增加龙虎榜批量分析功能，修复一些小bug
This commit is contained in:
oficcejo
@@ -9,4 +9,3 @@
|
||||
.env
|
||||
/.cursor
|
||||
/openspec
|
||||
/docs
|
||||
@@ -81,6 +81,38 @@ streamlit run app.py
|
||||
|
||||
---
|
||||
|
||||
### 🎯 智瞰龙虎 - TOP股票批量分析功能 ⭐️
|
||||
|
||||
在AI评分排名中，对TOP10综合评分股票提供一键批量深度分析
|
||||
|
||||
#### 核心功能
|
||||
- **一键批量分析**：可选3只/5只/10只TOP股票进行深度分析
|
||||
- **双模式支持**：顺序分析（稳定）/ 并行分析（快速）
|
||||
- **实时进度追踪**：分析进度可视化显示
|
||||
- **详细结果展示**：完整的AI分析报告和投资决策
|
||||
- **快捷加入监测**：分析完成后一键加入实时监测列表
|
||||
- **遵循统一规范**：使用统一的分析函数和字段名，确保结果一致性
|
||||
|
||||
#### 使用流程
|
||||
```
|
||||
智瞰龙虎 → AI评分排名 → 查看TOP10
|
||||
→ 选择分析数量(3/5/10) → 🚀 开始批量分析
|
||||
→ 选择模式(顺序/并行) → 确认开始
|
||||
→ ⏳ 实时进度显示 → ✅ 分析完成
|
||||
→ 查看详细结果 → ➕ 加入监测
|
||||
```
|
||||
|
||||
#### 使用场景
|
||||
- ✅ **短线交易**：龙虎榜筛选 → AI深度分析 → 实时监测 → 价格告警
|
||||
- ✅ **游资跟踪**：快速批量分析TOP游资操作的股票
|
||||
- ✅ **题材捕捉**：批量分析热点题材龙头股
|
||||
- ✅ **完整闭环**：从筛选到分析到监测的一站式解决方案
|
||||
|
||||
#### 详细文档
|
||||
请查看 [`docs/LONGHUBANG_BATCH_ANALYSIS.md`](docs/LONGHUBANG_BATCH_ANALYSIS.md) 获取完整使用指南
|
||||
|
||||
---
|
||||
|
||||
## ✨1019 更新说明
|
||||
|
||||
### 🎯 风险管理师功能增强 ⭐️
|
||||
@@ -105,6 +137,8 @@ streamlit run app.py
|
||||
## ✨1017 更新说明
|
||||
|
||||
### 🎯 智瞰龙虎板块分析系统 ⭐️ 全新上线
|
||||
|
||||
#### 核心功能
|
||||
- **龙虎榜深度分析**：基于StockAPI龙虎榜接口，获取游资上榜交割单数据
|
||||
- **5位AI分析师团队**：
|
||||
- 🎯 游资行为分析师：识别活跃游资及其操作风格
|
||||
@@ -112,19 +146,43 @@ streamlit run app.py
|
||||
- 🔥 题材追踪分析师：识别热点题材和炒作周期
|
||||
- ⚠️ 风险控制专家：识别高风险股票和资金陷阱
|
||||
- 👔 首席策略师：综合研判，给出最终推荐股票清单
|
||||
- **核心功能**：
|
||||
- 次日上涨股票预测：AI识别大概率上涨的股票
|
||||
- 游资追踪：跟踪知名游资（赵老哥、章盟主等）的操作
|
||||
- 题材识别：发现热点题材和龙头股
|
||||
- 风险提示：识别游资出货和高风险陷阱
|
||||
- 历史记录：完整的龙虎榜数据存储
|
||||
- PDF报告：生成专业的分析报告
|
||||
- **数据可视化**：
|
||||
- 资金净流入TOP20图表
|
||||
- 热门概念分布图
|
||||
- 活跃游资排名表
|
||||
- **使用场景**：短线交易、游资跟踪、题材炒作、风险规避
|
||||
- **数据来源**：StockAPI龙虎榜接口（每日更新，免费1000次）
|
||||
|
||||
#### 最新更新：TOP股票批量分析 ⭐️
|
||||
- **一键批量分析**：对AI评分排名TOP10股票进行深度分析
|
||||
- 可选分析数量：3只/5只/10只
|
||||
- 顺序/并行分析模式
|
||||
- 实时进度显示
|
||||
- 详细结果展示
|
||||
- **快捷加入监测**：分析完成后一键加入实时监测列表
|
||||
- **遵循统一规范**：使用统一的分析函数和字段名
|
||||
- **完整交易闭环**：龙虎榜筛选 → AI深度分析 → 实时监测 → 价格告警
|
||||
|
||||
#### 传统功能
|
||||
- **次日上涨股票预测**：AI识别大概率上涨的股票
|
||||
- **游资追踪**：跟踪知名游资（赵老哥、章盟主等）的操作
|
||||
- **题材识别**：发现热点题材和龙头股
|
||||
- **风险提示**：识别游资出货和高风险陷阱
|
||||
- **历史报告** ⭐️ 增强版：
|
||||
- 完整的分析结果保存（AI分析师报告、评分排名、推荐股票）
|
||||
- 可展开查看每条历史报告的详细内容
|
||||
- 支持重新加载历史报告到分析页面
|
||||
- 结构化数据存储，便于追溯和分析
|
||||
- **PDF报告**：生成专业的分析报告
|
||||
|
||||
#### 数据可视化
|
||||
- 资金净流入TOP20图表
|
||||
- 热门概念分布图
|
||||
- 活跃游资排名表
|
||||
- AI评分排名表 ⭐️
|
||||
|
||||
#### 使用场景
|
||||
- 短线交易机会挖掘
|
||||
- 游资龙头股追踪
|
||||
- 热点题材捕捉
|
||||
- 风险规避
|
||||
|
||||
#### 数据来源
|
||||
StockAPI龙虎榜接口（每日更新，免费1000次）
|
||||
|
||||
<img width="1910" height="923" alt="智瞰龙虎界面" src="https://github.com/user-attachments/assets/longhubang_ui.png" />
|
||||
|
||||
@@ -296,7 +354,7 @@ docker-compose down
|
||||
docker-compose restart
|
||||
```
|
||||
|
||||
**📖 详细文档**：查看 [DOCKER_DEPLOYMENT.md](DOCKER_DEPLOYMENT.md) 获取完整的Docker部署指南和故障排除。
|
||||
**📖 详细文档**：查看 [DOCKER_DEPLOYMENT.md](docs/DOCKER_DEPLOYMENT.md) 获取完整的Docker部署指南和故障排除。
|
||||
|
||||
---
|
||||
|
||||
@@ -500,11 +558,17 @@ streamlit run app.py
|
||||
- 等待生成（3-5秒）
|
||||
- 下载完整的龙虎榜分析报告
|
||||
|
||||
6. **查看历史记录**
|
||||
6. **查看历史报告** ⭐️ 增强版
|
||||
- 切换到"📚 历史报告"标签
|
||||
- 查看所有历史分析报告
|
||||
- 切换到"📈 数据统计"标签
|
||||
- 查看龙虎榜历史统计数据
|
||||
- 查看最近50条历史分析报告
|
||||
- 点击展开任意报告，可查看：
|
||||
- **报告摘要**：分析概要信息
|
||||
- **推荐股票**：完整的推荐股票列表
|
||||
- **AI分析师团队报告**：5位分析师的详细分析（可展开）
|
||||
- **AI评分排名**：TOP10股票的评分详情
|
||||
- **数据概况**：龙虎榜统计信息
|
||||
- 点击"📋 加载到分析页"按钮，可将历史报告重新加载到分析标签页
|
||||
- 切换到"📈 数据统计"标签，查看龙虎榜历史统计数据
|
||||
|
||||
7. **使用技巧**
|
||||
- **最佳分析时间**：交易日晚上18:00-21:00（龙虎榜数据已更新）
|
||||
@@ -1141,7 +1205,7 @@ DEFAULT_INTERVAL = "1d" # 默认数据间隔
|
||||
- 检查账户已登录
|
||||
- 验证账户ID配置正确
|
||||
- 确认网络连接正常
|
||||
- 查看 `MINIQMT_INTEGRATION_GUIDE.md` 详细指南
|
||||
- 查看 `docs/MINIQMT_INTEGRATION_GUIDE.md` 详细指南
|
||||
|
||||
8. **量化交易未执行**
|
||||
- 确认量化功能已启用
|
||||
@@ -1166,7 +1230,7 @@ DEFAULT_INTERVAL = "1d" # 默认数据间隔
|
||||
- **Node.js相关错误**：
|
||||
- 容器内已集成Node.js环境，无需额外配置
|
||||
- 进入容器检查：`docker exec -it agentsstock1 bash`
|
||||
- **详细文档**：查看 `DOCKER_DEPLOYMENT.md` 获取完整的故障排除指南
|
||||
- **详细文档**：查看 `docs/DOCKER_DEPLOYMENT.md` 获取完整的故障排除指南
