添加统计汇总
|
||||
text_parts.append("""
|
||||
═══════════════════════════════════════
|
||||
[统计汇总 - 最近20个交易日]
|
||||
═══════════════════════════════════════
|
||||
""")
|
||||
|
||||
# 计算统计数据
|
||||
data_list = fund_flow_data.get('data', [])
|
||||
if data_list:
|
||||
# 主力净流入统计
|
||||
main_inflow_list = [item.get('主力净流入-净额', 0) for item in data_list if isinstance(item.get('主力净流入-净额'), (int, float))]
|
||||
if main_inflow_list:
|
||||
total_main_inflow = sum(main_inflow_list)
|
||||
avg_main_inflow = total_main_inflow / len(main_inflow_list)
|
||||
positive_days = len([x for x in main_inflow_list if x > 0])
|
||||
negative_days = len([x for x in main_inflow_list if x < 0])
|
||||
|
||||
text_parts.append(f"""
|
||||
主力资金统计:
|
||||
- 累计净流入: {total_main_inflow:.2f}
|
||||
- 平均每日净流入: {avg_main_inflow:.2f}
|
||||
- 净流入天数: {positive_days}天
|
||||
- 净流出天数: {negative_days}天
|
||||
- 净流入占比: {positive_days/len(main_inflow_list)*100:.1f}%
|
||||
""")
|
||||
|
||||
# 涨跌幅统计
|
||||
change_pct_list = [item.get('涨跌幅', 0) for item in data_list if isinstance(item.get('涨跌幅'), (int, float))]
|
||||
if change_pct_list:
|
||||
avg_change = sum(change_pct_list) / len(change_pct_list)
|
||||
up_days = len([x for x in change_pct_list if x > 0])
|
||||
down_days = len([x for x in change_pct_list if x < 0])
|
||||
|
||||
text_parts.append(f"""
|
||||
股价统计:
|
||||
- 平均涨跌幅: {avg_change:.2f}%
|
||||
- 上涨天数: {up_days}天
|
||||
- 下跌天数: {down_days}天
|
||||
- 上涨占比: {up_days/len(change_pct_list)*100:.1f}%
|
||||
""")
|
||||
|
||||
return "\n".join(text_parts)
|
||||
|
||||
|
||||
# 测试函数
|
||||
if __name__ == "__main__":
|
||||
print("测试资金流向数据获取（akshare数据源）...")
|
||||
print("="*60)
|
||||
|
||||
fetcher = FundFlowAkshareDataFetcher()
|
||||
|
||||
if not fetcher.available:
|
||||
print("[ERROR] 资金流向数据获取器不可用")
|
||||
sys.exit(1)
|
||||
|
||||
# 测试股票
|
||||
test_symbols = [
|
||||
("000001", "平安银行"),
|
||||
("600519", "贵州茅台"),
|
||||
("000858", "五粮液")
|
||||
]
|
||||
|
||||
for symbol, name in test_symbols:
|
||||
print(f"\n{'='*60}")
|
||||
print(f"正在测试股票: {name} ({symbol})")
|
||||
print(f"{'='*60}\n")
|
||||
|
||||
data = fetcher.get_fund_flow_data(symbol)
|
||||
|
||||
if data.get("data_success"):
|
||||
print("\n" + "="*60)
|
||||
print("资金流向数据获取成功！")
|
||||
print("="*60)
|
||||
|
||||
formatted_text = fetcher.format_fund_flow_for_ai(data)
|
||||
# 只显示前2000个字符
|
||||
preview = formatted_text[:2000] if len(formatted_text) > 2000 else formatted_text
|
||||
print(preview)
|
||||
if len(formatted_text) > 2000:
|
||||
print(f"... (共 {len(formatted_text)} 字符)")
|
||||
else:
|
||||
print(f"\n获取失败: {data.get('error', '未知错误')}")
|
||||
|
||||
print("\n")
|
||||
|
||||
@@ -13,9 +13,23 @@ import io
|
||||
|
||||
warnings.filterwarnings('ignore')
|
||||
|
||||
# 设置标准输出编码为UTF-8（解决Windows终端显示问题）
|
||||
if sys.platform == 'win32':
|
||||
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8', errors='ignore')
|
||||
# 设置标准输出编码为UTF-8（仅在命令行环境，避免streamlit冲突）
|
||||
def _setup_stdout_encoding():
|
||||
"""仅在命令行环境设置标准输出编码"""
|
||||
if sys.platform == 'win32' and not hasattr(sys.stdout, '_original_stream'):
|
||||
try:
|
||||
# 检测是否在streamlit环境中
|
||||
import streamlit
|
||||
# 在streamlit中不修改stdout
|
||||
return
|
||||
except ImportError:
|
||||
# 不在streamlit环境，可以安全修改
|
||||
try:
|
||||
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8', errors='ignore')
|
||||
except:
|
||||
pass
|
||||
|
||||
_setup_stdout_encoding()
|
||||
|
||||
|
||||
class MarketSentimentDataFetcher:
|
||||
|
||||
@@ -12,9 +12,23 @@ from datetime import datetime
|
||||
|
||||
warnings.filterwarnings('ignore')
|
||||
|
||||
# 设置标准输出编码为UTF-8（解决Windows终端显示问题）
|
||||
if sys.platform == 'win32':
|
||||
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8', errors='ignore')
|
||||
# 设置标准输出编码为UTF-8（仅在命令行环境，避免streamlit冲突）
|
||||
def _setup_stdout_encoding():
|
||||
"""仅在命令行环境设置标准输出编码"""
|
||||
if sys.platform == 'win32' and not hasattr(sys.stdout, '_original_stream'):
|
||||
try:
|
||||
# 检测是否在streamlit环境中
|
||||
import streamlit
|
||||
# 在streamlit中不修改stdout
|
||||
return
|
||||
except ImportError:
|
||||
# 不在streamlit环境，可以安全修改
|
||||
try:
|
||||
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8', errors='ignore')
|
||||
except:
|
||||
pass
|
||||
|
||||
_setup_stdout_encoding()
|
||||
|
||||
|
||||
class NewsAnnouncementDataFetcher:
|
||||
|
||||
@@ -0,0 +1,306 @@
|
||||
"""
|
||||
新闻数据获取模块
|
||||
使用akshare获取股票的最新新闻信息（替代qstock）
|
||||
"""
|
||||
|
||||
import pandas as pd
|
||||
import sys
|
||||
import io
|
||||
import warnings
|
||||
from datetime import datetime, timedelta
|
||||
import akshare as ak
|
||||
|
||||
warnings.filterwarnings('ignore')
|
||||
|
||||
# 设置标准输出编码为UTF-8（仅在命令行环境，避免streamlit冲突）
|
||||
def _setup_stdout_encoding():
|
||||
"""仅在命令行环境设置标准输出编码"""
|
||||
if sys.platform == 'win32' and not hasattr(sys.stdout, '_original_stream'):
|
||||
try:
|
||||
# 检测是否在streamlit环境中
|
||||
import streamlit
|
||||
# 在streamlit中不修改stdout
|
||||
return
|
||||
except ImportError:
|
||||
# 不在streamlit环境，可以安全修改
|
||||
try:
|
||||
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8', errors='ignore')
|
||||
except:
|
||||
pass
|
||||
|
||||
_setup_stdout_encoding()
|
||||
|
||||
|
||||
class QStockNewsDataFetcher:
|
||||
"""新闻数据获取类（使用akshare作为数据源）"""
|
||||
|
||||
def __init__(self):
|
||||
self.max_items = 30 # 最多获取的新闻数量
|
||||
self.available = True
|
||||
print("✓ 新闻数据获取器初始化成功（akshare数据源）")
|
||||
|
||||
def get_stock_news(self, symbol):
|
||||
"""
|
||||
获取股票的新闻数据
|
||||
|
||||
Args:
|
||||
symbol: 股票代码（6位数字）
|
||||
|
||||
Returns:
|
||||
dict: 包含新闻数据的字典
|
||||
"""
|
||||
data = {
|
||||
"symbol": symbol,
|
||||
"news_data": None,
|
||||
"data_success": False,
|
||||
"source": "qstock"
|
||||
}
|
||||
|
||||
if not self.available:
|
||||
data["error"] = "qstock库未安装或不可用"
|
||||
return data
|
||||
|
||||
# 只支持中国股票
|
||||
if not self._is_chinese_stock(symbol):
|
||||
data["error"] = "新闻数据仅支持中国A股股票"
|
||||
return data
|
||||
|
||||
try:
|
||||
# 获取新闻数据
|
||||
print(f"📰 正在使用qstock获取 {symbol} 的最新新闻...")
|
||||
news_data = self._get_news_data(symbol)
|
||||
|
||||
if news_data:
|
||||
data["news_data"] = news_data
|
||||
print(f" ✓ 成功获取 {len(news_data.get('items', []))} 条新闻")
|
||||
data["data_success"] = True
|
||||
print("✅ 新闻数据获取完成")
|
||||
else:
|
||||
print("⚠️ 未能获取到新闻数据")
|
||||
|
||||
except Exception as e:
|
||||
print(f"❌ 获取新闻数据失败: {e}")
|
||||
data["error"] = str(e)
|
||||
|
||||
return data
|
||||
|
||||
def _is_chinese_stock(self, symbol):
|
||||
"""判断是否为中国股票"""
|
||||
return symbol.isdigit() and len(symbol) == 6
|
||||
|
||||
def _get_news_data(self, symbol):
|
||||
"""获取新闻数据（使用akshare）"""
|
||||
try:
|
||||
print(f" 使用 akshare 获取新闻...")
|
||||
|
||||
news_items = []
|
||||
|
||||
# 方法1: 尝试获取个股新闻（东方财富）
|
||||
try:
|
||||
# stock_news_em(symbol="600519") - 东方财富个股新闻
|
||||
df = ak.stock_news_em(symbol=symbol)
|
||||
|
||||
if df is not None and not df.empty:
|
||||
print(f" ✓ 从东方财富获取到 {len(df)} 条新闻")
|
||||
|
||||
# 处理DataFrame，提取新闻
|
||||
for idx, row in df.head(self.max_items).iterrows():
|
||||
item = {'source': '东方财富'}
|
||||
|
||||
# 提取所有列
|
||||
for col in df.columns:
|
||||
value = row.get(col)
|
||||
|
||||
# 跳过空值
|
||||
if value is None or (isinstance(value, float) and pd.isna(value)):
|
||||
continue
|
||||
|
||||
# 保存字段
|
||||
try:
|
||||
item[col] = str(value)
|
||||
except:
|
||||
item[col] = "无法解析"
|
||||
|
||||
if len(item) > 1: # 如果有数据才添加
|
||||
news_items.append(item)
|
||||
|
||||
except Exception as e:
|
||||
print(f" ⚠ 从东方财富获取失败: {e}")
|
||||
|
||||
# 方法2: 如果没有获取到，尝试获取新浪财经新闻
|
||||
if not news_items:
|
||||
try:
|
||||
# stock_zh_a_spot_em() - 获取股票信息，包含代码和名称
|
||||
df_info = ak.stock_zh_a_spot_em()
|
||||
|
||||
# 查找股票名称
|
||||
stock_name = None
|
||||
if df_info is not None and not df_info.empty:
|
||||
match = df_info[df_info['代码'] == symbol]
|
||||
if not match.empty:
|
||||
stock_name = match.iloc[0]['名称']
|
||||
print(f" 找到股票名称: {stock_name}")
|
||||
|
||||
# 使用股票名称搜索新闻
|
||||
if stock_name:
|
||||
# stock_news_sina - 新浪财经新闻
|
||||
try:
|
||||
df = ak.stock_news_sina(symbol=stock_name)
|
||||
if df is not None and not df.empty:
|
||||
print(f" ✓ 从新浪财经获取到 {len(df)} 条新闻")
|
||||
|
||||
for idx, row in df.head(self.max_items).iterrows():
|
||||
item = {'source': '新浪财经'}
|
||||
|
||||
for col in df.columns:
|
||||
value = row.get(col)
|
||||
if value is None or (isinstance(value, float) and pd.isna(value)):
|
||||
continue
|
||||
try:
|
||||
item[col] = str(value)
|
||||
except:
|
||||
item[col] = "无法解析"
|
||||
|
||||
if len(item) > 1:
|
||||
news_items.append(item)
|
||||
except:
|
||||
pass
|
||||
|
||||
except Exception as e:
|
||||
print(f" ⚠ 从新浪财经获取失败: {e}")
|
||||
|
||||
# 方法3: 尝试获取财联社电报
|
||||
if not news_items or len(news_items) < 5:
|
||||
try:
|
||||
# stock_news_cls() - 财联社电报
|
||||
df = ak.stock_news_cls()
|
||||
|
||||
if df is not None and not df.empty:
|
||||
# 筛选包含股票代码或名称的新闻
|
||||
df_filtered = df[
|
||||
df['内容'].str.contains(symbol, na=False) |
|
||||
df['标题'].str.contains(symbol, na=False)
|
||||
]
|
||||
|
||||
if not df_filtered.empty:
|
||||
print(f" ✓ 从财联社获取到 {len(df_filtered)} 条相关新闻")
|
||||
|
||||
for idx, row in df_filtered.head(self.max_items - len(news_items)).iterrows():
|
||||
item = {'source': '财联社'}
|
||||
|
||||
for col in df_filtered.columns:
|
||||
value = row.get(col)
|
||||
if value is None or (isinstance(value, float) and pd.isna(value)):
|
||||
continue
|
||||
try:
|
||||
item[col] = str(value)
|
||||
except:
|
||||
item[col] = "无法解析"
|
||||
|
||||
if len(item) > 1:
|
||||
news_items.append(item)
|
||||
|
||||
except Exception as e:
|
||||
print(f" ⚠ 从财联社获取失败: {e}")
|
||||
|
||||
if not news_items:
|
||||
print(f" 未找到股票 {symbol} 的新闻")
|
||||
return None
|
||||
|
||||
# 限制数量
|
||||
news_items = news_items[:self.max_items]
|
||||
|
||||
return {
|
||||
"items": news_items,
|
||||
"count": len(news_items),
|
||||
"query_time": datetime.now().strftime('%Y-%m-%d %H:%M:%S'),
|
||||
"date_range": "最近新闻"
|
||||
}
|
||||
|
||||
except Exception as e:
|
||||
print(f" 获取新闻数据异常: {e}")
|
||||
import traceback
|
||||
traceback.print_exc()
|
||||
return None
|
||||
|
||||
def format_news_for_ai(self, data):
|
||||
"""
|
||||
将新闻数据格式化为适合AI阅读的文本
|
||||
"""
|
||||
if not data or not data.get("data_success"):
|
||||
return "未能获取新闻数据"
|
||||
|
||||
text_parts = []
|
||||
|
||||
# 新闻数据
|
||||
if data.get("news_data"):
|
||||
news_data = data["news_data"]
|
||||
text_parts.append(f"""
|
||||
【最新新闻 - akshare数据源】
|
||||
查询时间：{news_data.get('query_time', 'N/A')}
|
||||
时间范围：{news_data.get('date_range', 'N/A')}
|
||||
新闻数量：{news_data.get('count', 0)}条
|
||||
|
||||
""")
|
||||
|
||||
for idx, item in enumerate(news_data.get('items', []), 1):
|
||||
text_parts.append(f"新闻 {idx}:")
|
||||
|
||||
# 优先显示的字段
|
||||
priority_fields = ['title', 'date', 'time', 'source', 'content', 'url']
|
||||
|
||||
# 先显示优先字段
|
||||
for field in priority_fields:
|
||||
if field in item:
|
||||
value = item[field]
|
||||
# 限制content长度
|
||||
if field == 'content' and len(str(value)) > 500:
|
||||
value = str(value)[:500] + "..."
|
||||
text_parts.append(f" {field}: {value}")
|
||||
|
||||
# 再显示其他字段
|
||||
for key, value in item.items():
|
||||
if key not in priority_fields and key != 'source':
|
||||
# 跳过过长的字段
|
||||
if len(str(value)) > 300:
|
||||
value = str(value)[:300] + "..."
|
||||
text_parts.append(f" {key}: {value}")
|
||||
|
||||
text_parts.append("") # 空行分隔
|
||||
|
||||
return "\n".join(text_parts)
|
||||
|
||||
|
||||
# 测试函数
|
||||
if __name__ == "__main__":
|
||||
print("测试新闻数据获取（akshare数据源）...")
|
||||
print("="*60)
|
||||
|
||||
fetcher = QStockNewsDataFetcher()
|
||||
|
||||
if not fetcher.available:
|
||||
print("❌ 新闻数据获取器不可用")
|
||||
sys.exit(1)
|
||||
|
||||
# 测试股票
|
||||
test_symbols = ["000001", "600519"] # 平安银行、贵州茅台
|
||||
|
||||
for symbol in test_symbols:
|
||||
print(f"\n{'='*60}")
|
||||
print(f"正在测试股票: {symbol}")
|
||||
print(f"{'='*60}\n")
|
||||
|
||||
data = fetcher.get_stock_news(symbol)
|
||||
|
||||
if data.get("data_success"):
|
||||
print("\n" + "="*60)
|
||||
print("新闻数据获取成功！")
|
||||
print("="*60)
|
||||
|
||||
formatted_text = fetcher.format_news_for_ai(data)
|
||||
print(formatted_text)
|
||||
else:
|
||||
print(f"\n获取失败: {data.get('error', '未知错误')}")
|
||||
|
||||
print("\n")
|
||||
|
||||
@@ -0,0 +1,407 @@
|
||||
"""
|
||||
季报数据获取模块
|
||||
使用akshare获取个股最近8期季度财务报告
|
||||
"""
|
||||
|
||||
import pandas as pd
|
||||
import sys
|
||||
import io
|
||||
import warnings
|
||||
from datetime import datetime
|
||||
import akshare as ak
|
||||
|
||||
warnings.filterwarnings('ignore')
|
||||
|
||||
# 设置标准输出编码为UTF-8（仅在命令行环境，避免streamlit冲突）
|
||||
def _setup_stdout_encoding():
|
||||
"""仅在命令行环境设置标准输出编码"""
|
||||
if sys.platform == 'win32' and not hasattr(sys.stdout, '_original_stream'):
|
||||
try:
|
||||
# 检测是否在streamlit环境中
|
||||
import streamlit
|
||||
# 在streamlit中不修改stdout
|
||||
return
|
||||
except ImportError:
|
||||
# 不在streamlit环境，可以安全修改
|
||||
try:
|
||||
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8', errors='ignore')
|
||||
except:
|
||||
pass
|
||||
|
||||
_setup_stdout_encoding()
|
||||
|
||||
|
||||
class QuarterlyReportDataFetcher:
|
||||
"""季报数据获取类（使用akshare数据源）"""
|
||||
|
||||
def __init__(self):
|
||||
self.periods = 8 # 获取最近8期季报
|
||||
self.available = True
|
||||
print("✓ 季报数据获取器初始化成功（akshare数据源）")
|
||||
|
||||
def get_quarterly_reports(self, symbol):
|
||||
"""
|
||||
获取股票的季报数据
|
||||
|
||||
Args:
|
||||
symbol: 股票代码（6位数字）
|
||||
|
||||
Returns:
|
||||
dict: 包含季报数据的字典
|
||||
"""
|
||||
data = {
|
||||
"symbol": symbol,
|
||||
"income_statement": None, # 利润表
|
||||
"balance_sheet": None, # 资产负债表
|
||||
"cash_flow": None, # 现金流量表
|
||||
"financial_indicators": None, # 财务指标
|
||||
"data_success": False,
|
||||
"source": "akshare"
|
||||
}
|
||||
|
||||
# 只支持中国股票
|
||||
if not self._is_chinese_stock(symbol):
|
||||
data["error"] = "季报数据仅支持中国A股股票"
|
||||
return data
|
||||
|
||||
try:
|
||||
print(f"📊 正在获取 {symbol} 的季报数据...")
|
||||
|
||||
# 获取利润表
|
||||
income_data = self._get_income_statement(symbol)
|
||||
if income_data:
|
||||
data["income_statement"] = income_data
|
||||
print(f" ✓ 成功获取 {len(income_data.get('data', []))} 期利润表数据")
|
||||
|
||||
# 获取资产负债表
|
||||
balance_data = self._get_balance_sheet(symbol)
|
||||
if balance_data:
|
||||
data["balance_sheet"] = balance_data
|
||||
print(f" ✓ 成功获取 {len(balance_data.get('data', []))} 期资产负债表数据")
|
||||
|
||||
# 获取现金流量表
|
||||
cash_flow_data = self._get_cash_flow(symbol)
|
||||
if cash_flow_data:
|
||||
data["cash_flow"] = cash_flow_data
|
||||
print(f" ✓ 成功获取 {len(cash_flow_data.get('data', []))} 期现金流量表数据")
|
||||
|
||||
# 获取财务指标
|
||||
indicators_data = self._get_financial_indicators(symbol)
|
||||
if indicators_data:
|
||||
data["financial_indicators"] = indicators_data
|
||||
print(f" ✓ 成功获取 {len(indicators_data.get('data', []))} 期财务指标数据")
|
||||
|
||||
# 如果至少有一个成功，则标记为成功
|
||||
if income_data or balance_data or cash_flow_data or indicators_data:
|
||||
data["data_success"] = True
|
||||
print("✅ 季报数据获取完成")
|
||||
else:
|
||||
print("⚠️ 未能获取到季报数据")
|
||||
|
||||
except Exception as e:
|
||||
print(f"❌ 获取季报数据失败: {e}")
|
||||
data["error"] = str(e)
|
||||
|
||||
return data
|
||||
|
||||
def _is_chinese_stock(self, symbol):
|
||||
"""判断是否为中国股票"""
|
||||
return symbol.isdigit() and len(symbol) == 6
|
||||
|
||||
def _get_income_statement(self, symbol):
|
||||
"""获取利润表数据"""
|
||||
try:
|
||||
# stock_financial_report_sina - 新浪财经季度利润表
|
||||
df = ak.stock_financial_report_sina(stock=symbol, symbol="利润表")
|
||||
|
||||
if df is None or df.empty:
|
||||
print(f" 未找到利润表数据")
|
||||
return None
|
||||
|
||||
# 获取最近8期
|
||||
df = df.head(self.periods)
|
||||
|
||||
# 转换为字典列表
|
||||
data_list = []
|
||||
for idx, row in df.iterrows():
|
||||
item = {}
|
||||
for col in df.columns:
|
||||
value = row.get(col)
|
||||
if value is None or (isinstance(value, float) and pd.isna(value)):
|
||||
continue
|
||||
try:
|
||||
item[col] = str(value)
|
||||
except:
|
||||
item[col] = "N/A"
|
||||
if item:
|
||||
data_list.append(item)
|
||||
|
||||
return {
|
||||
"data": data_list,
|
||||
"periods": len(data_list),
|
||||
"columns": df.columns.tolist(),
|
||||
"query_time": datetime.now().strftime('%Y-%m-%d %H:%M:%S')
|
||||
}
|
||||
|
||||
except Exception as e:
|
||||
print(f" 获取利润表异常: {e}")
|
||||
return None
|
||||
|
||||
def _get_balance_sheet(self, symbol):
|
||||
"""获取资产负债表数据"""
|
||||
try:
|
||||
# stock_financial_report_sina - 新浪财经季度资产负债表
|
||||
df = ak.stock_financial_report_sina(stock=symbol, symbol="资产负债表")
|
||||
|
||||
if df is None or df.empty:
|
||||
print(f" 未找到资产负债表数据")
|
||||
return None
|
||||
|
||||
# 获取最近8期
|
||||
df = df.head(self.periods)
|
||||
|
||||
# 转换为字典列表
|
||||
data_list = []
|
||||
for idx, row in df.iterrows():
|
||||
item = {}
|
||||
for col in df.columns:
|
||||
value = row.get(col)
|
||||
if value is None or (isinstance(value, float) and pd.isna(value)):
|
||||
continue
|
||||
try:
|
||||
item[col] = str(value)
|
||||
except:
|
||||
item[col] = "N/A"
|
||||
if item:
|
||||
data_list.append(item)
|
||||
|
||||
return {
|
||||
"data": data_list,
|
||||
"periods": len(data_list),
|
||||
"columns": df.columns.tolist(),
|
||||
"query_time": datetime.now().strftime('%Y-%m-%d %H:%M:%S')
|
||||
}
|
||||
|
||||
except Exception as e:
|
||||
print(f" 获取资产负债表异常: {e}")
|
||||
return None
|
||||
|
||||
def _get_cash_flow(self, symbol):
|
||||
"""获取现金流量表数据"""
|
||||
try:
|
||||
# stock_financial_report_sina - 新浪财经季度现金流量表
|
||||
df = ak.stock_financial_report_sina(stock=symbol, symbol="现金流量表")
|
||||
|
||||
if df is None or df.empty:
|
||||
print(f" 未找到现金流量表数据")
|
||||
return None
|
||||
|
||||
# 获取最近8期
|
||||
df = df.head(self.periods)
|
||||
|
||||
# 转换为字典列表
|
||||
data_list = []
|
||||
for idx, row in df.iterrows():
|
||||
item = {}
|
||||
for col in df.columns:
|
||||
value = row.get(col)
|
||||
if value is None or (isinstance(value, float) and pd.isna(value)):
|
||||
continue
|
||||
try:
|
||||
item[col] = str(value)
|
||||
except:
|
||||
item[col] = "N/A"
|
||||
if item:
|
||||
data_list.append(item)
|
||||
|
||||
return {
|
||||
"data": data_list,
|
||||
"periods": len(data_list),
|
||||
"columns": df.columns.tolist(),
|
||||
"query_time": datetime.now().strftime('%Y-%m-%d %H:%M:%S')
|
||||
}
|
||||
|
||||
except Exception as e:
|
||||
print(f" 获取现金流量表异常: {e}")
|
||||
return None
|
||||
|
||||
def _get_financial_indicators(self, symbol):
|
||||
"""获取财务指标数据"""
|
||||
try:
|
||||
# stock_financial_analysis_indicator - 财务指标
|
||||
df = ak.stock_financial_analysis_indicator(symbol=symbol)
|
||||
|
||||
if df is None or df.empty:
|
||||
print(f" 未找到财务指标数据")
|
||||
return None
|
||||
|
||||
# 获取最近8期
|
||||
df = df.head(self.periods)
|
||||
|
||||
# 转换为字典列表
|
||||
data_list = []
|
||||
for idx, row in df.iterrows():
|
||||
item = {}
|
||||
for col in df.columns:
|
||||
value = row.get(col)
|
||||
if value is None or (isinstance(value, float) and pd.isna(value)):
|
||||
continue
|
||||
try:
|
||||
item[col] = str(value)
|
||||
except:
|
||||
item[col] = "N/A"
|
||||
if item:
|
||||
data_list.append(item)
|
||||
|
||||
return {
|
||||
"data": data_list,
|
||||
"periods": len(data_list),
|
||||
"columns": df.columns.tolist(),
|
||||
"query_time": datetime.now().strftime('%Y-%m-%d %H:%M:%S')
|
||||
}
|
||||
|
||||
except Exception as e:
|
||||
print(f" 获取财务指标异常: {e}")
|
||||
return None
|
||||
|
||||
def format_quarterly_reports_for_ai(self, data):
|
||||
"""
|
||||
将季报数据格式化为适合AI阅读的文本
|
||||
"""
|
||||
if not data or not data.get("data_success"):
|
||||
return "未能获取季报数据"
|
||||
|
||||
text_parts = []
|
||||
text_parts.append(f"""
|
||||
【季度财务报告数据 - akshare数据源】
|
||||
股票代码：{data.get('symbol', 'N/A')}
|
||||
数据期数：最近{self.periods}期季报
|
||||
|
||||
""")
|
||||
|
||||
# 利润表数据
|
||||
if data.get("income_statement"):
|
||||
income_data = data["income_statement"]
|
||||
text_parts.append(f"""
|
||||
═══════════════════════════════════════
|
||||
📊 利润表（最近{income_data.get('periods', 0)}期）
|
||||
═══════════════════════════════════════
|
||||
""")
|
||||
|
||||
# 提取关键指标
|
||||
key_fields = ['报告期', '营业总收入', '营业收入', '营业总成本', '营业利润',
|
||||
'利润总额', '净利润', '归属于母公司所有者的净利润',
|
||||
'基本每股收益', '稀释每股收益']
|
||||
|
||||
for idx, item in enumerate(income_data.get('data', []), 1):
|
||||
text_parts.append(f"\n第 {idx} 期:")
|
||||
for field in key_fields:
|
||||
if field in item:
|
||||
text_parts.append(f" {field}: {item[field]}")
|
||||
|
||||
# 显示其他重要字段（如果有）
|
||||
other_fields = ['销售费用', '管理费用', '财务费用', '研发费用']
|
||||
for field in other_fields:
|
||||
if field in item:
|
||||
text_parts.append(f" {field}: {item[field]}")
|
||||
|
||||
# 资产负债表数据
|
||||
if data.get("balance_sheet"):
|
||||
balance_data = data["balance_sheet"]
|
||||
text_parts.append(f"""
|
||||
|
||||
═══════════════════════════════════════
|
||||
📊 资产负债表（最近{balance_data.get('periods', 0)}期）
|
||||
═══════════════════════════════════════
|
||||
""")
|
||||
|
||||
# 提取关键指标
|
||||
key_fields = ['报告期', '资产总计', '流动资产合计', '非流动资产合计',
|
||||
'负债合计', '流动负债合计', '非流动负债合计',
|
||||
'所有者权益合计', '归属于母公司股东权益合计']
|
||||
|
||||
for idx, item in enumerate(balance_data.get('data', []), 1):
|
||||
text_parts.append(f"\n第 {idx} 期:")
|
||||
for field in key_fields:
|
||||
if field in item:
|
||||
text_parts.append(f" {field}: {item[field]}")
|
||||
|
||||
# 现金流量表数据
|
||||
if data.get("cash_flow"):
|
||||
cash_flow_data = data["cash_flow"]
|
||||
text_parts.append(f"""
|
||||
|
||||
═══════════════════════════════════════
|
||||
📊 现金流量表（最近{cash_flow_data.get('periods', 0)}期）
|
||||
═══════════════════════════════════════
|
||||
""")
|
||||
|
||||
# 提取关键指标
|
||||
key_fields = ['报告期', '经营活动产生的现金流量净额',
|
||||
'投资活动产生的现金流量净额', '筹资活动产生的现金流量净额',
|
||||
'现金及现金等价物净增加额', '期末现金及现金等价物余额']
|
||||
|
||||
for idx, item in enumerate(cash_flow_data.get('data', []), 1):
|
||||
text_parts.append(f"\n第 {idx} 期:")
|
||||
for field in key_fields:
|
||||
if field in item:
|
||||
text_parts.append(f" {field}: {item[field]}")
|
||||
|
||||
# 财务指标数据
|
||||
if data.get("financial_indicators"):
|
||||
indicators_data = data["financial_indicators"]
|
||||
text_parts.append(f"""
|
||||
|
||||
═══════════════════════════════════════
|
||||
📊 关键财务指标（最近{indicators_data.get('periods', 0)}期）
|
||||
═══════════════════════════════════════
|
||||
""")
|
||||
|
||||
# 提取关键指标
|
||||
key_fields = ['报告期', '净资产收益率', '总资产净利率', '销售净利率',
|
||||
'销售毛利率', '资产负债率', '流动比率', '速动比率',
|
||||
'应收账款周转率', '存货周转率', '总资产周转率',
|
||||
'每股收益', '每股净资产', '每股经营现金流']
|
||||
|
||||
for idx, item in enumerate(indicators_data.get('data', []), 1):
|
||||
text_parts.append(f"\n第 {idx} 期:")
|
||||
for field in key_fields:
|
||||
if field in item:
|
||||
text_parts.append(f" {field}: {item[field]}")
|
||||
|
||||
return "\n".join(text_parts)
|
||||
|
||||
|
||||
# 测试函数
|
||||
if __name__ == "__main__":
|
||||
print("测试季报数据获取（akshare数据源）...")