|
||||
|
||||
10. **Webhook通知问题** ⭐️ 新增
|
||||
- **未收到Webhook消息**：
|
||||
@@ -1189,7 +1253,7 @@ DEFAULT_INTERVAL = "1d" # 默认数据间隔
|
||||
- 进入"📊 实时监测" → "🔔 通知管理"
|
||||
- 点击"📱 发送测试Webhook"验证配置
|
||||
- 查看终端日志了解详细错误信息
|
||||
- **详细文档**：查看 `Webhook通知配置指南.md` 获取完整配置教程
|
||||
- **详细文档**：查看 `docs/Webhook通知配置指南.md` 获取完整配置教程
|
||||
|
||||
11. **智策板块分析问题** ⭐️ 全新功能
|
||||
- **数据获取失败**：
|
||||
@@ -1219,9 +1283,9 @@ DEFAULT_INTERVAL = "1d" # 默认数据间隔
|
||||
- 安装依赖：`pip install schedule`
|
||||
- 或：`.\venv\Scripts\pip.exe install schedule`
|
||||
- **详细文档**：
|
||||
- [智策板块使用指南.md](智策板块使用指南.md)
|
||||
- [智策定时分析使用指南.md](智策定时分析使用指南.md)
|
||||
- [智策功能总览.md](智策功能总览.md)
|
||||
- [智策板块使用指南.md](docs/智策板块使用指南.md)
|
||||
- [智策定时分析使用指南.md](docs/智策定时分析使用指南.md)
|
||||
- [智策功能总览.md](docs/智策功能总览.md)
|
||||
|
||||
### 日志调试
|
||||
系统运行时会在控制台输出详细日志，可用于问题诊断。如遇到错误，请查看终端输出。
|
||||
@@ -1238,27 +1302,38 @@ docker logs -f agentsstock1
|
||||
### 相关文档
|
||||
|
||||
**通知系统文档** ⭐️：
|
||||
- [Webhook通知配置指南.md](Webhook通知配置指南.md) - Webhook完整配置教程
|
||||
- [Webhook功能完成说明.md](Webhook功能完成说明.md) - Webhook功能详细说明
|
||||
- [Webhook自定义关键词功能说明.md](Webhook自定义关键词功能说明.md) - 关键词配置指南
|
||||
- [邮件配置指南.md](邮件配置指南.md) - 邮件通知配置
|
||||
- [Webhook通知配置指南.md](docs/Webhook通知配置指南.md) - Webhook完整配置教程
|
||||
- [Webhook功能完成说明.md](docs/Webhook功能完成说明.md) - Webhook功能详细说明
|
||||
- [Webhook自定义关键词功能说明.md](docs/Webhook自定义关键词功能说明.md) - 关键词配置指南
|
||||
- [邮件配置指南.md](docs/邮件配置指南.md) - 邮件通知配置
|
||||
|
||||
**智策板块分析文档** ⭐️：
|
||||
- [智策功能总览.md](智策功能总览.md) - 智策系统全景介绍
|
||||
- [智策板块使用指南.md](智策板块使用指南.md) - 完整使用教程
|
||||
- [智策板块快速开始.md](智策板块快速开始.md) - 5分钟快速上手
|
||||
- [智策定时分析使用指南.md](智策定时分析使用指南.md) - 定时分析详细指南
|
||||
- [智策定时分析功能完成说明.md](智策定时分析功能完成说明.md) - 功能详细说明
|
||||
- [智策定时分析部署清单.md](智策定时分析部署清单.md) - 部署步骤和故障排查
|
||||
- [智策定时分析更新日志.md](智策定时分析更新日志.md) - 版本历史
|
||||
- [智策功能总览.md](docs/智策功能总览.md) - 智策系统全景介绍
|
||||
- [智策板块使用指南.md](docs/智策板块使用指南.md) - 完整使用教程
|
||||
- [智策板块快速开始.md](docs/智策板块快速开始.md) - 5分钟快速上手
|
||||
- [智策定时分析使用指南.md](docs/智策定时分析使用指南.md) - 定时分析详细指南
|
||||
- [智策定时分析功能完成说明.md](docs/智策定时分析功能完成说明.md) - 功能详细说明
|
||||
- [智策定时分析部署清单.md](docs/智策定时分析部署清单.md) - 部署步骤和故障排查
|
||||
- [智策定时分析更新日志.md](docs/智策定时分析更新日志.md) - 版本历史
|
||||
|
||||
**持仓定时分析文档** ⭐️：
|
||||
- [PORTFOLIO_USAGE.md](docs/PORTFOLIO_USAGE.md) - 持仓分析完整使用指南
|
||||
- [MULTI_SCHEDULE_GUIDE.md](docs/MULTI_SCHEDULE_GUIDE.md) - 多定时配置指南
|
||||
- [UNIFIED_ANALYSIS_SPEC.md](docs/UNIFIED_ANALYSIS_SPEC.md) - 统一调用规范
|
||||
|
||||
**智瞰龙虎文档** ⭐️：
|
||||
- [LONGHUBANG_BATCH_ANALYSIS.md](docs/LONGHUBANG_BATCH_ANALYSIS.md) - 批量分析使用指南
|
||||
- [智瞰龙虎功能说明.md](docs/智瞰龙虎功能说明.md) - 功能详细说明
|
||||
- [智瞰龙虎快速开始.md](docs/智瞰龙虎快速开始.md) - 快速上手指南
|
||||
|
||||
**其他功能文档**：
|
||||
- [环境配置功能说明.md](环境配置功能说明.md) - 完整环境配置说明
|
||||
- [环境配置快速指南.md](环境配置快速指南.md) - 快速配置参考
|
||||
- [实时监测优化说明.md](实时监测优化说明.md) - 实时监测功能详解
|
||||
- [主力选股使用指南.md](主力选股使用指南.md) - 主力选股功能
|
||||
- [量化交易快速指南.md](量化交易快速指南.md) - MiniQMT集成指南
|
||||
- [DOCKER_DEPLOYMENT.md](DOCKER_DEPLOYMENT.md) - Docker部署详细文档
|
||||
- [环境配置功能说明.md](docs/环境配置功能说明.md) - 完整环境配置说明
|
||||
- [环境配置快速指南.md](docs/环境配置快速指南.md) - 快速配置参考
|
||||
- [主力选股使用指南.md](docs/主力选股使用指南.md) - 主力选股功能
|
||||
- [量化交易快速指南.md](docs/量化交易快速指南.md) - MiniQMT集成指南
|
||||
- [DOCKER_DEPLOYMENT.md](docs/DOCKER_DEPLOYMENT.md) - Docker部署详细文档
|
||||
- [QUICK_START.md](docs/QUICK_START.md) - 快速开始指南
|
||||
- [UPDATE_LOG.md](docs/UPDATE_LOG.md) - 功能更新日志
|
||||
|
||||
### 错误报告
|
||||
如发现bug，请查看 `BUGFIX.md` 文件了解已知问题和解决方案。
|
||||
|
||||
@@ -1,223 +0,0 @@
|
||||
# 🎨 UI美化升级说明
|
||||
|
||||
## 升级概览
|
||||
|
||||
系统UI已全面升级，采用现代化设计理念，提升用户体验和视觉效果。
|
||||
|
||||
## 🌟 主要改进
|
||||
|
||||
### 1. 顶部标题栏
|
||||
- **渐变背景**：紫色渐变（#667eea → #764ba2）
|
||||
- **立体阴影**：增加视觉层次感
|
||||
- **双语标题**：中英文展示，更专业
|
||||
- **响应式设计**：移动端自适应
|
||||
|
||||
### 2. 侧边栏美化
|
||||
**配色方案**
|
||||
- 背景：紫色渐变（180度）
|
||||
- 文字：白色/半透明白色
|
||||
- 按钮：渐变背景 + 悬停效果
|
||||
|
||||
**布局优化**（从上到下）
|
||||
1. 🔍 **快捷导航**（置顶）
|
||||
- 历史记录按钮
|
||||
- 实时监测按钮
|
||||
- 返回首页按钮
|
||||
|
||||
2. ⚙️ **系统配置**
|
||||
- API连接状态
|
||||
- AI模型选择器
|
||||
|
||||
3. 📊 **系统状态面板**
|
||||
- 监测服务状态
|
||||
- 分析记录统计
|
||||
- 监测股票数量
|
||||
- 待处理通知
|
||||
|
||||
4. 📊 **分析参数设置**
|
||||
- 数据周期选择
|
||||
|
||||
5. 💡 **使用帮助**（折叠式）
|
||||
|
||||
### 3. 主页面样式
|
||||
**全局背景**
|
||||
- 紫色渐变背景（固定定位）
|
||||
- 主容器：半透明白色背景
|
||||
- 圆角边框：20px
|
||||
- 立体阴影效果
|
||||
|
||||
**卡片设计**
|
||||
- 分析师卡片：灰白渐变 + 左侧紫色边框
|
||||
- 决策卡片：绿色渐变 + 粗边框
|
||||
- 警告卡片：橙色渐变 + 左侧边框
|
||||
- 指标卡片：白色 + 顶部紫色边框
|
||||
|
||||
**交互效果**
|
||||
- 悬停动画：平移/抬起效果
|
||||
- 阴影渐变：鼠标悬停时加深
|
||||
- 按钮动画：上移 + 阴影扩大
|
||||
|
||||
### 4. 组件美化
|
||||
**按钮**
|
||||
- 紫色渐变背景
|
||||
- 圆角：10px
|
||||
- 悬停效果：上移2px + 阴影扩大
|
||||
- 字体：600粗细，白色
|
||||
|
||||
**输入框**
|
||||
- 圆角：10px
|
||||
- 边框：2px实线
|
||||
- 聚焦效果：紫色边框 + 外发光
|
||||
|
||||
**进度条**
|
||||
- 紫色渐变填充
|
||||
- 平滑过渡动画
|
||||
|
||||
**消息框**
|
||||
- 圆角：10px
|
||||
- 立体阴影
|
||||
- 内边距：1rem
|
||||
|
||||
**图表**
|
||||
- 圆角：15px
|
||||
- 阴影效果
|
||||
- 自适应容器
|
||||
|
||||
## 📊 配色方案
|
||||
|
||||
### 主色调
|
||||
```css
|
||||
主紫色: #667eea
|
||||
深紫色: #764ba2
|
||||
```
|
||||
|
||||
### 辅助色
|
||||
```css
|
||||
成功色: #4caf50 (绿色)
|
||||
警告色: #ff9800 (橙色)
|
||||
错误色: #f44336 (红色)
|
||||
信息色: #2196f3 (蓝色)
|
||||
```
|
||||
|
||||
### 背景色
|
||||
```css
|
||||
主背景: linear-gradient(135deg, #667eea 0%, #764ba2 100%)
|
||||
卡片背景: rgba(255, 255, 255, 0.95)
|
||||
侧边栏: linear-gradient(180deg, #667eea 0%, #764ba2 100%)
|
||||
```
|
||||
|
||||
## 🎯 设计特点
|
||||
|
||||
### 1. 渐变美学
|
||||
- 大量使用渐变色
|
||||
- 增加视觉深度
|
||||
- 现代化科技感
|
||||
|
||||
### 2. 卡片式布局
|
||||
- 信息模块化
|
||||
- 清晰的视觉分隔
|
||||
- 便于信息查找
|
||||
|
||||
### 3. 微交互设计
|
||||
- 悬停动画反馈
|
||||
- 平滑过渡效果
|
||||
- 提升交互体验
|
||||
|
||||
### 4. 专业配色
|
||||
- 紫色代表智能科技
|
||||
- 高对比度易读性
|
||||
- 统一的视觉语言
|
||||
|
||||
## 🔧 技术实现
|
||||
|
||||
### CSS特性
|
||||
- **渐变（Gradient）**：linear-gradient
|
||||
- **阴影（Shadow）**：box-shadow
|
||||
- **圆角（Radius）**：border-radius
|
||||
- **过渡（Transition）**：transition
|
||||
- **变换（Transform）**：transform
|
||||
- **透明度（Opacity）**：rgba
|
||||
|
||||
### 响应式设计
|
||||
```css
|
||||
@media (max-width: 768px) {
|
||||
/* 移动端适配 */
|
||||
.nav-title { font-size: 1.5rem; }
|
||||
.stTabs [data-baseweb="tab"] {
|
||||
font-size: 0.9rem;
|
||||
padding: 0 1rem;
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
## 📱 兼容性
|
||||
|
||||
- ✅ 桌面端（1920px+）
|
||||
- ✅ 笔记本（1366px+）
|
||||
- ✅ 平板（768px+）
|
||||
- ✅ 手机（375px+）
|
||||
|
||||
## 🎨 UI组件清单
|
||||
|
||||
### 已美化组件
|
||||
- [x] 顶部导航栏
|
||||
- [x] 侧边栏
|
||||
- [x] 主标题
|
||||
- [x] 按钮
|
||||
- [x] 输入框
|
||||
- [x] 进度条
|
||||
- [x] 卡片
|
||||
- [x] 消息框
|
||||
- [x] 图表容器
|
||||
- [x] Expander
|
||||
- [x] 数据框
|
||||
|
||||
### 隐藏元素
|
||||
- [x] Streamlit顶部菜单
|
||||
- [x] Streamlit底部水印
|
||||
|
||||
## 💡 使用建议
|
||||
|
||||
### 1. 保持一致性
|
||||
- 所有新增卡片使用统一样式
|
||||
- 按钮保持统一配色
|
||||
- 间距使用统一标准
|
||||
|
||||
### 2. 适度使用动画
|
||||
- 避免过度动画
|
||||
- 保持性能流畅
|
||||
- 提升而非干扰用户
|
||||
|
||||
### 3. 注意可访问性
|
||||
- 保持足够对比度
|
||||
- 文字大小适中
|
||||
- 颜色不是唯一信息来源
|
||||
|
||||
## 🚀 未来优化方向
|
||||
|
||||
- [ ] 深色模式支持
|
||||
- [ ] 主题切换功能
|
||||
- [ ] 更多动画效果
|
||||
- [ ] 自定义配色方案
|
||||
- [ ] 图标库扩展
|
||||
- [ ] 加载动画优化
|
||||
|
||||
## 📝 维护说明
|
||||
|
||||
### CSS位置
|
||||
所有CSS样式定义在 `app.py` 文件顶部的 `st.markdown()` 中。
|
||||
|
||||
### 修改指南
|
||||
1. 在CSS样式块中修改
|
||||
2. 保持选择器特异性
|
||||
3. 测试不同屏幕尺寸
|
||||
4. 保持代码注释
|
||||
|
||||
### 版本记录
|
||||
- **v2.0** (2025-10-03): 全面UI美化升级
|
||||
- **v1.0** (2025-10-02): 基础UI实现
|
||||
|
||||
---
|
||||
|
||||
**设计理念**：简洁、现代、专业、易用
|
||||
|
||||
@@ -0,0 +1,479 @@
|
||||
# 智瞰龙虎 - TOP股票批量分析功能
|
||||
|
||||
## 📖 功能概述
|
||||
|
||||
在智瞰龙虎的**AI评分排名**中，对TOP10综合评分排名的股票提供**一键批量深度分析**功能。
|
||||
|
||||
---
|
||||
|
||||
## 🚀 快速开始
|
||||
|
||||
### 1. 进入智瞰龙虎
|
||||
|
||||
1. 启动应用：`streamlit run app.py`
|
||||
2. 点击侧边栏 **"🎯 智瞰龙虎"**
|
||||
3. 切换到 **"🏆 AI评分排名"** 标签
|
||||
4. 点击 **"开始分析"** 获取龙虎榜数据
|
||||
|
||||
### 2. 查看TOP10评分
|
||||
|
||||
- 系统自动显示 **"🥇 TOP10 综合评分排名"** 表格
|
||||
- 评分维度：资金含金量、净买入额、卖出压力、机构共振、加分项
|
||||
|
||||
### 3. 一键批量分析
|
||||
|
||||
1. 在TOP10表格下方找到 **"🚀 批量深度分析"** 区域
|
||||
2. 选择分析数量：3只 / 5只 / 10只
|
||||
3. 点击 **"🚀 开始批量分析"** 按钮
|
||||
4. 选择分析模式：
|
||||
- **顺序分析**：稳定可靠，逐个分析
|
||||
- **并行分析**：速度更快，3线程同时分析
|
||||
5. 点击 **"🚀 确认开始分析"**
|
||||
6. 等待进度完成
|
||||
|
||||
### 4. 查看分析结果
|
||||
|
||||
- **统计信息**：总计、成功、失败、耗时
|
||||
- **分析详情**：每只股票的投资评级、进场区间、止盈止损
|
||||
- **快捷操作**：一键加入监测列表
|
||||
|
||||
---
|
||||
|
||||
## 🎯 使用场景
|
||||
|
||||
### 场景1：短线交易机会挖掘
|
||||
|
||||
```
|
||||
龙虎榜数据 → AI评分排名 → TOP3批量分析 → 选择买入标的
|
||||
```
|
||||
|
||||
**流程**：
|
||||