|
||||
print("="*60)
|
||||
|
||||
fetcher = QuarterlyReportDataFetcher()
|
||||
|
||||
if not fetcher.available:
|
||||
print("❌ 季报数据获取器不可用")
|
||||
sys.exit(1)
|
||||
|
||||
# 测试股票
|
||||
test_symbols = ["000001", "600519"] # 平安银行、贵州茅台
|
||||
|
||||
for symbol in test_symbols:
|
||||
print(f"\n{'='*60}")
|
||||
print(f"正在测试股票: {symbol}")
|
||||
print(f"{'='*60}\n")
|
||||
|
||||
data = fetcher.get_quarterly_reports(symbol)
|
||||
|
||||
if data.get("data_success"):
|
||||
print("\n" + "="*60)
|
||||
print("季报数据获取成功！")
|
||||
print("="*60)
|
||||
|
||||
formatted_text = fetcher.format_quarterly_reports_for_ai(data)
|
||||
print(formatted_text)
|
||||
else:
|
||||
print(f"\n获取失败: {data.get('error', '未知错误')}")
|
||||
|
||||
print("\n")
|
||||
|
||||
+16
-212
@@ -617,14 +617,8 @@ class StockDataFetcher:
|
||||
except Exception as e:
|
||||
print(f"获取财务指标失败: {e}")
|
||||
|
||||
# 5. 获取季度业绩（使用问财）
|
||||
try:
|
||||
# 使用pywencai获取季报数据
|
||||
quarter_data = self._get_quarter_data_from_wencai(symbol)
|
||||
if quarter_data:
|
||||
financial_data["quarter_data"] = quarter_data
|
||||
except Exception as e:
|
||||
print(f"获取季度数据失败: {e}")
|
||||
# 注意：季报数据现在由 quarterly_report_data.py 模块使用 akshare 获取（8期完整季报）
|
||||
# 不再使用问财获取季报，避免重复
|
||||
|
||||
return financial_data
|
||||
|
||||
@@ -632,74 +626,10 @@ class StockDataFetcher:
|
||||
print(f"获取中国股票财务数据失败: {e}")
|
||||
return financial_data
|
||||
|
||||
def _get_quarter_data_from_wencai(self, symbol):
|
||||
"""使用问财获取季报数据 - 直接返回原始数据给AI分析"""
|
||||
try:
|
||||
# 构建查询语句 - 获取最近4个季度的数据
|
||||
query = f"{symbol}最近4个季度的营业收入、净利润、每股收益、净资产收益率、营业收入同比增长率、净利润同比增长率"
|
||||
|
||||
# 使用pywencai查询
|
||||
print(f"正在使用问财获取 {symbol} 的季报数据...")
|
||||
result = pywencai.get(question=query, perpage=10)
|
||||
|
||||
# 检查返回类型
|
||||
if result is None:
|
||||
print(f"问财未返回 {symbol} 的季报数据")
|
||||
return None
|
||||
|
||||
# 处理不同返回类型
|
||||
quarter_data = None
|
||||
|
||||
# 如果返回的是DataFrame
|
||||
if isinstance(result, pd.DataFrame):
|
||||
if result.empty:
|
||||
print(f"问财返回的DataFrame为空")
|
||||
return None
|
||||
|
||||
print(f" 问财返回DataFrame，共 {len(result)} 行数据")
|
||||
print(f" 列名: {list(result.columns)}")
|
||||
|
||||
# 将DataFrame转为字典列表，保留所有原始数据
|
||||
quarter_data = {
|
||||
'data_type': 'dataframe',
|
||||
'columns': list(result.columns),
|
||||
'records': result.head(10).to_dict('records'), # 最多取10条
|
||||
'row_count': len(result),
|
||||
'summary': f"获取到{len(result)}条季报相关数据"
|
||||
}
|
||||
|
||||
# 如果返回的是字典
|
||||
elif isinstance(result, dict):
|
||||
print(f" 问财返回字典数据")
|
||||
print(f" 字典键: {list(result.keys())}")
|
||||
|
||||
quarter_data = {
|
||||
'data_type': 'dict',
|
||||
'raw_data': result,
|
||||
'summary': f"获取到季报字典数据，包含 {len(result)} 个字段"
|
||||
}
|
||||
|
||||
# 其他类型
|
||||
else:
|
||||
print(f" 问财返回未知类型: {type(result)}")
|
||||
quarter_data = {
|
||||
'data_type': 'unknown',
|
||||
'raw_data': str(result),
|
||||
'summary': f"获取到季报数据，类型: {type(result).__name__}"
|
||||
}
|
||||
|
||||
if quarter_data:
|
||||
print(f"✅ 成功获取季报数据，将原始数据交由AI分析师处理")
|
||||
return quarter_data
|
||||
else:
|
||||
print(f"⚠️ 未能获取有效的季报数据")
|
||||
return None
|
||||
|
||||
except Exception as e:
|
||||
print(f"使用问财获取季报数据失败: {e}")
|
||||
import traceback
|
||||
traceback.print_exc()
|
||||
return None
|
||||
# 已删除 _get_quarter_data_from_wencai 方法
|
||||
# 季报数据现在统一由 quarterly_report_data.py 模块使用 akshare 获取
|
||||
# 获取最近8期完整季报（利润表、资产负债表、现金流量表）
|
||||
# 避免重复获取，提高效率
|
||||
|
||||
def _get_hk_financial_data(self, symbol):
|
||||
"""获取港股财务数据"""
|
||||
@@ -832,142 +762,16 @@ class StockDataFetcher:
|
||||
print(f"获取美股财务数据失败: {e}")
|
||||
return financial_data
|
||||
|
||||
def get_fund_flow_data(self, symbol):
|
||||
"""使用问财获取资金流向数据
|
||||
|
||||
Args:
|
||||
symbol: 股票代码（6位数字）
|
||||
|
||||
Returns:
|
||||
dict: 包含问财原始数据的字典
|
||||
"""
|
||||
fund_flow_data = {
|
||||
"symbol": symbol,
|
||||
"query_success": False,
|
||||
"raw_data": None, # 存储原始数据
|
||||
"data_source": "pywencai"
|
||||
}
|
||||
|
||||
# 只支持中国股票
|
||||
if not self._is_chinese_stock(symbol):
|
||||
fund_flow_data["error"] = "问财数据仅支持中国A股股票"
|
||||
return fund_flow_data
|
||||
|
||||
try:
|
||||
# 构建问句，查询近20个交易日的资金流向数据
|
||||
query = f"{symbol}近20个交易日区间资金流向、区间主力资金流向、区间涨跌幅"
|
||||
|
||||
print(f"正在使用问财查询资金流向数据: {query}")
|
||||
|
||||
# 使用pywencai查询
|
||||
result = pywencai.get(query=query, loop=True)
|
||||
|
||||
# 调试：打印result的类型
|
||||
print(f"问财返回的数据类型: {type(result)}")
|
||||
|
||||
# 处理不同类型的返回结果，统一转换为DataFrame
|
||||
df_result = None
|
||||
|
||||
if result is None:
|
||||
fund_flow_data["error"] = "问财查询返回None"
|
||||
print(f"问财查询返回None")
|
||||
elif isinstance(result, dict):
|
||||
# 如果返回的是字典，转换为DataFrame
|
||||
print(f"问财返回字典，转换为DataFrame")
|
||||
try:
|
||||
df_result = pd.DataFrame([result])
|
||||
print(f"成功转换，形状: {df_result.shape}")
|
||||
except Exception as e:
|
||||
fund_flow_data["error"] = f"无法转换为DataFrame: {str(e)}"
|
||||
print(f"转换失败: {e}")
|
||||
elif isinstance(result, pd.DataFrame):
|
||||
# 如果已经是DataFrame
|
||||
df_result = result
|
||||
print(f"问财返回DataFrame，形状: {df_result.shape}")
|
||||
else:
|
||||
fund_flow_data["error"] = f"问财返回了未知类型: {type(result)}"
|
||||
print(f"问财返回未知类型: {type(result)}")
|
||||
|
||||
# 如果成功获取到DataFrame
|
||||
if df_result is not None and not df_result.empty and len(df_result) > 0:
|
||||
# 打印列名以便调试
|
||||
print(f"问财返回的列名: {df_result.columns.tolist()}")
|
||||
|
||||
# 检查是否是嵌套结构（tableV1字段包含实际数据）
|
||||
if 'tableV1' in df_result.columns and len(df_result.columns) == 1:
|
||||
print(f"检测到嵌套结构，提取tableV1中的数据")
|
||||
table_v1_data = df_result.iloc[0]['tableV1']
|
||||
|
||||
# 检查tableV1的类型
|
||||
print(f"tableV1的类型: {type(table_v1_data)}")
|
||||
|
||||
if isinstance(table_v1_data, pd.DataFrame):
|
||||
# 如果是DataFrame，直接使用
|
||||
df_result = table_v1_data
|
||||
print(f"提取后的DataFrame形状: {df_result.shape}")
|
||||
print(f"提取后的列名: {df_result.columns.tolist()}")
|
||||
elif isinstance(table_v1_data, list) and len(table_v1_data) > 0:
|
||||
# 如果是列表，转换为DataFrame
|
||||
df_result = pd.DataFrame(table_v1_data)
|
||||
print(f"从列表转换的DataFrame形状: {df_result.shape}")
|
||||
print(f"从列表转换的列名: {df_result.columns.tolist()}")
|
||||
else:
|
||||
fund_flow_data["error"] = f"tableV1数据类型不支持: {type(table_v1_data)}"
|
||||
print(f"tableV1数据类型不支持: {type(table_v1_data)}")
|
||||
return fund_flow_data
|
||||
|
||||
# 再次检查是否有数据
|
||||
if df_result is None or df_result.empty or len(df_result) == 0:
|
||||
fund_flow_data["error"] = "提取后的数据为空"
|
||||
print(f"提取后的数据为空")
|
||||
return fund_flow_data
|
||||
|
||||
# 获取第一条记录
|
||||
data = df_result.iloc[0]
|
||||
|
||||
# 标记查询成功
|
||||
fund_flow_data["query_success"] = True
|
||||
fund_flow_data["stock_name"] = str(data.get('股票简称', data.get('name', 'N/A')))
|
||||
fund_flow_data["stock_code"] = str(data.get('股票代码', data.get('code', symbol)))
|
||||
|
||||
# 将所有数据转换为字典格式（方便AI阅读）
|
||||
raw_data_dict = {}
|
||||
for col in df_result.columns:
|
||||
value = data.get(col)
|
||||
# 转换为易读的格式
|
||||
try:
|
||||
if value is None or (isinstance(value, float) and pd.isna(value)):
|
||||
raw_data_dict[col] = "N/A"
|
||||
elif isinstance(value, (int, float)):
|
||||
# 如果是大数字（可能是金额），转换为亿元
|
||||
if abs(value) > 100000000:
|
||||
raw_data_dict[col] = f"{value} ({value/100000000:.2f}亿元)"
|
||||
else:
|
||||
raw_data_dict[col] = value
|
||||
elif isinstance(value, pd.DataFrame):
|
||||
# 如果值本身是DataFrame，跳过
|
||||
continue
|
||||
else:
|
||||
raw_data_dict[col] = str(value)
|
||||
except Exception as e:
|
||||
print(f"处理字段 {col} 时出错: {e}")
|
||||
raw_data_dict[col] = str(value)
|
||||
|
||||
fund_flow_data["raw_data"] = raw_data_dict
|
||||
fund_flow_data["columns"] = df_result.columns.tolist()
|
||||
|
||||
print(f"成功获取 {symbol} 的问财数据，共 {len(raw_data_dict)} 个字段")
|
||||
else:
|
||||
fund_flow_data["error"] = "问财查询返回空数据"
|
||||
print(f"问财查询返回空数据")
|
||||
|
||||
except Exception as e:
|
||||
fund_flow_data["error"] = f"获取资金流向数据失败: {str(e)}"
|
||||
print(f"获取资金流向数据异常: {e}")
|
||||
import traceback
|
||||
traceback.print_exc()
|
||||
|
||||
return fund_flow_data
|
||||
# 已删除 get_fund_flow_data 方法（使用问财）
|
||||
# 资金流向数据现在统一由 fund_flow_akshare.py 模块使用 akshare 获取
|
||||
# 获取近20个交易日的详细资金流向数据（主力、超大单、大单、中单、小单）
|
||||
# 避免重复获取，提高效率和数据质量
|
||||
#
|
||||
# 删除说明：
|
||||
# - 删除了约160行代码
|
||||
# - 删除原因：重复获取，数据格式不规整，日期范围不准确
|
||||
# - 新方案：使用 akshare 的 stock_individual_fund_flow 接口
|
||||
# - 新方案优势：数据标准化、准确获取最近20个交易日、6类资金详细分类
|
||||
|
||||
def _safe_convert(self, value):
|
||||
"""安全地转换数值"""
|
||||
|
||||
@@ -1,221 +0,0 @@
|
||||
#!/usr/bin/env python3
|
||||
# -*- coding: utf-8 -*-
|
||||
"""
|
||||
主力选股功能测试脚本
|
||||
快速验证功能是否正常工作
|
||||
"""
|
||||
|
||||
import sys
|
||||
from datetime import datetime, timedelta
|
||||
|
||||
def test_imports():
|
||||
"""测试模块导入"""
|
||||
print("="*60)
|
||||
print("测试1: 检查模块导入")
|
||||
print("="*60)
|
||||
|
||||
try:
|
||||
print("导入 pywencai...", end=" ")
|
||||
import pywencai
|
||||
print("✅")
|
||||
except Exception as e:
|
||||
print(f"❌ {e}")
|
||||
return False
|
||||
|
||||
try:
|
||||
print("导入 main_force_selector...", end=" ")
|
||||
from main_force_selector import main_force_selector
|
||||
print("✅")
|
||||
except Exception as e:
|
||||
print(f"❌ {e}")
|
||||
return False
|
||||
|
||||
try:
|
||||
print("导入 main_force_analysis...", end=" ")
|
||||
from main_force_analysis import MainForceAnalyzer
|
||||
print("✅")
|
||||
except Exception as e:
|
||||
print(f"❌ {e}")
|
||||
return False
|
||||
|
||||
try:
|
||||
print("导入 main_force_ui...", end=" ")
|
||||
from main_force_ui import display_main_force_selector
|
||||
print("✅")
|
||||
except Exception as e:
|
||||
print(f"❌ {e}")
|
||||
return False
|
||||
|
||||
print("\n✅ 所有模块导入成功！\n")
|
||||
return True
|
||||
|
||||
def test_data_fetch():
|
||||
"""测试数据获取"""
|
||||
print("="*60)
|
||||
print("测试2: 测试数据获取功能")
|
||||
print("="*60)
|
||||
|
||||
try:
|
||||
from main_force_selector import main_force_selector
|
||||
|
||||
# 使用较短的时间范围进行测试
|
||||
print("\n尝试获取最近30天的主力资金数据...")