1. 龙虎榜找出活跃游资关注的股票
|
||||
2. AI评分筛选最优质的3只
|
||||
3. 深度分析获取具体买卖点
|
||||
4. 加入监测，等待进场机会
|
||||
|
||||
### 场景2：游资龙头股追踪
|
||||
|
||||
```
|
||||
龙虎榜数据 → TOP5分析 → 识别龙头 → 波段操作
|
||||
```
|
||||
|
||||
**流程**：
|
||||
1. 关注TOP5综合评分最高的股票
|
||||
2. 深度分析确认题材和趋势
|
||||
3. 设置监测参数
|
||||
4. 波段操作，把握涨幅
|
||||
|
||||
### 场景3：热点题材捕捉
|
||||
|
||||
```
|
||||
龙虎榜数据 → TOP10分析 → 题材对比 → 选股布局
|
||||
```
|
||||
|
||||
**流程**：
|
||||
1. 分析TOP10了解全局热点
|
||||
2. 对比各股题材和资金流向
|
||||
3. 选择最强势的题材龙头
|
||||
4. 及时布局
|
||||
|
||||
---
|
||||
|
||||
## 💡 功能特性
|
||||
|
||||
### 1. 智能筛选
|
||||
|
||||
- ✅ 基于AI评分自动排名
|
||||
- ✅ 5维度综合评估（资金、机构、游资、题材、风险）
|
||||
- ✅ TOP10精选，避免分析过多
|
||||
|
||||
### 2. 批量分析
|
||||
|
||||
- ✅ 支持分析前3/5/10只股票
|
||||
- ✅ 顺序/并行两种模式
|
||||
- ✅ 实时进度显示
|
||||
- ✅ **遵循统一调用规范** ⭐️
|
||||
|
||||
### 3. 统一结果
|
||||
|
||||
- ✅ 使用 `app.analyze_single_stock_for_batch()` 统一函数
|
||||
- ✅ 统一字段名：`rating`, `confidence_level`, `entry_range`等
|
||||
- ✅ 统一展示格式：emoji、布局、信息
|
||||
|
||||
### 4. 快捷操作
|
||||
|
||||
- ✅ 一键加入监测列表
|
||||
- ✅ 自动解析进场区间和止盈止损
|
||||
- ✅ 直接开启实时监控
|
||||
|
||||
---
|
||||
|
||||
## 📊 分析维度
|
||||
|
||||
### 龙虎榜评分（初筛）
|
||||
|
||||
| 维度 | 权重 | 说明 |
|
||||
|------|------|------|
|
||||
| 资金含金量 | 30分 | 顶级游资数量和质量 |
|
||||
| 净买入额 | 25分 | 买入金额vs卖出金额 |
|
||||
| 卖出压力 | 20分 | 卖方力量（反向） |
|
||||
| 机构共振 | 15分 | 机构参与度 |
|
||||
| 加分项 | 10分 | 连续上榜、题材等 |
|
||||
|
||||
### AI深度分析（精选）
|
||||
|
||||
| 维度 | 分析师 | 内容 |
|
||||
|------|--------|------|
|
||||
| 技术面 | 技术分析师 | K线、指标、趋势 |
|
||||
| 基本面 | 基本面分析师 | 财务、估值、成长 |
|
||||
| 资金面 | 资金流向分析师 | 主力资金、北向资金 |
|
||||
| 风险面 | 风险管理师 | 风险提示、止损策略 |
|
||||
| 综合决策 | 团队讨论 | 投资评级、关键价位 |
|
||||
|
||||
---
|
||||
|
||||
## 🎯 推荐策略
|
||||
|
||||
### 保守策略（TOP3）
|
||||
|
||||
- **分析数量**：3只
|
||||
- **分析模式**：顺序分析
|
||||
- **选股原则**：只选评分最高的3只
|
||||
- **操作策略**：深度分析后选1-2只重点关注
|
||||
|
||||
### 积极策略（TOP5）
|
||||
|
||||
- **分析数量**：5只
|
||||
- **分析模式**：并行分析（3线程）
|
||||
- **选股原则**：评分靠前的5只
|
||||
- **操作策略**：分散持仓，捕捉多个机会
|
||||
|
||||
### 全面策略（TOP10）
|
||||
|
||||
- **分析数量**：10只
|
||||
- **分析模式**：并行分析（5线程）
|
||||
- **选股原则**：全面了解热点
|
||||
- **操作策略**：对比分析，精选2-3只最优
|
||||
|
||||
---
|
||||
|
||||
## ⚙️ 技术实现
|
||||
|
||||
### 遵循统一调用规范 ⭐️
|
||||
|
||||
**严格遵循 `docs/UNIFIED_ANALYSIS_SPEC.md` 规范：**
|
||||
|
||||
1. ✅ 调用统一函数：`app.analyze_single_stock_for_batch()`
|
||||
2. ✅ 使用统一字段：`rating`, `confidence_level`, `entry_range`, `take_profit`, `stop_loss`
|
||||
3. ✅ 统一解析逻辑：`split("-")`, `re.findall(r'\d+\.?\d*')`
|
||||
4. ✅ 统一展示格式：emoji标识、一致布局
|
||||
|
||||
### 代码示例
|
||||
|
||||
```python
|
||||
# 调用统一分析函数
|
||||
from app import analyze_single_stock_for_batch
|
||||
|
||||
result = analyze_single_stock_for_batch(
|
||||
symbol=code,
|
||||
period="1y",
|
||||
enabled_analysts_config={
|
||||
'technical': True,
|
||||
'fundamental': True,
|
||||
'fund_flow': True,
|
||||
'risk': True,
|
||||
'sentiment': False,
|
||||
'news': False
|
||||
},
|
||||
selected_model='deepseek-chat'
|
||||
)
|
||||
|
||||
# 使用统一字段名
|
||||
final_decision = result["final_decision"]
|
||||
rating = final_decision.get("rating", "未知")
|
||||
confidence = final_decision.get("confidence_level", "N/A")
|
||||
entry_range = final_decision.get("entry_range", "N/A")
|
||||
```
|
||||
|
||||
### 批量分析流程
|
||||
|
||||
```
|
||||
用户点击"开始批量分析"
|
||||
↓
|
||||
提取TOP N股票代码
|
||||
↓
|
||||
存储到session_state
|
||||
↓
|
||||
重新渲染页面
|
||||
↓
|
||||
检测到批量分析触发标志
|
||||
↓
|
||||
显示分析配置界面
|
||||
↓
|
||||
用户确认开始
|
||||
↓
|
||||
顺序/并行调用统一分析函数
|
||||
↓
|
||||
显示进度和结果
|
||||
↓
|
||||
保存结果到session_state
|
||||
↓
|
||||
展示分析详情
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 💡 使用技巧
|
||||
|
||||
### 1. 最佳分析时机
|
||||
|
||||
- **盘后17:00-20:00**：龙虎榜数据更新后
|
||||
- **次日盘前09:00-09:25**：开盘前复盘
|
||||
|
||||
### 2. 合理选择数量
|
||||
|
||||
- **3只**：精选，深度研究
|
||||
- **5只**：平衡，适合大多数场景
|
||||
- **10只**：全面，了解整体热点
|
||||
|
||||
### 3. 结合龙虎榜信息
|
||||
|
||||
分析时重点关注：
|
||||
- 顶级游资参与情况
|
||||
- 机构是否共振
|
||||
- 净流入金额大小
|
||||
- 题材是否持续
|
||||
|
||||
### 4. 快速加入监测
|
||||
|
||||
- 分析完成后直接点击"加入监测"
|
||||
- 自动设置进场区间和止盈止损
|
||||
- 实时监测价格变化
|
||||
- 及时把握买卖时机
|
||||
|
||||
---
|
||||
|
||||
## 📈 预期效果
|
||||
|
||||
### 输入
|
||||
- 龙虎榜TOP10股票代码
|
||||
|
||||
### 输出
|
||||
- 每只股票的完整AI分析：
|
||||
- 投资评级（买入/持有/卖出）
|
||||
- 信心度评分
|
||||
- 进场区间
|
||||
- 止盈位
|
||||
- 止损位
|
||||
- 目标价
|
||||
- 投资建议
|
||||
|
||||
### 后续操作
|
||||
- 选择优质标的加入监测
|
||||
- 设置价格告警
|
||||
- 等待买卖信号
|
||||
- 严格执行止盈止损
|
||||
|
||||
---
|
||||
|
||||
## 🆚 功能对比
|
||||
|
||||
| 功能 | 龙虎榜评分 | AI深度分析 |
|
||||
|------|-----------|-----------|
|
||||
| **速度** | 秒级 | 分钟级 |
|
||||
| **深度** | 资金维度 | 多维度综合 |
|
||||
| **精度** | 初筛排名 | 精准评级 |
|
||||
| **关键价位** | 无 | 有（进场/止盈/止损） |
|
||||
| **适用** | 快速筛选 | 决策依据 |
|
||||
|
||||
**建议组合使用**：
|
||||
1. 龙虎榜评分快速筛选TOP10
|
||||
2. AI深度分析精选3-5只
|
||||
3. 加入监测等待买点
|
||||
4. 严格执行交易纪律
|
||||
|
||||
---
|
||||
|
||||
## 🔧 常见问题
|
||||
|
||||
### Q1: 批量分析需要多久？
|
||||
|
||||
**A:** 取决于数量和模式：
|
||||
- 3只顺序：约3-5分钟
|
||||
- 5只并行(3线程)：约4-6分钟
|
||||
- 10只并行(3线程)：约8-12分钟
|
||||
|
||||
### Q2: 所有TOP10都值得分析吗？
|
||||
|
||||
**A:** 不一定，建议：
|
||||
- 评分>80分：优先分析
|
||||
- 评分60-80分：选择性分析
|
||||
- 评分<60分：谨慎，可能风险较高
|
||||
|
||||
### Q3: 批量分析后如何选股？
|
||||
|
||||
**A:** 参考以下标准：
|
||||
1. 投资评级：优选"买入"或"强烈买入"
|
||||
2. 信心度：≥7分
|
||||
3. 龙虎榜评分：≥75分
|
||||
4. 资金面：净流入为正
|
||||
5. 风险面：无重大风险提示
|
||||
|
||||
### Q4: 分析失败怎么办？
|
||||
|
||||
**A:** 可能原因和解决：
|
||||
- 股票代码错误：检查代码格式
|
||||
- 网络问题：重试或切换顺序模式
|
||||
- API限流：减少并发线程数
|
||||
- 数据缺失：该股可能暂停交易
|
||||
|
||||
### Q5: 能否保存分析结果？
|
||||
|
||||
**A:** 当前版本：
|
||||
- 结果保存在session_state（关闭页面会丢失）
|
||||
- 可点击"加入监测"保存关键参数
|
||||
- 未来版本将支持保存到数据库
|
||||
|
||||
---
|
||||
|
||||
## 🎊 更新内容
|
||||
|
||||
### 新增功能
|
||||
- ✅ TOP10股票一键批量分析
|
||||
- ✅ 可选分析数量（3/5/10只）
|
||||
- ✅ 顺序/并行分析模式
|
||||
- ✅ 实时进度显示
|
||||
- ✅ 详细结果展示
|
||||
- ✅ 一键加入监测
|
||||
|
||||
### 技术亮点
|
||||
- ✅ **遵循统一调用规范**：调用 `app.analyze_single_stock_for_batch()`
|
||||
- ✅ **统一字段使用**：`rating`, `confidence_level`, `entry_range`等
|
||||
- ✅ **统一解析逻辑**：字符串数值提取标准化
|
||||
- ✅ **代码复用最大化**：无重复分析逻辑
|
||||
- ✅ **结果展示一致**：与首页批量分析保持一致
|
||||
|
||||
---
|
||||
|
||||
## 📝 完整流程示例
|
||||
|
||||
### 实战案例：捕捉龙虎榜短线机会
|
||||
|
||||
#### Step 1: 获取龙虎榜数据（17:00后）
|
||||
```
|
||||
智瞰龙虎 → 龙虎榜分析 → 指定日期（昨日）
|
||||
→ 开始分析 → 等待AI分析完成
|
||||
```
|
||||
|
||||
#### Step 2: 查看AI评分排名
|
||||
```
|
||||
切换到"AI评分排名"标签
|
||||
→ 查看TOP10综合评分表格
|
||||
→ 关注评分>80分的股票
|
||||
```
|
||||
|
||||
#### Step 3: 批量深度分析
|
||||
```
|
||||
选择分析数量：5只
|
||||
→ 点击"开始批量分析"
|
||||
→ 选择并行分析（3线程）
|
||||
→ 确认开始分析
|
||||
→ 等待5-8分钟完成
|
||||
```
|
||||
|
||||
#### Step 4: 筛选优质标的
|
||||
```
|
||||
查看分析结果
|
||||
→ 筛选条件：
|
||||
- 评级：买入/强烈买入
|
||||
- 信心度：≥7分
|
||||
- 龙虎榜评分：≥75分
|
||||
→ 精选2-3只重点关注
|
||||
```
|
||||
|
||||
#### Step 5: 加入监测
|
||||
```
|
||||
对精选股票点击"➕ 加入监测"
|
||||
→ 自动设置进场区间、止盈止损
|
||||
→ 启动实时价格监控
|
||||
```
|
||||
|
||||
#### Step 6: 执行交易
|
||||
```
|
||||
次日开盘
|
||||
→ 监测提醒进入进场区间
|
||||
→ 买入建仓
|
||||
→ 监测提醒到达止盈位
|
||||
→ 卖出止盈
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 🎯 最佳实践
|
||||
|
||||
### 1. 评分+分析双重验证
|
||||
|
||||
- 不仅看龙虎榜评分，更要看AI深度分析
|
||||
- 评分高但AI评级"卖出"→ 谨慎
|
||||
- 评分中等但AI评级"买入"→ 关注
|
||||
|
||||
### 2. 时间把握
|
||||
|
||||
- **最佳分析时间**：盘后18:00-20:00
|
||||
- **最佳买入时间**：次日09:30-10:00
|
||||
- **最佳止盈时间**：触发止盈位立即卖出
|
||||
|
||||
### 3. 风险控制
|
||||
|
||||
- 严格遵守AI给出的止损位
|
||||
- 不因短期波动随意调整
|
||||
- 仓位控制：单只≤总资金20%
|
||||
- 龙虎榜股票波动大，轻仓操作
|
||||
|
||||
### 4. 组合策略
|
||||
|
||||
- 不要全仓单只龙虎榜股票
|
||||
- TOP3选1-2只重点
|
||||
- 分散题材，降低风险
|
||||
- 部分仓位留作机动
|
||||
|
||||
---
|
||||
|
||||
## ⚠️ 风险提示
|
||||
|
||||
### 龙虎榜股票特点
|
||||
|
||||
- ⚡ **高波动**：涨跌幅度大
|
||||
- 🎢 **短周期**：题材炒作时间短
|
||||
- 📉 **高风险**：游资出货快
|
||||
- 🎲 **不确定性**：情绪主导
|
||||
|
||||
### 注意事项
|
||||
|
||||
1. **不追高**：进场区间外不盲目追涨
|
||||
2. **严守止损**：达到止损位立即离场
|
||||
3. **快进快出**：龙虎榜股票不适合长期持有
|
||||
4. **控制仓位**：单只不超过20%
|
||||
5. **关注题材**：题材降温及时止盈
|
||||
|
||||
---
|
||||
|
||||
## 📚 相关文档
|
||||
|
||||
- **统一规范**：`docs/UNIFIED_ANALYSIS_SPEC.md` - 分析调用规范
|
||||
- **龙虎榜功能**：README.md - 智瞰龙虎系统介绍
|
||||
- **监测功能**：首页实时监测文档
|
||||
|
||||
---
|
||||
|
||||
## 🎊 总结
|
||||
|
||||
**智瞰龙虎TOP股票批量分析功能**为您提供：
|
||||
|
||||
✅ 龙虎榜AI评分快速筛选
|
||||
✅ 深度分析精准定位买卖点
|
||||
✅ 一键加入监测实时跟踪
|
||||
✅ 完整的短线交易解决方案
|
||||
|
||||
**祝您抓住每一个龙虎榜机会！** 🎯📈
|
||||
|
||||
@@ -0,0 +1,512 @@
|
||||
# 多定时分析功能使用指南
|
||||
|
||||
## 📖 功能概述
|
||||
|
||||
多定时分析功能允许您设置**多个每日分析时间点**，系统将在每个时间点自动执行持仓批量分析。
|
||||
|
||||
### 使用场景
|
||||
|
||||
- ✅ **盘前+盘后分析**：开盘前09:25 + 收盘后15:05
|
||||
- ✅ **多频次监控**：早盘09:30 + 午盘13:00 + 尾盘14:50
|
||||
- ✅ **分时段策略**：早中晚三次分析，捕捉不同时段机会
|
||||
- ✅ **灵活配置**：根据个人作息和交易习惯自定义
|
||||
|
||||
---
|
||||
|
||||