|
||||
success, data, message = main_force_selector.get_main_force_stocks(days_ago=30)
|
||||
|
||||
if success:
|
||||
print(f"\n✅ 数据获取成功！")
|
||||
print(f" 获取到 {len(data)} 只股票")
|
||||
print(f"\n前5只股票:")
|
||||
print(data.head(5) if len(data) > 0 else "无数据")
|
||||
return True
|
||||
else:
|
||||
print(f"\n❌ 数据获取失败: {message}")
|
||||
print("\n可能原因:")
|
||||
print(" 1. 网络连接问题")
|
||||
print(" 2. pywencai服务暂时不可用")
|
||||
print(" 3. 需要安装Node.js >= 16.0")
|
||||
print("\n请检查:")
|
||||
print(" - 网络连接是否正常")
|
||||
print(" - Node.js版本: node --version")
|
||||
print(" - pywencai是否正确安装: pip list | findstr pywencai")
|
||||
return False
|
||||
|
||||
except Exception as e:
|
||||
print(f"\n❌ 测试过程出错: {e}")
|
||||
import traceback
|
||||
traceback.print_exc()
|
||||
return False
|
||||
|
||||
def test_filter():
|
||||
"""测试筛选功能"""
|
||||
print("\n" + "="*60)
|
||||
print("测试3: 测试筛选功能")
|
||||
print("="*60)
|
||||
|
||||
try:
|
||||
from main_force_selector import main_force_selector
|
||||
import pandas as pd
|
||||
|
||||
# 创建测试数据
|
||||
test_data = pd.DataFrame({
|
||||
'股票代码': ['000001', '000002', '600519', '300750'],
|
||||
'股票简称': ['平安银行', '万科A', '贵州茅台', '宁德时代'],
|
||||
'区间涨跌幅': [15.5, 35.8, 12.3, 28.9],
|
||||
'总市值': [3000, 2500, 25000, 9000],
|
||||
'主力资金净流入': [50000000, 80000000, 120000000, 95000000]
|
||||
})
|
||||
|
||||
print("\n原始测试数据:")
|
||||
print(test_data)
|
||||
|
||||
print("\n应用筛选条件:")
|
||||
print(" - 区间涨跌幅 < 30%")
|
||||
print(" - 市值 50-1300亿")
|
||||
|
||||
filtered_data = main_force_selector.filter_stocks(
|
||||
test_data,
|
||||
max_range_change=30.0,
|
||||
min_market_cap=50.0,
|
||||
max_market_cap=1300.0
|
||||
)
|
||||
|
||||
print("\n筛选后数据:")
|
||||
print(filtered_data)
|
||||
|
||||
print("\n✅ 筛选功能正常！")
|
||||
return True
|
||||
|
||||
except Exception as e:
|
||||
print(f"\n❌ 筛选测试失败: {e}")
|
||||
import traceback
|
||||
traceback.print_exc()
|
||||
return False
|
||||
|
||||
def test_ai_analysis():
|
||||
"""测试AI分析（需要API配置）"""
|
||||
print("\n" + "="*60)
|
||||
print("测试4: 测试AI分析功能")
|
||||
print("="*60)
|
||||
|
||||
try:
|
||||
import os
|
||||
from dotenv import load_dotenv
|
||||
|
||||
load_dotenv()
|
||||
|
||||
api_key = os.getenv('DEEPSEEK_API_KEY')
|
||||
if not api_key:
|
||||
print("\n⚠️ 未配置DEEPSEEK_API_KEY，跳过AI分析测试")
|
||||
print(" 请在.env文件中配置API密钥后再测试AI功能")
|
||||
return None
|
||||
|
||||
print("\n✅ API密钥已配置")
|
||||
print(" 如需测试完整AI分析，请运行主程序")
|
||||
return True
|
||||
|
||||
except Exception as e:
|
||||
print(f"\n⚠️ {e}")
|
||||
return None
|
||||
|
||||
def main():
|
||||
"""主测试函数"""
|
||||
print("\n" + "="*80)
|
||||
print(" "*20 + "主力选股功能测试")
|
||||
print("="*80 + "\n")
|
||||
|
||||
results = []
|
||||
|
||||
# 测试1: 模块导入
|
||||
result1 = test_imports()
|
||||
results.append(("模块导入", result1))
|
||||
|
||||
if not result1:
|
||||
print("\n❌ 模块导入失败，请先安装依赖:")
|
||||
print(" pip install pywencai pandas streamlit")
|
||||
return
|
||||
|
||||
# 测试2: 数据获取
|
||||
result2 = test_data_fetch()
|
||||
results.append(("数据获取", result2))
|
||||
|
||||
# 测试3: 筛选功能
|
||||
result3 = test_filter()
|
||||
results.append(("数据筛选", result3))
|
||||
|
||||
# 测试4: AI分析
|
||||
result4 = test_ai_analysis()
|
||||
if result4 is not None:
|
||||
results.append(("AI分析", result4))
|
||||
|
||||
# 总结
|
||||
print("\n" + "="*80)
|
||||
print(" "*30 + "测试总结")
|
||||
print("="*80 + "\n")
|
||||
|
||||
for test_name, result in results:
|
||||
status = "✅ 通过" if result else "❌ 失败"
|
||||
print(f"{test_name:<15} {status}")
|
||||
|
||||
passed = sum(1 for _, r in results if r)
|
||||
total = len(results)
|
||||
|
||||
print(f"\n总计: {passed}/{total} 项测试通过")
|
||||
|
||||
if passed == total:
|
||||
print("\n🎉 恭喜！所有测试通过，主力选股功能可以正常使用！")
|
||||
print("\n下一步:")
|
||||
print(" 1. 运行主程序: streamlit run app.py")
|
||||
print(" 2. 点击侧边栏的 '🎯 主力选股' 按钮")
|
||||
print(" 3. 设置参数并开始分析")
|
||||
else:
|
||||
print("\n⚠️ 部分测试未通过，请根据上述错误信息进行排查")
|
||||
print("\n常见问题:")
|
||||
print(" 1. 数据获取失败 → 检查网络和Node.js版本")
|
||||
print(" 2. 模块导入失败 → 检查依赖安装")
|
||||
print(" 3. API测试失败 → 检查.env配置")
|
||||
|
||||
print("\n" + "="*80 + "\n")
|
||||
|
||||
if __name__ == "__main__":
|
||||
main()
|
||||
|
||||
@@ -1,215 +0,0 @@
|
||||
#!/usr/bin/env python3
|
||||
# -*- coding: utf-8 -*-
|
||||
"""
|
||||
通知系统诊断工具
|
||||
用于排查邮件通知问题
|
||||
"""
|
||||
|
||||
import sqlite3
|
||||
from notification_service import notification_service
|
||||
from monitor_db import monitor_db
|
||||
from datetime import datetime
|
||||
|
||||
def check_database():
|
||||
"""检查数据库中的通知"""
|
||||
print("\n" + "="*60)
|
||||
print("1. 检查数据库中的通知记录")
|
||||
print("="*60)
|
||||
|
||||
conn = sqlite3.connect('stock_monitor.db')
|
||||
cursor = conn.cursor()
|
||||
|
||||
# 检查所有通知
|
||||
cursor.execute('''
|
||||
SELECT n.id, s.symbol, s.name, n.type, n.message, n.triggered_at, n.sent
|
||||
FROM notifications n
|
||||
JOIN monitored_stocks s ON n.stock_id = s.id
|
||||
ORDER BY n.triggered_at DESC
|
||||
LIMIT 20
|
||||
''')
|
||||
|
||||
notifications = cursor.fetchall()
|
||||
if notifications:
|
||||
print(f"\n最近20条通知记录:")
|
||||
for row in notifications:
|
||||
sent_status = "✅已发送" if row[6] else "⏳待发送"
|
||||
print(f" [{sent_status}] {row[1]} - {row[3]} - {row[4]}")
|
||||
print(f" 时间: {row[5]}")
|
||||
else:
|
||||
print(" ❌ 数据库中没有任何通知记录")
|
||||
|
||||
# 检查待发送通知
|
||||
cursor.execute('''
|
||||
SELECT COUNT(*) FROM notifications WHERE sent = FALSE
|
||||
''')
|
||||
pending_count = cursor.fetchone()[0]
|
||||
print(f"\n待发送通知数量: {pending_count}")
|
||||
|
||||
conn.close()
|
||||
|
||||
def check_email_config():
|
||||
"""检查邮件配置"""
|
||||
print("\n" + "="*60)
|
||||
print("2. 检查邮件配置")
|
||||
print("="*60)
|
||||
|
||||
config = notification_service.get_email_config_status()
|
||||
|
||||
print(f"\n邮件启用: {'✅ 是' if config['enabled'] else '❌ 否'}")
|
||||
print(f"SMTP服务器: {config['smtp_server']}")
|
||||
print(f"SMTP端口: {config['smtp_port']}")
|
||||
print(f"发件人: {config['email_from']}")
|
||||
print(f"收件人: {config['email_to']}")
|
||||
print(f"配置完整: {'✅ 是' if config['configured'] else '❌ 否'}")
|
||||
|
||||
return config['configured']
|
||||
|
||||
def test_email_connection():
|
||||
"""测试邮件连接"""
|
||||
print("\n" + "="*60)
|
||||
print("3. 测试邮件连接")
|
||||
print("="*60)
|
||||
|
||||
print("\n正在发送测试邮件...")
|
||||
success, message = notification_service.send_test_email()
|
||||
|
||||
if success:
|
||||
print(f"✅ {message}")
|
||||
return True
|
||||
else:
|
||||
print(f"❌ {message}")
|
||||
return False
|
||||
|
||||
def send_pending_notifications():
|
||||
"""尝试发送待发送的通知"""
|
||||
print("\n" + "="*60)
|
||||
print("4. 尝试发送待发送的通知")
|
||||
print("="*60)
|
||||
|
||||
pending = monitor_db.get_pending_notifications()
|
||||
|
||||
if not pending:
|
||||
print("\n没有待发送的通知")
|
||||
return
|
||||
|
||||
print(f"\n找到 {len(pending)} 条待发送通知:")
|
||||
for notif in pending:
|
||||
print(f" - {notif['symbol']}: {notif['message']}")
|
||||
|
||||
print("\n开始发送...")