## 🚀 快速开始
|
||||
|
||||
### 1. 进入定时任务管理
|
||||
|
||||
1. 启动应用：`streamlit run app.py`
|
||||
2. 点击侧边栏 **"📊 持仓分析"**
|
||||
3. 切换到 **"⏰ 定时任务"** 标签
|
||||
|
||||
### 2. 添加定时时间
|
||||
|
||||
1. 点击 **"➕ 添加定时时间"** 展开表单
|
||||
2. 选择新的分析时间（如 15:05）
|
||||
3. 点击 **"➕ 添加"** 按钮
|
||||
4. 系统自动按时间顺序排列
|
||||
|
||||
### 3. 删除定时时间
|
||||
|
||||
1. 在已配置时间列表中找到要删除的时间
|
||||
2. 点击该时间旁边的 **"🗑️"** 按钮
|
||||
3. 确认删除（至少保留1个时间）
|
||||
|
||||
### 4. 启动调度器
|
||||
|
||||
1. 配置好所有定时时间后
|
||||
2. 点击 **"▶️ 启动调度器"**
|
||||
3. 系统将在每个时间点自动执行分析
|
||||
|
||||
---
|
||||
|
||||
## 💡 推荐配置
|
||||
|
||||
### 方案1：盘前+盘后（保守）
|
||||
|
||||
适合：长期投资者、上班族
|
||||
|
||||
```
|
||||
09:25 盘前分析（开盘前5分钟，提前布局）
|
||||
15:05 盘后分析（收盘后5分钟，复盘总结）
|
||||
```
|
||||
|
||||
**优点**：
|
||||
- 信息全面：盘前看预期，盘后看实际
|
||||
- 不影响工作：两个时间点不频繁
|
||||
- 数据准确：收盘数据完整可靠
|
||||
|
||||
### 方案2：三时段监控（积极）
|
||||
|
||||
适合：活跃投资者、短线交易者
|
||||
|
||||
```
|
||||
09:30 早盘分析（开盘后观察）
|
||||
13:05 午盘分析（午盘结束，调整策略）
|
||||
15:05 尾盘分析（收盘总结）
|
||||
```
|
||||
|
||||
**优点**：
|
||||
- 全天跟踪：早中晚全覆盖
|
||||
- 及时调整：发现异常快速反应
|
||||
- 捕捉机会：不同时段的交易机会
|
||||
|
||||
### 方案3：高频监测（专业）
|
||||
|
||||
适合：专业交易者、日内交易
|
||||
|
||||
```
|
||||
09:25 盘前预测
|
||||
10:00 早盘检查
|
||||
11:30 午前评估
|
||||
13:05 午盘分析
|
||||
14:30 尾盘准备
|
||||
15:05 收盘复盘
|
||||
```
|
||||
|
||||
**优点**：
|
||||
- 极致监控：全天候跟踪
|
||||
- 快速响应：及时发现变化
|
||||
- 数据密集：积累更多历史
|
||||
|
||||
**注意**：高频分析消耗更多API调用，确保额度充足
|
||||
|
||||
### 方案4：夜盘准备（港美股）
|
||||
|
||||
适合：投资港股美股的用户
|
||||
|
||||
```
|
||||
08:30 早间准备
|
||||
21:00 美股开盘前（夏令时20:30，冬令时21:30）
|
||||
```
|
||||
|
||||
**优点**：
|
||||
- 跨市场：覆盖A股和美股
|
||||
- 错峰分析：避开A股交易时段
|
||||
|
||||
---
|
||||
|
||||
## ⚙️ 功能详解
|
||||
|
||||
### 添加定时时间
|
||||
|
||||
**步骤**：
|
||||
1. 展开 "➕ 添加定时时间"
|
||||
2. 使用时间选择器选择时间
|
||||
3. 点击"➕ 添加"
|
||||
|
||||
**规则**：
|
||||
- 时间格式：24小时制（00:00 - 23:59）
|
||||
- 自动去重：相同时间不会重复添加
|
||||
- 自动排序：按时间从早到晚排列
|
||||
- 即时生效：调度器运行中添加会立即生效
|
||||
|
||||
### 删除定时时间
|
||||
|
||||
**步骤**：
|
||||
1. 找到要删除的时间卡片
|
||||
2. 点击 "🗑️" 按钮
|
||||
|
||||
**规则**：
|
||||
- 最少保留：至少保留1个时间点
|
||||
- 即时生效：调度器运行中删除会立即生效
|
||||
- 不可恢复：删除后需重新添加
|
||||
|
||||
### 查看定时状态
|
||||
|
||||
**状态栏显示**：
|
||||
- 🟢 调度器运行中 / 🔴 调度器已停止
|
||||
- ⏰ 定时数量：X个
|
||||
- ⏭️ 下次运行：最近的运行时间
|
||||
|
||||
**时间列表**：
|
||||
- 以卡片形式展示所有时间点
|
||||
- 每行显示4个时间
|
||||
- 自动按时间排序
|
||||
|
||||
---
|
||||
|
||||
## 🎯 最佳实践
|
||||
|
||||
### 1. 合理设置时间点
|
||||
|
||||
**推荐**：
|
||||
- 2-3个时间点最佳（盘前、盘后）
|
||||
- 避免设置过多（>5个）导致频繁分析
|
||||
|
||||
**避免**：
|
||||
- 不要在交易时段频繁分析（影响关注盘面）
|
||||
- 不要在凌晨设置（数据未更新）
|
||||
|
||||
### 2. 考虑数据更新时间
|
||||
|
||||
| 数据类型 | 更新时间 | 建议分析时间 |
|
||||
|---------|---------|-------------|
|
||||
| 实时行情 | 交易时段 | 盘中任意时间 |
|
||||
| 日K线 | 15:00后 | 15:05后 |
|
||||
| 龙虎榜 | 次日8:00 | 次日9:00后 |
|
||||
| 财务报表 | 季度发布 | 任意时间 |
|
||||
| 主力资金 | 实时更新 | 盘中/盘后 |
|
||||
|
||||
### 3. 平衡分析频次与API消耗
|
||||
|
||||
**API消耗估算**：
|
||||
- 每只股票分析约需 6-10 次API调用
|
||||
- 10只持仓，3个时间点 = 每日180-300次调用
|
||||
- 确保DeepSeek API额度充足
|
||||
|
||||
**优化建议**：
|
||||
- 减少定时点数量
|
||||
- 选择顺序分析（避免并发限流）
|
||||
- 仅在关键时间点执行
|
||||
|
||||
### 4. 调试和监控
|
||||
|
||||
**查看运行日志**：
|
||||
- 终端输出会显示每次执行的详细日志
|
||||
- 包括开始时间、完成时间、成功/失败统计
|
||||
|
||||
**下次运行时间**：
|
||||
- 状态栏显示最近的运行时间
|
||||
- 启动调度器后自动计算
|
||||
|
||||
**历史记录**：
|
||||
- 每次分析都会保存到数据库
|
||||
- 切换到"分析历史"标签查看
|
||||
|
||||
---
|
||||
|
||||
## 🔧 配置示例
|
||||
|
||||
### 示例1：稳健投资者
|
||||
|
||||
```
|
||||
定时时间：
|
||||
- 09:25 (盘前)
|
||||
- 15:05 (盘后)
|
||||
|
||||
分析配置：
|
||||
- 模式：顺序分析
|
||||
- 自动监测：开启
|
||||
- 通知推送：开启
|
||||
```
|
||||
|
||||
### 示例2：短线交易者
|
||||
|
||||
```
|
||||
定时时间：
|
||||
- 09:30 (开盘)
|
||||
- 11:30 (午前)
|
||||
- 13:05 (午后)
|
||||
- 14:50 (尾盘)
|
||||
|
||||
分析配置：
|
||||
- 模式：并行分析（3线程）
|
||||
- 自动监测：开启
|
||||
- 通知推送：开启
|
||||
```
|
||||
|
||||
### 示例3：港美股投资者
|
||||
|
||||
```
|
||||
定时时间：
|
||||
- 08:30 (A股准备)
|
||||
- 15:05 (A股复盘)
|
||||
- 21:00 (美股准备)
|
||||
|
||||
分析配置：
|
||||
- 模式：并行分析（5线程）
|
||||
- 自动监测：开启
|
||||
- 通知推送：开启（Webhook实时推送）
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 💻 技术实现
|
||||
|
||||
### 数据结构
|
||||
|
||||
```python
|
||||
# 原来：单个时间字符串
|
||||
self.schedule_time = "09:30"
|
||||
|
||||
# 现在：时间列表
|
||||
self.schedule_times = ["09:30", "15:05", "20:00"]
|
||||
```
|
||||
|
||||
### 调度逻辑
|
||||
|
||||
```python
|
||||
# 为每个时间点创建独立的调度任务
|
||||
for time_str in self.schedule_times:
|
||||
schedule.every().day.at(time_str).do(self._scheduled_job)
|
||||
```
|
||||
|
||||
### 向后兼容
|
||||
|
||||
```python
|
||||
# schedule_time属性仍可用（返回第一个时间）
|
||||
@property
|
||||
def schedule_time(self) -> str:
|
||||
return self.schedule_times[0] if self.schedule_times else "09:30"
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 🐛 常见问题
|
||||
|
||||
### Q1: 最多可以设置几个定时时间？
|
||||
|
||||
**A:** 理论上无限制，但建议不超过5个。原因：
|
||||
- API调用量成倍增长
|
||||
- 分析结果变化过于频繁
|
||||
- 用户难以处理过多通知
|
||||
|
||||
### Q2: 多个时间点是否共享配置？
|
||||
|
||||
**A:** 是的，所有时间点共享相同的分析配置：
|
||||
- 分析模式（顺序/并行）
|
||||
- 自动监测同步开关
|
||||
- 通知推送开关
|
||||
- 分析师选择
|
||||
|
||||
如需不同配置，建议使用其他定时工具（如系统cron）。
|
||||
|
||||
### Q3: 两个时间间隔太近会怎样？
|
||||
|
||||
**A:** 建议间隔至少30分钟，避免：
|
||||
- 数据未更新，分析结果重复
|
||||
- 上次分析未完成，新任务已触发
|
||||
- API调用过于频繁
|
||||
|
||||
### Q4: 调度器重启后时间配置会丢失吗？
|
||||
|
||||
**A:** 当前配置存储在内存中，重启会丢失。建议：
|
||||
- 未来版本将支持配置持久化
|
||||
- 当前可在代码中设置默认时间
|
||||
|
||||
### Q5: 如何查看某个时间点的执行历史？
|
||||
|
||||
**A:** 切换到"分析历史"标签，按时间筛选：
|
||||
- 查看 `analysis_time` 字段
|
||||
- 筛选特定时间段的记录
|
||||
- 对比不同时间点的分析结果
|
||||
|
||||
---
|
||||
|
||||
## 📊 性能影响
|
||||
|
||||
### API调用量
|
||||
|
||||
| 持仓数 | 1个时间点 | 2个时间点 | 3个时间点 |
|
||||
|-------|---------|----------|----------|
|
||||
| 5只 | 30-50次/天 | 60-100次/天 | 90-150次/天 |
|
||||
| 10只 | 60-100次/天 | 120-200次/天 | 180-300次/天 |
|
||||
| 20只 | 120-200次/天 | 240-400次/天 | 360-600次/天 |
|
||||
|
||||
### 执行时间
|
||||
|
||||
- 不同时间点独立执行，互不影响
|
||||
- 并行模式可缩短单次执行时间
|
||||
- 确保两次分析之间有足够间隔
|
||||
|
||||
---
|
||||
|
||||
## 🎊 更新内容
|
||||
|
||||
### 新增功能
|
||||
- ✅ 支持添加多个定时时间点
|
||||
- ✅ 支持删除定时时间点
|
||||
- ✅ 自动按时间排序
|
||||
- ✅ 重复检测和防护
|
||||
- ✅ 即时生效（运行中修改）
|
||||
|
||||
### UI改进
|
||||
- ✅ 卡片式时间展示（4个一行）
|
||||
- ✅ 快速添加时间选择器
|
||||
- ✅ 一键删除按钮
|
||||
- ✅ 定时数量统计
|
||||
|
||||
### 技术优化
|
||||
- ✅ 向后兼容旧代码
|
||||
- ✅ schedule库多任务调度
|
||||
- ✅ 自动重新调度机制
|
||||
|
||||
---
|
||||
|
||||
## 🔄 升级指南
|
||||
|
||||
### 从单定时升级到多定时
|
||||
|
||||
**原有配置保持不变**：
|
||||
- 原来设置的时间会作为第一个时间点
|
||||
- `schedule_time` 属性仍可用（返回第一个时间）
|
||||
- 不需要修改任何配置即可使用
|
||||
|
||||
**开始使用多定时**：
|
||||
1. 进入定时任务管理界面
|
||||
2. 查看当前配置的时间（默认09:30）
|
||||
3. 点击"添加定时时间"添加新时间
|
||||
4. 重启调度器生效
|
||||
|
||||
---
|
||||
|
||||
## 📝 示例：配置盘前+盘后分析
|
||||
|
||||
### 步骤演示
|
||||
|
||||
1. **进入界面**
|
||||
- 侧边栏 → "📊 持仓分析" → "⏰ 定时任务"
|
||||
|
||||
2. **查看默认配置**
|
||||
- 已配置：09:30（默认）
|
||||
|
||||
3. **添加收盘后分析**
|
||||
- 展开"➕ 添加定时时间"
|
||||
- 选择时间：15:05
|
||||
- 点击"➕ 添加"
|
||||
- 确认添加成功
|
||||
|
||||
4. **配置分析选项**
|
||||
- 分析模式：并行分析
|
||||
- 并行线程数：3
|
||||
- 自动同步到监测：✓
|
||||
- 发送完成通知：✓
|
||||
- 点击"💾 更新配置"
|
||||
|
||||
5. **启动调度器**
|
||||
- 点击"▶️ 启动调度器"
|
||||
- 确认状态：🟢 调度器运行中
|
||||
- 查看下次运行时间
|
||||
|
||||
6. **验证配置**
|
||||
- 定时数量：2个
|
||||
- 时间列表：09:30, 15:05
|
||||
- 等待到达时间，自动执行
|
||||
|
||||
### 预期结果
|
||||
|
||||
- **每天09:25**：自动分析持仓 → 同步监测 → 发送通知
|
||||
- **每天15:05**：自动分析持仓 → 同步监测 → 发送通知
|
||||
- **分析历史**：每天新增2条记录/只股票
|
||||
- **邮件/Webhook**：每天收到2次通知
|
||||
|
||||
---
|
||||
|
||||
## 🎯 进阶技巧
|
||||
|
||||
### 1. 错峰分析
|
||||
|
||||
避开市场高峰时段：
|
||||
```
|
||||
09:35 开盘5分钟后（数据稳定）
|
||||
13:10 午盘10分钟后（避开高峰）
|
||||
15:10 收盘10分钟后（避开拥堵）
|
||||
```
|
||||
|
||||
### 2. 分级监控
|
||||
|
||||
不同时段不同策略：
|
||||
- **早盘**：关注开盘价，捕捉缺口
|
||||
- **午盘**：评估上午表现，调整仓位
|
||||
- **收盘**：总结全天，规划次日
|
||||
|
||||
### 3. 结合实时监测
|
||||
|
||||
- 定时分析更新监测参数
|
||||
- 实时监测触发价格通知
|
||||
- 形成"定时评估+实时监控"闭环
|
||||
|
||||
---
|
||||
|
||||
## 🆘 故障排查
|
||||
|
||||
### 问题1：添加时间失败
|
||||
|
||||
**可能原因**：
|
||||
- 时间已存在
|
||||
- 时间格式错误
|
||||
|
||||
**解决**：
|
||||
- 检查时间列表是否已有该时间
|
||||
- 使用时间选择器而非手动输入
|
||||
|
||||
### 问题2：删除时间失败
|
||||
|
||||
**可能原因**：
|
||||
- 只剩1个时间（不允许全部删除）
|
||||
|
||||
**解决**：
|
||||
- 先添加新时间再删除旧时间
|
||||
- 至少保留1个定时配置
|
||||
|
||||
### 问题3：某个时间点未执行
|
||||
|
||||
**可能原因**：
|
||||
- 系统时间不准确
|
||||
- 应用已关闭
|
||||
- 上次分析未完成
|
||||
|
||||
**解决**：
|
||||
- 检查系统时间
|
||||
- 保持应用运行（使用后台模式）
|
||||
- 增大时间间隔
|
||||
|
||||
### 问题4：调度器重启后配置丢失
|
||||
|
||||
**当前限制**：
|
||||
- 配置存储在内存中
|
||||
- 应用重启会丢失
|
||||
|
||||
**临时方案**：
|
||||
- 记录时间配置
|
||||
- 重启后重新添加
|
||||
|
||||
**未来计划**：
|
||||
- 配置持久化到数据库
|
||||
- 自动恢复上次配置
|
||||
|
||||
---
|
||||
|
||||
## 📚 相关文档
|
||||
|
||||
- **主要文档**：`docs/PORTFOLIO_USAGE.md` - 完整使用指南
|
||||