|
||||
notification_service.send_notifications()
|
||||
|
||||
# 再次检查
|
||||
pending_after = monitor_db.get_pending_notifications()
|
||||
print(f"\n发送后剩余待发送通知: {len(pending_after)}")
|
||||
|
||||
def check_stock_prices():
|
||||
"""检查监测股票的当前价格和触发条件"""
|
||||
print("\n" + "="*60)
|
||||
print("5. 检查监测股票状态")
|
||||
print("="*60)
|
||||
|
||||
stocks = monitor_db.get_monitored_stocks()
|
||||
|
||||
if not stocks:
|
||||
print("\n没有监测股票")
|
||||
return
|
||||
|
||||
print(f"\n共有 {len(stocks)} 只股票在监测:")
|
||||
|
||||
for stock in stocks:
|
||||
print(f"\n📊 {stock['symbol']} - {stock['name']}")
|
||||
print(f" 当前价格: {stock['current_price']}")
|
||||
|
||||
entry_range = stock['entry_range']
|
||||
print(f" 进场区间: {entry_range['min']} - {entry_range['max']}")
|
||||
|
||||
if stock['take_profit']:
|
||||
print(f" 止盈位: {stock['take_profit']}")
|
||||
if stock['stop_loss']:
|
||||
print(f" 止损位: {stock['stop_loss']}")
|
||||
|
||||
print(f" 通知启用: {'✅' if stock['notification_enabled'] else '❌'}")
|
||||
print(f" 最后检查: {stock['last_checked'] or '从未'}")
|
||||
|
||||
# 检查是否满足触发条件
|
||||
if stock['current_price']:
|
||||
price = float(stock['current_price'])
|
||||
|
||||
# 检查进场区间
|
||||
if price >= entry_range['min'] and price <= entry_range['max']:
|
||||
print(f" 🟢 当前价格在进场区间内")
|
||||
|
||||
# 检查最近是否有通知
|
||||
if monitor_db.has_recent_notification(stock['id'], 'entry', minutes=60):
|
||||
print(f" ⚠️ 但最近60分钟内已发送过进场通知（防重复机制）")
|
||||
else:
|
||||
print(f" ❗ 应该触发通知但没有！")
|
||||
else:
|
||||
if price < entry_range['min']:
|
||||
print(f" ⬇️ 当前价格低于进场区间 (差 {entry_range['min'] - price:.2f})")
|
||||
else:
|
||||
print(f" ⬆️ 当前价格高于进场区间 (高出 {price - entry_range['max']:.2f})")
|
||||
|
||||
# 检查止盈
|
||||
if stock['take_profit'] and price >= stock['take_profit']:
|
||||
print(f" 🟡 已达到止盈位")
|
||||
if monitor_db.has_recent_notification(stock['id'], 'take_profit', minutes=60):
|
||||
print(f" ⚠️ 最近60分钟内已发送过止盈通知")
|
||||
|
||||
# 检查止损
|
||||
if stock['stop_loss'] and price <= stock['stop_loss']:
|
||||
print(f" 🔴 已达到止损位")
|
||||
if monitor_db.has_recent_notification(stock['id'], 'stop_loss', minutes=60):
|
||||
print(f" ⚠️ 最近60分钟内已发送过止损通知")
|
||||
|
||||
def main():
|
||||
"""主函数"""
|
||||
print("\n" + "="*60)
|
||||
print("股票监测通知系统诊断工具")
|
||||
print("="*60)
|
||||
print(f"诊断时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
|
||||
|
||||
# 1. 检查数据库
|
||||
check_database()
|
||||
|
||||
# 2. 检查邮件配置
|
||||
email_configured = check_email_config()
|
||||
|
||||
# 3. 测试邮件连接
|
||||
if email_configured:
|
||||
email_ok = test_email_connection()
|
||||
else:
|
||||
print("\n⚠️ 邮件未配置，跳过邮件测试")
|
||||
email_ok = False
|
||||
|
||||
# 4. 检查股票价格和触发条件
|
||||
check_stock_prices()
|
||||
|
||||
# 5. 尝试发送待发送通知
|
||||
send_pending_notifications()
|
||||
|
||||
# 总结
|
||||
print("\n" + "="*60)
|
||||
print("诊断总结")
|
||||
print("="*60)
|
||||
|
||||
if email_configured and email_ok:
|
||||
print("✅ 邮件系统正常")
|
||||
elif email_configured:
|
||||
print("⚠️ 邮件已配置但发送失败，请检查配置参数")
|
||||
else:
|
||||
print("❌ 邮件未配置")
|
||||
|
||||
print("\n建议:")
|
||||
print("1. 确保监测服务正在运行")
|
||||
print("2. 检查股票价格是否在触发区间内")
|
||||
print("3. 注意60分钟防重复机制")
|
||||
print("4. 查看终端日志中的详细错误信息")
|
||||
print("5. 如果邮件测试成功但监测通知收不到，检查.env配置")
|
||||
|
||||
print("\n" + "="*60)
|
||||
|
||||
if __name__ == "__main__":
|
||||
main()
|
||||
|
||||
@@ -1,165 +0,0 @@
|
||||
#!/usr/bin/env python3
|
||||
# -*- coding: utf-8 -*-
|
||||
"""
|
||||
PDF中文字体测试脚本
|
||||
用于验证Docker环境中字体是否正确安装
|
||||
"""
|
||||
|
||||
import os
|
||||
import sys
|
||||
from reportlab.pdfbase import pdfmetrics
|
||||
from reportlab.pdfbase.ttfonts import TTFont
|
||||
|
||||
def check_system_fonts():
|
||||
"""检查系统中可用的中文字体"""
|
||||
print("=" * 60)
|
||||
print("检查系统中的中文字体")
|
||||
print("=" * 60)
|
||||
|
||||
# Windows字体路径
|
||||
windows_paths = [
|
||||
'C:/Windows/Fonts/simsun.ttc',
|
||||
'C:/Windows/Fonts/simhei.ttf',
|
||||
'C:/Windows/Fonts/msyh.ttc',
|
||||
'C:/Windows/Fonts/msyh.ttf',
|
||||
]
|
||||
|
||||
# Linux字体路径
|
||||
linux_paths = [
|
||||
'/usr/share/fonts/truetype/wqy/wqy-zenhei.ttc',
|
||||
'/usr/share/fonts/truetype/wqy/wqy-microhei.ttc',
|
||||
'/usr/share/fonts/opentype/noto/NotoSansCJK-Regular.ttc',
|
||||
'/usr/share/fonts/opentype/noto/NotoSerifCJK-Regular.ttc',
|
||||
]
|
||||
|
||||
all_paths = windows_paths + linux_paths
|
||||
|
||||
found_fonts = []
|
||||
for font_path in all_paths:
|
||||
if os.path.exists(font_path):
|
||||
print(f"✅ 找到字体: {font_path}")
|
||||
found_fonts.append(font_path)
|
||||
else:
|
||||
print(f"❌ 未找到: {font_path}")
|
||||
|
||||
print(f"\n总计找到 {len(found_fonts)} 个中文字体文件")
|
||||
return found_fonts
|
||||
|
||||
def test_font_registration():
|
||||
"""测试字体注册"""
|
||||
print("\n" + "=" * 60)
|
||||
print("测试字体注册")
|
||||
print("=" * 60)
|
||||
|
||||
fonts = check_system_fonts()
|
||||
|
||||
if not fonts:
|
||||
print("\n❌ 错误：未找到任何中文字体")
|
||||
print("建议：")
|
||||
print(" - Windows: 确保系统已安装中文字体")
|
||||
print(" - Linux/Docker: 运行 'apt-get install fonts-noto-cjk fonts-wqy-zenhei'")
|
||||
return False
|
||||
|
||||
# 尝试注册第一个找到的字体
|
||||
test_font = fonts[0]
|
||||
try:
|
||||
pdfmetrics.registerFont(TTFont('TestChineseFont', test_font))
|
||||
print(f"\n✅ 成功注册字体: {test_font}")
|
||||
print(f" 注册名称: TestChineseFont")
|
||||
return True
|
||||
except Exception as e:
|
||||
print(f"\n❌ 字体注册失败: {e}")
|
||||
return False
|
||||
|
||||
def test_pdf_generation():
|
||||
"""测试PDF生成"""
|
||||
print("\n" + "=" * 60)
|
||||
print("测试PDF生成")
|
||||
print("=" * 60)
|
||||
|
||||
try:
|
||||
from reportlab.lib.pagesizes import A4
|
||||
from reportlab.platypus import SimpleDocTemplate, Paragraph
|
||||
from reportlab.lib.styles import ParagraphStyle
|
||||
import io
|
||||
|
||||
# 导入字体注册函数
|
||||
from pdf_generator import register_chinese_fonts
|
||||
|
||||
# 注册字体
|
||||
font_name = register_chinese_fonts()
|
||||
print(f"\n使用字体: {font_name}")
|
||||
|
||||
# 创建测试PDF
|
||||
buffer = io.BytesIO()
|
||||
doc = SimpleDocTemplate(buffer, pagesize=A4)
|
||||
|
||||
# 创建样式
|
||||
style = ParagraphStyle(
|
||||
'TestStyle',
|
||||
fontName=font_name,
|
||||
fontSize=12
|
||||
)
|
||||
|
||||
# 创建内容
|
||||
test_text = "这是一个中文PDF测试 - AI股票分析系统"
|
||||
paragraph = Paragraph(test_text, style)
|
||||
|
||||
# 生成PDF
|
||||
doc.build([paragraph])
|
||||
|
||||
# 检查生成的PDF大小
|
||||
pdf_size = len(buffer.getvalue())
|
||||
print(f"✅ PDF生成成功，大小: {pdf_size} 字节")
|
||||
|
||||
# 保存测试PDF
|
||||
with open('test_chinese_pdf.pdf', 'wb') as f:
|
||||
f.write(buffer.getvalue())
|
||||
print(f"✅ 测试PDF已保存到: test_chinese_pdf.pdf")
|
||||
print(f" 请打开文件检查中文是否正常显示")
|
||||
|
||||
return True
|
||||
|
||||
except Exception as e:
|
||||
print(f"❌ PDF生成失败: {e}")
|
||||
import traceback
|
||||
traceback.print_exc()
|
||||
return False
|
||||
|
||||
def main():
|
||||
"""主函数"""
|
||||
print("\n")
|
||||
print("╔" + "=" * 58 + "╗")
|
||||
print("║" + " " * 15 + "PDF中文字体测试" + " " * 15 + "║")
|
||||
print("╚" + "=" * 58 + "╝")
|
||||
print()
|
||||
|
||||
# 检测操作系统
|
||||
import platform
|
||||
print(f"操作系统: {platform.system()} {platform.release()}")
|
||||
print(f"Python版本: {sys.version}")
|
||||
print()
|
||||
|
||||
# 运行测试
|
||||
font_check = check_system_fonts()
|
||||
font_reg = test_font_registration()
|
||||
pdf_gen = test_pdf_generation()
|
||||
|
||||
# 总结
|
||||
print("\n" + "=" * 60)
|
||||
print("测试总结")
|
||||
print("=" * 60)
|
||||
print(f"字体检查: {'✅ 通过' if font_check else '❌ 失败'}")
|
||||
print(f"字体注册: {'✅ 通过' if font_reg else '❌ 失败'}")
|
||||
print(f"PDF生成: {'✅ 通过' if pdf_gen else '❌ 失败'}")
|
||||
|
||||
if font_check and font_reg and pdf_gen:
|
||||
print("\n🎉 所有测试通过！PDF中文字体配置正确。")
|
||||
else:
|
||||
print("\n⚠️ 部分测试失败，请查看上方详细信息进行排查。")
|
||||
|
||||
print()
|
||||
|
||||
if __name__ == "__main__":
|
||||
main()
|
||||
|
||||
+356
@@ -0,0 +1,356 @@
|
||||
# 季报数据和资金流向数据更新说明 ✅
|
||||
|
||||
## 📋 任务概述
|
||||
|
||||
成功使用 akshare 数据源为基本面分析师和资金面分析师增加了更详细的数据支持：
|
||||
1. **季报数据**：最近8期季度财务报告（利润表、资产负债表、现金流量表）
|
||||
2. **资金流向数据**：近20个交易日的个股资金流向详细数据
|
||||
|
||||
## ✨ 完成的工作
|
||||
|
||||
### 一、季报数据集成 ✅
|
||||
|
||||
#### 1. 创建季报数据模块
|
||||
**文件：** `quarterly_report_data.py`
|
||||
|
||||
**数据源：** akshare - `stock_financial_report_sina`
|
||||
|
||||
**功能特点：**
|
||||
- ✅ 获取最近8期季度利润表
|
||||
- ✅ 获取最近8期季度资产负债表
|
||||
- ✅ 获取最近8期季度现金流量表
|
||||
- ✅ 自动格式化为AI可读文本
|
||||
- ✅ 仅支持A股
|
||||
|
||||
**核心指标：**
|
||||
|
||||
**利润表：**
|
||||
- 营业收入、营业利润、利润总额
|
||||
- 净利润、基本每股收益、稀释每股收益
|
||||
- 销售费用、管理费用、财务费用、研发费用
|
||||
|
||||
**资产负债表：**
|
||||
- 资产总计、流动资产、非流动资产
|
||||
- 负债合计、流动负债、非流动负债
|
||||
- 所有者权益合计、归属于母公司股东权益
|
||||
|
||||
**现金流量表：**
|
||||
- 经营活动现金流量净额
|
||||
- 投资活动现金流量净额
|
||||
- 筹资活动现金流量净额
|
||||
- 现金及现金等价物净增加额
|
||||
- 期末现金及现金等价物余额
|
||||
|
||||
#### 2. 集成到基本面分析师
|
||||
**修改文件：** `ai_agents.py`, `deepseek_client.py`
|
||||
|
||||
**增强分析维度：**
|
||||
1. 营收趋势分析
|
||||
2. 利润趋势分析
|
||||
3. 现金流分析
|
||||
4. 资产负债变化
|
||||
5. 季度环比/同比分析
|
||||
6. 经营质量评估
|
||||
7. 异常识别
|
||||
8. 趋势预判
|
||||
|
||||
**分析要求：**
|
||||
- 重点分析8期数据的趋势变化
|
||||
- 识别改善或恶化的早期信号
|
||||
- 结合季报数据对未来业绩进行预判
|
||||
|
||||
#### 3. 测试结果
|
||||
```
|
||||
测试股票: 平安银行 (000001)
|
||||
✅ 成功获取季报数据：
|
||||
- 利润表: 8期
|
||||
- 资产负债表: 8期
|
||||
- 现金流量表: 8期
|
||||
|
||||
测试股票: 贵州茅台 (600519)
|
||||
✅ 成功获取季报数据：
|
||||
- 利润表: 8期
|
||||
- 资产负债表: 8期
|
||||
- 现金流量表: 8期
|
||||
|
||||
成功率: 100%
|
||||
```
|
||||
|
||||
### 二、资金流向数据升级 ✅
|
||||
|
||||
#### 1. 创建资金流向数据模块
|
||||
**文件：** `fund_flow_akshare.py`
|
||||
|
||||
**数据源：** akshare - `stock_individual_fund_flow`（东方财富数据）
|
||||
|
||||
**功能特点：**
|
||||
- ✅ 获取近20个交易日的资金流向数据
|
||||
- ✅ 详细的主力、超大单、大单、中单、小单数据
|
||||
- ✅ 每日收盘价和涨跌幅
|
||||
- ✅ 自动市场识别（沪市/深市/北交所）
|
||||
- ✅ 统计汇总（累计净流入、平均值、占比等）
|
||||
- ✅ 仅支持A股
|
||||
|
||||
**核心数据字段：**
|
||||
- 日期、收盘价、涨跌幅
|
||||
- 主力净流入-净额、主力净流入-净占比
|
||||
- 超大单净流入-净额、超大单净流入-净占比
|
||||
- 大单净流入-净额、大单净流入-净占比
|
||||
- 中单净流入-净额、中单净流入-净占比
|
||||
- 小单净流入-净额、小单净流入-净占比
|
||||
|
||||
**统计汇总：**
|
||||
- 累计主力资金净流入
|
||||
- 平均每日净流入
|
||||
- 净流入/流出天数统计
|
||||
- 净流入占比
|
||||
- 平均涨跌幅和上涨天数占比
|
||||
|
||||
#### 2. 集成到资金面分析师
|
||||
**修改文件：** `ai_agents.py`, `deepseek_client.py`
|
||||
|
||||
**增强分析维度：**
|
||||
1. **资金流向趋势分析** ⭐
|
||||
- 20日累计净流入/净流出
|
||||
- 趋势性特征识别
|
||||
- 流入天数占比
|
||||
|
||||
2. **主力资金行为分析** ⭐⭐
|
||||
- 主力资金总体表现
|
||||
- 超大单、大单分析
|
||||
- 操作意图研判（吸筹/派发/洗盘/拉升）
|
||||
|
||||
3. **散户资金行为分析**
|
||||
- 中单、小单动向
|
||||
- 主力与散户博弈态势
|
||||
|
||||
4. **量价配合分析**
|
||||
- 资金流向与股价配合度
|
||||
- 量价背离识别
|
||||
|
||||
5. **关键信号识别**
|
||||
- 买入信号
|
||||
- 卖出信号
|
||||
- 观望信号
|
||||
|
||||
6. **阶段性特征**
|
||||
- 前10日 vs 后10日
|
||||
- 转折点识别
|
||||
|
||||
#### 3. 测试结果
|
||||
```
|
||||
测试股票: 平安银行 (000001)
|
||||
✅ 成功获取 20 个交易日的资金流向数据
|
||||
市场：SZ（深圳）
|
||||
|
||||
测试股票: 贵州茅台 (600519)
|
||||
✅ 成功获取 20 个交易日的资金流向数据
|
||||
市场：SH（上海）
|
||||
|
||||
测试股票: 五粮液 (000858)
|
||||
✅ 成功获取 20 个交易日的资金流向数据
|
||||
市场：SZ（深圳）
|
||||
|
||||
成功率: 100%
|
||||
```
|
||||
|
||||
## 📊 数据对比
|
||||
|
||||
### 季报数据
|
||||
|
||||
| 项目 | 之前 | 现在 |
|
||||
|------|------|------|
|
||||
| 数据源 | yfinance基本财报 | **akshare季报详细数据** |
|
||||
| 数据期数 | 年报/半年报 | **最近8期季报** |
|
||||
| 详细程度 | 基础财务指标 | **三大报表完整数据** |
|
||||
| 趋势分析 | 基本 | **8期趋势深度分析** |
|
||||
|
||||
### 资金流向数据
|
||||
|
||||
| 项目 | 之前 | 现在 |
|
||||
|------|------|------|
|
||||
| 数据源 | pywencai（问财） | **akshare（东方财富）** |
|
||||
| 数据天数 | 约20天 | **近20个交易日** |
|
||||
| 数据结构 | 不规整 | **标准化格式** |
|
||||
| 数据详细度 | 基础 | **6类资金+统计汇总** |
|
||||
| 数据质量 | 一般 | **高质量、稳定** |
|
||||
|
||||
## 📁 文件变更清单
|
||||
|
||||
### 新增文件
|
||||
- `quarterly_report_data.py` - 季报数据获取模块
|
||||
- `fund_flow_akshare.py` - 资金流向数据获取模块（akshare版本）
|
||||
- `test_quarterly_reports.py` - 季报测试脚本
|
||||
- `季报和资金流向更新说明.md` - 本文档
|
||||
|
||||
### 修改的文件
|
||||
- `ai_agents.py`
|
||||
- 基本面分析师增加 `quarterly_data` 参数
|
||||
- `run_multi_agent_analysis` 增加季报数据参数
|
||||
- 更新进度提示
|
||||
|
||||
- `deepseek_client.py`
|
||||
- `fundamental_analysis` 增加季报数据集成和分析维度
|
||||
- `fund_flow_analysis` 改用akshare数据格式，更新分析维度
|
||||
|
||||
- `app.py`
|
||||
- 批量分析和单股分析都增加季报数据获取
|
||||
- 资金流向数据改用 `fund_flow_akshare` 模块
|
||||
- 更新进度提示信息
|
||||
|
||||
### 保留的文件（兼容）
|
||||
- `news_announcement_data.py` - 旧的新闻公告模块（保留）
|
||||
|
||||
## 🎯 使用效果
|
||||
|
||||
### 季报数据示例（平安银行）
|
||||
|
||||
```
|
||||
【季度财务报告数据 - akshare数据源】
|
||||
股票代码：000001
|
||||
数据期数：最近8期季报
|
||||
|
||||
═══════════════════════════════════════
|
||||
📊 利润表（最近8期）
|
||||
═══════════════════════════════════════
|
||||
|
||||
第 1 期:
|
||||
营业收入: 69385000000.0
|
||||
营业利润: 30102000000.0
|
||||
净利润: 24870000000.0
|
||||
基本每股收益: 1.18
|
||||
|
||||
第 2 期:
|
||||
营业收入: 33709000000.0
|
||||
营业利润: 16910000000.0
|
||||
净利润: 14096000000.0
|
||||
基本每股收益: 0.62
|
||||
...
|
||||
```
|
||||
|
||||
### 资金流向数据示例（平安银行）
|
||||
|
||||
```
|
||||
【个股资金流向数据 - akshare数据源】
|
||||
股票代码：000001
|
||||
市场：SZ
|
||||
交易日数：最近20个交易日
|
||||
|
||||
第 1 个交易日 (2025-04-14):
|
||||
基本信息:
|
||||
- 收盘价: 10.57
|
||||
- 涨跌幅: 0.38%
|
||||
|
||||
主力资金:
|
||||
- 主力净流入-净额: 63573385.0
|
||||
- 主力净流入-净占比: 7.37%
|
||||
|
||||
超大单:
|
||||
- 超大单净流入-净额: 86613219.0
|
||||
- 超大单净流入-净占比: 10.04%
|
||||
...
|
||||
|
||||
统计汇总（最近20个交易日）:
|
||||
- 累计净流入: 123456789.0
|
||||
- 平均每日净流入: 6172839.45
|
||||
- 净流入天数: 12天
|
||||
- 净流入占比: 60.0%
|
||||
```
|
||||
|
||||
## 🌟 核心改进
|
||||
|
||||
### 1. 数据源统一化
|
||||
- **全部使用 akshare**：统一、稳定、高质量
|
||||
- **东方财富数据**：权威的A股数据源
|
||||
- **标准化格式**：易于处理和分析
|
||||
|
||||
### 2. 数据丰富度提升
|
||||
- **季报8期**：从年报到季报，时效性大幅提升
|
||||
- **资金6类**：从简单资金流向到详细分类
|
||||
- **统计汇总**：自动计算趋势和占比
|
||||
|
||||
### 3. 分析深度增强
|
||||
- **趋势分析**：8期季报和20日资金流向的趋势识别
|
||||
- **信号识别**：买入/卖出/观望信号
|
||||
- **意图研判**：主力操作意图分析
|
||||
|
||||
## ⚠️ 注意事项
|
||||
|
||||
### 1. 仅支持A股
|
||||
- 季报数据：仅A股（使用新浪财经数据）
|
||||
- 资金流向数据：仅A股（使用东方财富数据）
|
||||
- 美股、港股暂不支持这两类数据
|
||||
|
||||
### 2. 数据时效性
|
||||
- 季报数据：按季度更新
|
||||
- 资金流向数据：每个交易日更新
|
||||
|
||||
### 3. 网络依赖
|
||||
- 需要稳定的网络连接
|
||||
- 可能受到数据源API限制
|
||||
|
||||
### 4. 市场识别
|
||||
- 自动识别沪市(60、688开头)
|
||||
- 自动识别深市(00、30开头)
|
||||
- 自动识别北交所(8、4开头)
|
||||
|
||||
## 🚀 性能表现
|
||||
|
||||
### 数据获取速度
|
||||
- 季报数据：约2-3秒
|
||||
- 资金流向数据：约2-3秒
|
||||
- 总体影响：增加约5秒分析时间
|
||||
|
||||
### 数据准确性
|
||||
- akshare数据源：权威、准确
|
||||
- 测试成功率：100%
|
||||
- 数据完整性：高
|
||||
|
||||
## 📈 未来规划
|
||||
|
||||
### 可能的扩展
|
||||
1. 增加更多财务指标
|
||||
2. 支持更长时间周期的数据
|
||||
3. 增加行业对比数据
|
||||
4. 支持港股、美股的类似数据
|
||||
|
||||
## ✅ 验证检查清单
|
||||
|
||||
- [x] 季报数据获取正常
|
||||
- [x] 资金流向数据获取正常
|
||||
- [x] 基本面分析师集成成功
|
||||
- [x] 资金面分析师集成成功
|
||||
- [x] 测试脚本运行通过
|
||||
- [x] A股测试成功率100%
|
||||
- [x] AI分析维度更新
|
||||
- [x] 无语法错误
|
||||
- [x] 兼容性测试通过
|
||||
|
||||
## 🎉 总结
|
||||
|
||||
✅ **任务完成**！成功实现：
|
||||
|
||||
1. ✅ 使用 akshare 获取最近8期季报数据
|
||||
2. ✅ 使用 akshare 获取近20个交易日资金流向
|
||||
3. ✅ 集成到基本面分析师和资金面分析师
|
||||
4. ✅ 增强了AI分析的深度和准确性
|
||||
5. ✅ 测试验证100%成功
|
||||
|
||||
**数据质量：**
|
||||
- 📊 季报数据：8期完整三大报表
|
||||
- 💰 资金流向：20日6类详细数据
|
||||
- 📈 统计汇总：自动计算趋势指标
|
||||
- ✅ 数据源：akshare + 东方财富
|
||||
|
||||
**分析增强：**
|
||||
- 🔍 趋势识别能力提升
|
||||
- 📊 数据支撑更充分
|
||||
- 💡 信号识别更准确
|
||||
- 🎯 投资建议更专业
|
||||
|
||||
---
|
||||
|
||||
**更新时间：** 2025-10-11
|
||||
**版本：** v2.0
|
||||
**状态：** ✅ 已完成并测试通过
|
||||
|
||||
@@ -1,400 +0,0 @@
|
||||
# 新闻公告分析师集成完成 ✅
|
||||
|
||||
## 📋 任务概述
|
||||
|
||||
已成功在市场情绪分析师后面增加新闻公告分析师，使用pywencai获取最新新闻和公告，并将所有数据喂给新闻公告分析师进行专业分析。
|
||||
|
||||
## ✨ 完成的工作
|
||||
|
||||
### 1. 创建新闻公告数据模块 ✅
|
||||
|
||||
**文件：** `news_announcement_data.py`
|
||||
|
||||
**功能：**
|
||||
- ✅ 使用pywencai查询"股票代码新闻"
|
||||
- ✅ 使用pywencai查询"股票代码公告"
|
||||
- ✅ 提取所有返回的文字数据
|
||||
- ✅ 格式化为AI可读的文本
|
||||
- ✅ 最多获取20条新闻/公告（可配置）
|
||||
|
||||
**核心方法：**
|
||||
```python
|
||||
class NewsAnnouncementDataFetcher:
|
||||
def get_news_and_announcements(symbol) # 获取新闻和公告
|
||||
def _get_news_data(symbol) # 获取新闻
|
||||
def _get_announcement_data(symbol) # 获取公告
|
||||
def format_news_announcements_for_ai() # 格式化为AI文本
|
||||
```
|
||||
|
||||
### 2. 创建新闻公告分析师 ✅
|
||||
|
||||
**修改文件：** `ai_agents.py`
|
||||
|
||||
**新增方法：**
|
||||
```python
|
||||
def news_announcement_analyst_agent(stock_info, news_announcement_data)
|
||||
```
|
||||
|
||||
**分析维度：**
|
||||
1. **新闻分析**
|
||||
- 梳理最新重要新闻
|
||||
- 分析新闻性质（利好/利空/中性）
|
||||
- 评估对股价的影响
|
||||
- 识别市场热点
|
||||
|
||||
2. **公告分析**
|
||||
- 梳理最新重要公告
|
||||
- 分析公告类型（业绩、重组、增持等）
|
||||
- 评估实质性影响
|
||||
- 解读战略意图
|
||||
|
||||
3. **重大事件识别**
|
||||
- 识别影响股价的重大事件
|
||||
- 评估紧迫性和重要性
|
||||
- 预判后续发展
|
||||
|
||||
4. **市场反应分析**
|
||||
- 分析市场反应
|
||||
- 判断预期差
|
||||
- 识别交易机会
|
||||
|
||||
5. **风险提示**
|
||||
- 识别风险信号
|
||||
- 评估负面影响
|
||||
|
||||
6. **投资建议**
|
||||
- 基于新闻公告的操作建议
|
||||
- 关键时间节点提示
|
||||
|
||||
### 3. 集成到分析流程 ✅
|
||||
|
||||
**修改文件：** `app.py`
|
||||
|
||||
**流程更新：**
|
||||
```
|
||||
旧流程（5位分析师）：
|
||||
技术 → 基本面 → 资金 → 风险 → 情绪 → 讨论 → 决策
|
||||
|
||||
新流程（6位分析师）：
|
||||
技术 → 基本面 → 资金 → 风险 → 情绪 → 新闻公告 → 讨论 → 决策
|
||||
```
|
||||
|
||||
**进度条更新：**
|
||||
- 40%：资金流向数据
|
||||
- 45%：市场情绪数据
|
||||
- 50%：新闻公告数据 ⭐ 新增
|
||||
- 55%：初始化AI
|
||||
- 75%：AI分析完成
|
||||
- 88%：团队讨论
|
||||
- 100%：最终决策
|
||||
|
||||
### 4. 更新团队讨论 ✅
|
||||
|
||||
**修改：** `ai_agents.py` 中的 `conduct_team_discussion` 方法
|
||||
|
||||
**更新内容：**
|
||||
- ✅ 加入新闻公告分析师的报告
|
||||
- ✅ 讨论中考虑新闻公告的影响和时效性
|
||||
- ✅ 团队成员从5位增加到6位
|
||||
|
||||
## 📊 实际效果
|
||||
|
||||
### 数据获取示例
|
||||
|
||||
```
|
||||
📰 正在获取最新新闻数据...
|
||||
使用问财查询: 000001新闻
|
||||
✓ 成功获取 15 条新闻
|
||||
|
||||
📢 正在获取最新公告数据...
|
||||
使用问财查询: 000001公告
|
||||
✓ 成功获取 12 条公告
|
||||
|
||||
✅ 新闻公告数据获取完成
|
||||
```
|
||||
|
||||
### 格式化数据示例
|
||||
|
||||
```
|
||||
【最新新闻】
|
||||
查询时间：2025-10-07 15:30:22
|
||||
新闻数量：15条
|
||||
|
||||
新闻 1:
|
||||
股票简称: 平安银行
|
||||
新闻标题: 平安银行三季度业绩超预期
|
||||
发布时间: 2025-10-06
|
||||
新闻内容: ...（完整新闻内容）
|
||||
|
||||
新闻 2:
|
||||
...
|
||||
|
||||
【最新公告】
|
||||
查询时间：2025-10-07 15:30:25
|
||||
公告数量：12条
|
||||
|
||||
公告 1:
|
||||
公告标题: 关于2025年第三季度业绩预告
|
||||
公告类型: 业绩预告
|
||||
发布日期: 2025-10-05
|
||||
公告摘要: ...（完整公告内容）
|
||||
|
||||
公告 2:
|
||||
...
|
||||
```
|
||||
|
||||
### 新闻公告分析师输出
|
||||
|
||||
```
|
||||
📰 新闻公告分析师正在分析中...
|
||||
✓ 已获取 15 条新闻，12 条公告
|
||||
|
||||
【新闻公告分析报告】
|
||||
|
||||
一、新闻分析
|
||||
1. 最新重要新闻梳理
|
||||
- 业绩超预期新闻（利好）
|
||||
- 行业政策变化（中性偏利好）
|
||||
...
|
||||
|
||||
二、公告分析
|
||||
1. 业绩预告公告
|
||||
- 第三季度净利润增长25%
|
||||
- 超出市场预期...
|
||||
|
||||
三、重大事件识别
|
||||
...
|
||||
|
||||
四、市场反应分析
|
||||
...
|
||||
|
||||
五、风险提示
|
||||
...
|
||||
|
||||
六、投资建议
|
||||
...
|
||||
```
|
||||
|
||||
## 🎯 核心特点
|
||||
|
||||
### 1. 数据全面
|
||||
- ✅ 使用pywencai获取实时新闻
|
||||
- ✅ 使用pywencai获取最新公告
|
||||
- ✅ 所有文字数据完整传递给AI
|
||||
- ✅ 最多获取20条（避免数据过载）
|
||||
|
||||
### 2. 分析专业
|
||||
- ✅ 6个分析维度全面覆盖
|
||||
- ✅ 识别利好利空性质
|
||||
- ✅ 评估实质性影响
|
||||
- ✅ 提供操作建议
|
||||
|
||||
### 3. 流程完整
|
||||
- ✅ 数据获取 → AI分析 → 团队讨论 → 最终决策
|
||||
- ✅ 新闻公告分析融入整体分析框架
|
||||
- ✅ 与其他分析师协同工作
|
||||
|
||||
### 4. 用户友好
|
||||
- ✅ 清晰的进度提示
|
||||
- ✅ 详细的数据统计（X条新闻，X条公告）
|
||||
- ✅ 友好的错误处理
|
||||
|
||||
## 🚀 使用方法
|
||||
|
||||
### 自动使用（推荐）
|
||||
|
||||
1. 启动应用：
|
||||
```bash
|
||||
streamlit run app.py
|
||||
```
|
||||
|
||||
2. 输入A股代码（如：000001）
|
||||
|
||||
3. 点击"开始分析"
|
||||
|
||||
4. 系统会自动：
|
||||
- 获取新闻公告数据
|
||||
- 传递给新闻公告分析师
|
||||
- 生成专业分析报告
|
||||
- 参与团队讨论
|
||||
- 影响最终决策
|
||||
|
||||
### 单独测试模块
|
||||
|
||||
```bash
|
||||
python news_announcement_data.py
|
||||
```
|
||||
|
||||
### 代码中使用
|
||||
|
||||
```python
|
||||
from news_announcement_data import NewsAnnouncementDataFetcher
|
||||
|
||||
# 创建获取器
|
||||
fetcher = NewsAnnouncementDataFetcher()
|
||||
|
||||
# 获取新闻公告数据
|
||||
data = fetcher.get_news_and_announcements("000001")
|
||||
|
||||
# 检查是否成功
|
||||
if data.get("data_success"):
|
||||
# 查看新闻数量
|
||||
news_count = data['news_data']['count']
|
||||
announcement_count = data['announcement_data']['count']
|
||||
print(f"获取了 {news_count} 条新闻，{announcement_count} 条公告")
|
||||
|
||||
# 格式化为AI文本
|
||||
formatted_text = fetcher.format_news_announcements_for_ai(data)
|
||||
print(formatted_text)
|
||||
```
|
||||
|
||||
## 📈 分析师团队
|
||||
|
||||
### 更新后的团队结构（6位分析师）
|
||||
|
||||
| 序号 | 分析师 | 职责 | 数据来源 |
|
||||
|------|--------|------|----------|
|
||||
| 1 | 技术分析师 | 技术指标、趋势 | yfinance/akshare |
|
||||
| 2 | 基本面分析师 | 财务、估值 | yfinance/akshare |
|
||||
| 3 | 资金面分析师 | 资金流向 | pywencai |
|
||||
| 4 | 风险管理师 | 风险识别 | 技术指标 |
|
||||
| 5 | 市场情绪分析师 | ARBR、情绪 | akshare |
|
||||
| 6 | 新闻公告分析师 ⭐ | 新闻、公告 | pywencai ⭐ |
|
||||
|
||||
### 团队讨论
|
||||
|
||||
现在团队讨论包含6位分析师的观点：
|
||||
```
|
||||
主持人：现在进行投资决策团队会议，参会人员包括：
|
||||
- 技术分析师
|
||||
- 基本面分析师
|
||||
- 资金面分析师
|
||||
- 风险管理师
|
||||
- 市场情绪分析师
|
||||
- 新闻公告分析师 ⭐ 新增
|
||||
|
||||
各位，针对XX股票，请发表你们的观点...
|
||||
```
|
||||
|
||||
## 📁 修改的文件列表
|
||||
|
||||
### 新增文件
|
||||
- `news_announcement_data.py` - 新闻公告数据模块（核心）
|
||||
- `新闻公告分析师集成完成说明.md` - 本文档
|
||||
|
||||
### 修改的文件
|
||||
- `ai_agents.py`
|
||||
- 新增 `news_announcement_analyst_agent` 方法
|
||||
- 更新 `run_multi_agent_analysis` 方法（加入news_announcement_data参数）
|
||||
- 更新 `conduct_team_discussion` 方法（加入新闻公告报告）
|
||||
|
||||
- `app.py`
|
||||
- 新增新闻公告数据获取步骤（步骤5）
|
||||
- 更新进度条百分比
|
||||
- 更新步骤编号（6→7, 7→8, 8→9）
|
||||
- 更新侧边栏帮助信息
|
||||
|
||||
## ⚙️ 配置选项
|
||||
|
||||
### 调整获取数量
|
||||
|
||||
编辑 `news_announcement_data.py`：
|
||||
|
||||
```python
|
||||
class NewsAnnouncementDataFetcher:
|
||||
def __init__(self):
|
||||
self.max_items = 20 # 改为你想要的数量
|
||||
```
|
||||
|
||||
**建议值：**
|
||||
- 10-15条：快速分析，响应快
|
||||
- 20-30条：全面分析（默认20）
|
||||
- 30+条：深度分析，但AI处理时间更长
|
||||
|
||||
## ⚠️ 注意事项
|
||||
|
||||
### 1. 仅支持A股
|
||||
- 当前仅支持中国A股（6位代码）
|
||||
- 美股暂不支持新闻公告功能
|
||||
|
||||
### 2. 数据依赖
|
||||
- 依赖pywencai库和问财数据源
|
||||
- 需要稳定的网络连接
|
||||
- 可能受到API频率限制
|
||||
|
||||
### 3. 数据量控制
|
||||
- 默认最多获取20条新闻/公告
|
||||
- 过多数据会增加AI处理时间
|
||||
- 过少数据可能信息不全
|
||||
|
||||
### 4. 数据时效性
|
||||
- 新闻公告数据为实时获取
|
||||
- 建议及时分析，避免过时
|
||||
|
||||
## 🎯 使用建议
|
||||
|
||||
### 1. 关注重点
|
||||
- **利好新闻**：业绩增长、政策支持、战略合作等
|
||||
- **利空新闻**：业绩下滑、监管处罚、重大亏损等
|
||||
- **重要公告**：业绩预告、增持减持、重大重组等
|
||||
|
||||
### 2. 时效把握
|
||||
- 新闻公告往往有时效性
|
||||
- 重大事件前后是关键时期
|
||||
- 结合技术分析判断介入时机
|
||||
|
||||
### 3. 风险意识
|
||||
- 注意公告中的风险提示
|
||||
- 识别可能的负面影响
|
||||
- 谨慎对待炒作性新闻
|
||||
|
||||
## 📊 分析流程对比
|
||||
|
||||
### 之前（5位分析师）
|
||||
```
|
||||
技术分析 → 基本面分析 → 资金分析 →
|
||||
风险管理 → 市场情绪 → 团队讨论 → 最终决策
|
||||
```
|
||||
|
||||
### 现在（6位分析师）
|
||||
```
|
||||
技术分析 → 基本面分析 → 资金分析 →
|
||||
风险管理 → 市场情绪 → 新闻公告 ⭐ →
|
||||
团队讨论（6人） → 最终决策
|
||||
```
|
||||
|
||||
## ✅ 测试验证
|
||||
|
||||
已通过测试：
|
||||
- ✅ 新闻数据获取正常
|
||||
- ✅ 公告数据获取正常
|
||||
- ✅ 数据格式化正常
|
||||
- ✅ AI分析正常
|
||||
- ✅ 团队讨论包含新闻公告观点
|
||||
- ✅ 无语法错误
|
||||
|
||||
## 🎉 总结
|
||||
|
||||
✅ **任务完成**！现在系统拥有6位专业分析师：
|
||||
|
||||
1. **技术分析师** - 技术指标和趋势
|
||||
2. **基本面分析师** - 财务和估值
|
||||
3. **资金面分析师** - 资金流向和主力行为
|
||||
4. **风险管理师** - 风险识别和控制
|
||||
5. **市场情绪分析师** - ARBR等情绪指标
|
||||
6. **新闻公告分析师** ⭐ - 新闻事件和公司公告
|
||||
|
||||
**新闻公告分析师的加入使得：**
|
||||
- ✅ 分析更全面（增加事件驱动维度）
|
||||
- ✅ 时效性更强（实时新闻公告）
|
||||
- ✅ 风险识别更准确（及时发现利空）
|
||||
- ✅ 机会把握更精准（及时发现利好）
|
||||
|
||||
系统现在能够从**技术、基本面、资金、风险、情绪、新闻**6个维度进行全方位分析！🎯📈
|
||||
|
||||
---
|
||||
|
||||
**完成日期：** 2025年10月7日
|
||||
**功能状态：** ✅ 已完成并测试通过
|
||||
**分析师数量：** 5 → 6 ⭐
|
||||
|
||||
-262
@@ -1,262 +0,0 @@
|
||||
# 资金流向功能集成说明
|
||||
|
||||
## 引入`pywencai`库，运行环境必须安装node.js>16.0，否则不能获取数据
|
||||
## 概述
|
||||
|
||||
本次更新成功引入了 `pywencai`库，为资金面分析师提供真实的资金流向数据支撑，包括近20个交易日的区间资金流向、区间主力资金流向和区间涨跌幅数据。
|
||||
|
||||
## 功能特点
|
||||
|
||||
### 1. 数据来源
|
||||
- **数据源**：同花顺（pywencai）
|
||||
- **数据范围**：近20个交易日
|
||||
- **支持市场**：仅支持中国A股（美股暂不支持）
|
||||
|
||||
### 2. 获取的数据指标
|
||||
|
||||
资金流向数据包括：
|
||||
|
||||
- **区间资金流向**
|
||||
- 总资金流向（元）
|
||||
- 总资金流向（亿元）
|
||||
|
||||
- **区间主力资金流向**
|
||||
- 主力资金流向（元）
|
||||
- 主力资金流向（亿元）
|
||||
- 主力资金占比（%）
|
||||
|
||||
- **区间涨跌幅**
|
||||
- 近20日涨跌幅（%）
|
||||
|
||||
- **额外资金数据**（根据返回的数据动态提取）
|
||||
- 可能包含大单、中单、小单资金流向
|
||||
- 其他资金相关指标
|
||||
|
||||
## 代码改动说明
|
||||
|
||||
### 1. requirements.txt
|
||||
添加了 `pywencai>=0.7.0` 依赖。
|
||||
|
||||
### 2. stock_data.py
|
||||
新增方法：
|
||||
- `get_fund_flow_data(symbol)`: 使用获取资金流向数据
|
||||
- `_safe_convert(value)`: 安全地转换数值
|
||||
- `_calculate_main_fund_ratio(main_fund, total_fund)`: 计算主力资金占比
|
||||
|
||||
### 3. deepseek_client.py
|
||||
修改了 `fund_flow_analysis` 方法：
|
||||
- 新增 `fund_flow_data` 参数
|
||||
- 将数据整合到分析提示词中
|
||||
- 增强了资金面分析的维度和深度
|
||||
|
||||
分析维度包括：
|
||||
1. 资金流向趋势分析
|
||||
2. 主力资金行为分析
|
||||
3. 成交量变化分析
|
||||
4. 资金面与技术面结合
|
||||
5. 市场情绪和资金偏好
|
||||
6. 资金面风险与机会
|
||||
7. 投资建议
|
||||
|
||||
### 4. ai_agents.py
|
||||
修改了 `fund_flow_analyst_agent` 方法：
|
||||
- 新增 `fund_flow_data` 参数
|
||||
- 在分析结果中保存资金流向数据
|
||||
- 添加数据来源提示信息
|
||||
|
||||
修改了 `run_multi_agent_analysis` 方法：
|
||||
- 新增 `fund_flow_data` 参数
|
||||
- 将资金流向数据传递给资金面分析师
|
||||
|
||||
### 5. app.py
|
||||
在 `run_stock_analysis` 函数中：
|
||||
- 添加获取资金流向数据的步骤
|
||||
- 仅对A股股票获取数据
|
||||
- 显示数据获取状态提示
|
||||
- 将数据传递给AI分析系统
|
||||
|
||||
## 使用方法
|
||||
|
||||
### 安装依赖
|
||||
|
||||
```bash
|
||||
pip install pywencai>=0.7.0
|
||||
```
|
||||
|
||||
或者重新安装所有依赖：
|
||||
|
||||
```bash
|
||||
pip install -r requirements.txt
|
||||
```
|
||||
|
||||
### 运行系统
|
||||
|
||||
```bash
|
||||
streamlit run app.py
|
||||
```
|
||||
|
||||
### 分析A股股票
|
||||
|
||||
1. 在输入框中输入A股代码（如 `600519`、`000001`）
|
||||
2. 点击"开始分析"按钮
|
||||
3. 系统会自动：
|
||||
- 获取股票基本信息
|
||||
- 获取技术指标数据
|
||||
- 获取财务数据
|
||||
- **获取资金流向数据**（新增）
|
||||
- 调用AI分析师团队进行分析
|
||||
4. 在"资金面分析师"标签页查看基于真实资金流向数据的分析报告
|
||||
|
||||
### 分析美股
|
||||
|
||||
- 美股暂不支持资金流向数据
|
||||
- 资金面分析师将基于技术指标进行分析
|
||||
- 系统会显示"ℹ️ 美股暂不支持资金流向数据"提示
|
||||
|
||||
## 数据解读
|
||||
|
||||
### 主力资金行为判断
|
||||
|
||||
资金面分析师会结合以下情况进行分析：
|
||||
|
||||
1. **主力资金持续流入 + 股价上涨**
|
||||
- 说明主力看好后市
|
||||
- 资金推动股价上涨
|
||||
- 是较强的买入信号
|
||||
|
||||
2. **主力资金流出 + 股价上涨**
|
||||
- 需警惕散户接盘风险
|
||||
- 可能是主力出货
|
||||
- 上涨动力不足
|
||||
|
||||
3. **主力资金流入 + 股价下跌**
|
||||
- 可能是主力在低位吸筹
|
||||
- 或是市场整体弱势
|
||||
- 需结合其他指标判断
|
||||
|
||||
4. **主力资金流出 + 股价下跌**
|
||||
- 主力看空
|
||||
- 卖出压力大
|
||||
- 应回避或止损
|
||||
|
||||
### 主力资金占比
|
||||
|
||||
- **占比 > 70%**: 主力高度控盘
|
||||
- **占比 50-70%**: 主力参与度较高
|
||||
- **占比 30-50%**: 主力参与适中
|
||||
- **占比 < 30%**: 散户为主导
|
||||
|
||||
## 注意事项
|
||||
|
||||
1. **网络要求**
|
||||
- pywencai 需要访问同花顺网站
|
||||
- 确保网络连接正常
|
||||
- 可能受到访问频率限制
|
||||
|
||||
2. **数据时效性**
|
||||
- 资金流向数据为T-1数据（前一交易日）
|
||||
- 非实时数据
|
||||
|
||||
3. **异常处理**
|
||||
- 如果数据获取失败，系统会自动降级
|
||||
- 资金面分析师将基于技术指标进行分析
|
||||
- 不会影响其他分析师的正常工作
|
||||
|
||||
4. **仅支持A股**
|
||||
- 数据仅支持中国A股
|
||||
- 美股、港股暂不支持
|
||||
|
||||
|
||||
## 故障排查
|
||||
|
||||
### 常见问题
|
||||
|
||||
#### 1. 提示 "'dict' object has no attribute 'empty'"
|
||||
|
||||
**原因**：pywencai.get() 返回了字典而不是DataFrame
|
||||
|
||||
**解决方案**：已在最新版本中修复，代码会自动检测返回类型并处理
|
||||
|
||||
#### 2. 提示 "问财查询返回None"
|
||||
|
||||
**原因**：
|
||||
- 网络连接问题
|
||||
- 问财服务暂时不可用
|
||||
- 查询语句不符合问财格式
|
||||
|
||||
**解决方案**：
|
||||
- 检查网络连接
|
||||
- 稍后重试
|
||||
- 查看控制台输出的详细错误信息
|
||||
|
||||
#### 3. 提示 "未能获取问财资金流向数据"
|
||||
|
||||
**原因**：
|
||||
- 系统未安装node.js，需要node版本>16
|
||||
- 问财API访问限制
|
||||
- 股票代码不存在或停牌
|
||||
- 数据暂时不可用
|
||||
|
||||
**解决方案**：
|
||||
- 系统会自动降级到技术指标分析
|
||||
- 不影响其他分析功能
|
||||
- 可以尝试其他股票代码
|
||||
|
||||
### 测试脚本
|
||||
|
||||
使用测试脚本快速验证功能：
|
||||
|
||||
```bash
|
||||
python test_fund_flow.py
|
||||
```
|
||||
|
||||
测试脚本会：
|
||||
1. 测试多只股票的资金流向数据获取
|
||||
2. 显示详细的调试信息
|
||||
3. 打印完整的返回数据
|
||||
|
||||
### 调试信息
|
||||
|
||||
运行时会输出以下调试信息：
|
||||
|
||||
```
|
||||
正在使用问财查询资金流向数据: 002241近20个交易日区间资金流向、区间主力资金流向、区间涨跌幅
|
||||
问财返回的数据类型: <class 'dict'> 或 <class 'pandas.DataFrame'>
|
||||
问财返回DataFrame，形状: (1, 10)
|
||||
问财返回的列名: ['股票代码', '股票简称', '区间资金流向', ...]
|
||||
找到的列名 - 资金流向: 区间资金流向, 主力资金: 区间主力资金流向, 涨跌幅: 区间涨跌幅
|
||||
成功获取 002241 的资金流向数据
|
||||
```
|
||||
|
||||
### 版本兼容性
|
||||
|
||||
- **pywencai >= 0.7.0**：支持最新的问财API
|
||||
- **pandas >= 2.0.3**：数据处理
|
||||
- **Python >= 3.8**：推荐使用Python 3.10+
|
||||
|
||||
## 技术支持
|
||||
|
||||
如遇到问题，可：
|
||||
|
||||
1. **查看日志**：运行时会在控制台输出详细的调试信息
|
||||
2. **运行测试脚本**：使用 `test_fund_flow.py` 独立测试
|
||||
3. **检查依赖**：确保 pywencai 版本正确
|
||||
4. **网络检查**：确保可以访问同花顺问财
|
||||
5. **股票代码**：确认是6位数字的A股代码
|
||||
|
||||
## 未来优化方向
|
||||
|
||||
1. 支持更多时间周期的资金流向数据
|
||||
2. 增加资金流向的可视化图表
|
||||
3. 支持资金流向的历史趋势分析
|
||||
4. 尝试集成其他数据源（如东方财富）
|
||||
5. 探索美股资金流向数据来源
|
||||
|
||||
## 更新日期
|
||||
|
||||
2025年10月6日
|
||||
|
||||
## 作者
|
||||
|
||||
AI股票分析系统开发团队
|
||||
|
||||
-276
@@ -1,276 +0,0 @@
|
||||
# 通知问题排查指南
|
||||
|
||||
## 问题现象
|
||||
监测股票到价格了，但没有收到消息（包括网页和邮件）
|
||||
|
||||
## 快速诊断
|
||||
|
||||
### 步骤1：运行诊断工具
|
||||
```bash
|
||||
python test_notification_debug.py
|
||||
```
|
||||
|
||||
这个工具会检查：
|
||||
- ✅ 数据库中的通知记录
|
||||
- ✅ 邮件配置状态
|
||||
- ✅ 邮件发送测试
|
||||
- ✅ 股票价格和触发条件
|
||||
- ✅ 待发送通知
|
||||
|
||||
### 步骤2：检查常见问题
|
||||
|
||||
#### 问题1：价格已不在触发区间
|
||||
**症状**：股票价格曾经到达过，但现在已经超出区间
|
||||
|
||||
**示例**：
|
||||
- 进场区间：44.87 - 46.48
|
||||
- 当前价格：47.99（已超出）
|
||||
- 结果：不会触发新通知
|
||||
|
||||
**解决**：
|
||||
- 查看"通知历史"确认是否之前已触发过
|
||||
- 如需重新监测，调整进场区间
|
||||
|
||||
#### 问题2：60分钟防重复机制
|
||||
**症状**：价格在区间内，但不发送通知
|
||||
|
||||
**原因**：同一触发条件60分钟内只发送一次，避免重复
|
||||
|
||||
**查看方法**：
|
||||
```bash
|
||||
python test_notification_debug.py
|
||||
```
|
||||
会显示："⚠️ 最近60分钟内已发送过XX通知"
|
||||
|
||||
**解决**：
|
||||
- 等待60分钟后会自动重新发送
|
||||
- 或者清空数据库通知记录（会导致历史丢失）
|
||||
|
||||
#### 问题3：网页通知显示问题
|
||||
**症状**：有通知但网页看不到
|
||||
|
||||
**原因**：
|
||||
1. 之前的显示逻辑只显示"未发送"的通知
|
||||
2. 通知发送后被标记为"已发送"就不显示了
|
||||
|
||||
**已修复**：
|
||||
- 现在显示所有最近通知（包括已发送和未发送）
|
||||
- 显示发送状态："✅ 已发送" 或 "⏳ 待发送"
|
||||
|
||||
#### 问题4：邮件配置问题
|
||||
**检查清单**：
|
||||
```env
|
||||
# .env 文件
|
||||
EMAIL_ENABLED=true # 必须是 true
|
||||
SMTP_SERVER=smtp.qq.com # QQ邮箱或其他
|
||||
SMTP_PORT=587 # 587(TLS) 或 465(SSL)
|
||||
EMAIL_FROM=your_email@qq.com # 发件邮箱
|
||||
EMAIL_PASSWORD=xxxxxx # 授权码（不是登录密码！）
|
||||
EMAIL_TO=receiver@example.com # 收件邮箱
|
||||
```
|
||||
|
||||
**测试方法**：
|
||||
1. 在网页界面：监测管理 → 通知管理 → 发送测试邮件
|
||||
2. 或运行：`python test_notification_debug.py`
|
||||
|
||||
**常见错误**：
|
||||
- ❌ 使用邮箱登录密码而非授权码
|
||||
- ❌ EMAIL_ENABLED 设置为 false
|
||||
- ❌ 端口号不正确（QQ邮箱用587或465）
|
||||
|
||||
## 完整排查流程
|
||||
|
||||
### 1. 确认监测服务运行
|
||||
```
|
||||
网页界面 → 监测管理
|
||||
查看状态：🟢 运行中
|
||||
```
|
||||
|
||||
如果显示"🔴 已停止"，点击"▶️ 启动监测"
|
||||
|
||||
### 2. 查看通知历史
|
||||
```
|
||||
网页界面 → 监测管理 → 通知历史
|
||||
```
|
||||
|
||||
应该能看到：
|
||||
- 所有触发的通知（新版本已修复）
|
||||
- 每条通知的发送状态
|
||||
- 触发时间
|
||||
|
||||
### 3. 检查股票状态
|
||||
运行诊断工具查看详细信息：
|
||||
```bash
|
||||
python test_notification_debug.py
|
||||
```
|
||||
|
||||
关注输出中的：
|
||||
```
|
||||
📊 股票代码 - 股票名称
|
||||
当前价格: XX.XX
|
||||
进场区间: XX.XX - XX.XX
|
||||
🟢 当前价格在进场区间内
|
||||
⚠️ 但最近60分钟内已发送过进场通知
|
||||
```
|
||||
|
||||
### 4. 查看终端日志
|
||||
监测服务运行时会输出详细日志：
|
||||
|
||||
**正常流程**：
|
||||
```
|
||||
正在更新股票 300832 的价格...
|
||||
✅ 300832 当前价格: ¥66.5
|
||||
|
||||
==================================================
|
||||
开始发送通知，共 1 条
|
||||
==================================================
|
||||
|
||||
处理通知: 300832 - entry
|
||||
📧 正在发送邮件...
|
||||
- 收件人: xxx@qq.com
|
||||
- 主题: 股票监测提醒 - 300832
|
||||
- 使用 SMTP+TLS 连接 smtp.qq.com:587
|
||||
- 正在登录...
|
||||
- 正在发送...
|
||||
✅ 邮件发送成功: 300832
|
||||
✅ 通知已成功发送并标记
|
||||
```
|
||||
|
||||
**配置问题**：
|
||||
```
|
||||
⚠️ 邮件配置不完整，使用界面通知
|
||||
- SMTP服务器: 未配置
|
||||
- 发件人: 未配置
|
||||
- 收件人: 未配置
|
||||
- 密码: 未配置
|
||||
```
|
||||
|
||||
**发送失败**：
|
||||
```
|
||||
邮件发送失败: [Errno 11001] getaddrinfo failed
|
||||
使用界面通知作为备用方案
|
||||
```
|
||||
|
||||
### 5. 手动测试通知
|
||||
如果想立即测试通知（不等待价格触发）：
|
||||
|
||||
```python
|
||||
# 创建测试脚本 test_manual_notification.py
|
||||
from monitor_db import monitor_db
|
||||
from notification_service import notification_service
|
||||
|
||||
# 添加一条测试通知
|
||||
monitor_db.add_notification(
|
||||
stock_id=1, # 你的股票ID
|
||||
notification_type='entry',
|
||||
message='这是一条测试通知'
|
||||
)
|
||||
|
||||
# 立即发送
|
||||
notification_service.send_notifications()
|
||||
```
|
||||
|
||||
## 修复后的改进
|
||||
|
||||
### 1. 网页通知显示增强 ✅
|
||||
- 显示所有最近通知（不只是待发送的）
|
||||
- 显示发送状态标识
|
||||
- 显示待发送通知数量警告
|
||||
|
||||
### 2. 日志输出增强 ✅
|
||||
- 详细的邮件发送过程日志
|
||||
- 配置检查提示
|
||||
- 错误堆栈跟踪
|
||||
|
||||
### 3. 防重复机制 ✅
|
||||
- 60分钟内同类型通知只发送一次
|
||||
- 避免价格波动导致的重复通知
|
||||
|
||||
### 4. 监测频率优化 ✅
|
||||
- 5分钟循环检查
|
||||
- 按设定间隔更新每只股票
|
||||
- 股票间3秒延迟，避免API限流
|
||||
|
||||
## 预期效果
|
||||
|
||||
当股票价格满足条件时：
|
||||
|
||||
1. **数据库记录** ✅
|
||||
```
|
||||
notifications 表中新增记录
|
||||
sent = FALSE
|
||||
```
|
||||
|
||||
2. **发送通知** ✅
|
||||
```
|
||||
调用 notification_service.send_notifications()
|
||||
尝试发送邮件
|
||||
标记 sent = TRUE
|
||||
```
|
||||
|
||||
3. **邮件到达** ✅
|
||||
```
|
||||
收件箱收到邮件
|
||||
主题：股票监测提醒 - XXX
|
||||
```
|
||||
|
||||
4. **网页显示** ✅
|
||||
```
|
||||
监测管理 → 通知历史
|
||||
显示：[✅ 已发送] 股票 XXX ...
|
||||
```
|
||||
|
||||
## 常见场景答疑
|
||||
|
||||
### Q1: 价格到了但没收到通知
|
||||
**检查**：
|
||||
1. 是否60分钟内已发送过？→ 查看通知历史
|
||||
2. 邮件配置是否正确？→ 发送测试邮件
|
||||
3. 监测服务是否运行？→ 查看状态
|
||||
4. 通知是否被禁用？→ 检查股票的"通知启用"开关
|
||||
|
||||
### Q2: 测试邮件能收到，但监测邮件收不到
|
||||
**可能原因**：
|
||||
1. 触发条件未满足（价格不在区间）
|
||||
2. 60分钟防重复
|
||||
3. 监测服务未启动
|
||||
4. 代码更新前的旧版本问题
|
||||
|
||||
**解决**：
|
||||
1. 运行 `test_notification_debug.py` 全面检查
|
||||
2. 查看终端日志确认是否真的触发
|
||||
3. 确保使用的是修复后的代码
|
||||
|
||||
### Q3: 网页看不到通知
|
||||
**已修复**：旧版本只显示待发送通知，新版本显示所有通知
|
||||
|
||||
**刷新界面**：点击"🔄 刷新状态"
|
||||
|
||||
### Q4: 想立即重新发送通知
|
||||
**方法**：
|
||||
1. 清空通知记录（会丢失历史）
|
||||
2. 或等待60分钟
|
||||
3. 或调整价格区间让其重新触发
|
||||
|
||||
## 技术支持
|
||||
|
||||
如果问题仍未解决：
|
||||
|
||||
1. **提供诊断报告**：
|
||||
```bash
|
||||
python test_notification_debug.py > diagnosis.txt
|
||||
```
|
||||
|
||||
2. **提供终端日志**：
|
||||
复制运行 Streamlit 的终端输出
|
||||
|
||||
3. **检查文件**：
|
||||
- `.env` 配置（隐藏密码）
|
||||
- `stock_monitor.db` 是否存在
|
||||
- 监测股票列表截图
|
||||
|
||||
4. **描述问题**：
|
||||
- 什么时候开始的？
|
||||
- 做了什么操作？
|
||||
- 预期行为 vs 实际行为
|
||||
|
||||
Reference in New Issue
Block a user