- **统一规范**：`docs/UNIFIED_ANALYSIS_SPEC.md` - 分析调用规范
|
||||
- **技术设计**：`openspec/changes/add-portfolio-scheduled-analysis/design.md`
|
||||
|
||||
---
|
||||
|
||||
## 🎉 总结
|
||||
|
||||
多定时分析功能让您可以：
|
||||
|
||||
✅ 灵活设置多个每日分析时间
|
||||
✅ 全天候跟踪持仓变化
|
||||
✅ 捕捉不同时段的交易机会
|
||||
✅ 自动执行，无需人工干预
|
||||
✅ 即时生效，动态调整
|
||||
|
||||
**祝您投资顺利！** 📈
|
||||
|
||||
@@ -0,0 +1,398 @@
|
||||
# 持仓定时分析功能 - 使用指南
|
||||
|
||||
## 📖 功能概述
|
||||
|
||||
持仓定时分析功能允许您：
|
||||
- **管理持仓股票**：添加、编辑、删除持仓股票清单
|
||||
- **批量分析**：一次性分析所有持仓股票的投资价值
|
||||
- **定时任务**：设置每日自动分析时间
|
||||
- **自动监测**：分析结果自动同步到实时监测列表
|
||||
- **通知提醒**：邮件或Webhook接收分析完成通知
|
||||
- **历史记录**：查看每只股票的历史分析结果
|
||||
|
||||
---
|
||||
|
||||
## 🚀 快速开始
|
||||
|
||||
### 1. 安装依赖
|
||||
|
||||
确保已安装以下依赖包：
|
||||
|
||||
```bash
|
||||
pip install schedule
|
||||
pip install openai # DeepSeek API使用
|
||||
```
|
||||
|
||||
### 2. 访问功能
|
||||
|
||||
1. 启动应用：`streamlit run app.py`
|
||||
2. 点击侧边栏**"📊 持仓分析"**按钮
|
||||
3. 进入持仓管理界面
|
||||
|
||||
---
|
||||
|
||||
## 📝 功能详解
|
||||
|
||||
### 一、持仓管理
|
||||
|
||||
#### 添加股票
|
||||
|
||||
1. 点击**"➕ 添加持仓股票"**展开表单
|
||||
2. 填写股票信息：
|
||||
- **股票代码**（必填）：例如 `600519.SH`、`000001.SZ`、`AAPL`
|
||||
- **股票名称**（可选）：例如 `贵州茅台`，留空自动获取
|
||||
- **成本价**（可选）：您的买入价格
|
||||
- **持仓数量**（可选）：持仓股数
|
||||
- **备注**：记录买入理由等信息
|
||||
- **自动同步监测**：勾选后分析结果自动加入监测列表
|
||||
3. 点击**"➕ 添加股票"**完成
|
||||
|
||||
#### 编辑股票
|
||||
|
||||
1. 在股票卡片中点击**"✏️"**按钮
|
||||
2. 修改信息后点击**"保存"**
|
||||
3. 或点击**"取消"**放弃修改
|
||||
|
||||
#### 删除股票
|
||||
|
||||
1. 在股票卡片中点击**"🗑️"**按钮
|
||||
2. 确认删除（不可恢复）
|
||||
|
||||
---
|
||||
|
||||
### 二、批量分析
|
||||
|
||||
#### 立即分析
|
||||
|
||||
1. 切换到**"🔄 批量分析"**标签
|
||||
2. 选择分析模式：
|
||||
- **顺序分析**：逐个分析，稳定但较慢
|
||||
- **并行分析**：同时分析多只，速度快但消耗资源更多
|
||||
3. 设置选项：
|
||||
- **自动同步到监测**：勾选后自动将评级结果添加到监测列表
|
||||
- **发送完成通知**：勾选后通过邮件/Webhook发送结果
|
||||
4. 点击**"🚀 立即开始分析"**
|
||||
5. 等待进度完成，查看分析结果
|
||||
|
||||
#### 分析结果
|
||||
|
||||
- **概况统计**：总数、成功、失败、耗时
|
||||
- **详细结果**：每只股票的评级、进场区间、止盈止损位
|
||||
- **颜色标识**：
|
||||
- 🟢 绿色：买入推荐
|
||||
- 🟡 黄色：持有观望
|
||||
- 🔴 红色：卖出建议
|
||||
|
||||
---
|
||||
|
||||
### 三、定时任务
|
||||
|
||||
#### 配置定时分析
|
||||
|
||||
1. 切换到**"⏰ 定时任务"**标签
|
||||
2. **配置定时时间**（支持多个时间点）：
|
||||
- 查看当前已配置的时间列表
|
||||
- 点击**"➕ 添加定时时间"**添加新时间点（如 09:30, 15:05）
|
||||
- 点击时间旁的**"🗑️"**按钮删除不需要的时间
|
||||
- 系统自动按时间排序，支持2-5个时间点
|
||||
3. **配置分析选项**：
|
||||
- **分析模式**：顺序或并行
|
||||
- **并行线程数**：并行模式下的同时分析数量（2-10）
|
||||
- **自动同步到监测**：是否自动将结果同步到监测列表
|
||||
- **发送完成通知**：是否发送通知
|
||||
4. 点击**"💾 更新配置"**保存
|
||||
|
||||
**推荐配置**：
|
||||
- 保守型：09:25（盘前） + 15:05（盘后）
|
||||
- 积极型：09:30（开盘） + 13:05（午盘） + 15:05（收盘）
|
||||
- 详见：[`docs/MULTI_SCHEDULE_GUIDE.md`](MULTI_SCHEDULE_GUIDE.md)
|
||||
|
||||
#### 启动/停止调度器
|
||||
|
||||
- **启动**：点击**"▶️ 启动调度器"**，系统将在每日设定时间自动执行分析
|
||||
- **停止**：点击**"⏹️ 停止调度器"**，取消自动执行
|
||||
- **立即执行**：点击**"🚀 立即执行一次"**，无需等待定时触发
|
||||
|
||||
#### 查看状态
|
||||
|
||||
- **🟢 运行中**：调度器已启动
|
||||
- **🔴 已停止**：调度器未运行
|
||||
- **⏰ 分析时间**：设定的每日执行时间
|
||||
- **⏭️ 下次运行**：下次预计执行的时间
|
||||
|
||||
---
|
||||
|
||||
### 四、分析历史
|
||||
|
||||
#### 查看历史记录
|
||||
|
||||
1. 切换到**"📈 分析历史"**标签
|
||||
2. 选择股票：
|
||||
- **全部**：显示所有股票的最新20条记录
|
||||
- **指定股票**：显示该股票的最近20次分析
|
||||
3. 展开记录查看详情：
|
||||
- 投资评级和置信度
|
||||
- 进场区间、目标价
|
||||
- 止盈位、止损位
|
||||
- 分析摘要
|
||||
|
||||
#### 历史数据用途
|
||||
|
||||
- **对比变化**：观察评级和位置的变化趋势
|
||||
- **验证准确性**：对比历史预测与实际走势
|
||||
- **优化策略**：根据历史数据调整投资决策
|
||||
|
||||
---
|
||||
|
||||
## ⚙️ 高级配置
|
||||
|
||||
### 通知配置
|
||||
|
||||
#### 邮件通知
|
||||
|
||||
1. 进入**"⚙️ 环境配置"**
|
||||
2. 配置SMTP信息：
|
||||
```
|
||||
EMAIL_ENABLED=true
|
||||
SMTP_SERVER=smtp.example.com
|
||||
SMTP_PORT=587
|
||||
EMAIL_FROM=your@email.com
|
||||
EMAIL_PASSWORD=your_password
|
||||
EMAIL_TO=receiver@email.com
|
||||
```
|
||||
|
||||
#### Webhook通知（钉钉/飞书）
|
||||
|
||||
1. 获取群机器人Webhook URL
|
||||
2. 配置环境变量：
|
||||
```
|
||||
WEBHOOK_ENABLED=true
|
||||
WEBHOOK_URL=https://your_webhook_url
|
||||
WEBHOOK_TYPE=dingtalk # 或 feishu
|
||||
WEBHOOK_KEYWORD=aiagents通知
|
||||
```
|
||||
|
||||
### 数据存储
|
||||
|
||||
- **持仓数据库**：`portfolio_stocks.db`
|
||||
- 持仓股票信息
|
||||
- 分析历史记录
|
||||
- **监测数据库**：`stock_monitor.db`
|
||||
- 自动同步的监测股票
|
||||
|
||||
### 数据备份
|
||||
|
||||
建议定期备份数据库文件：
|
||||
|
||||
```bash
|
||||
# Windows
|
||||
copy portfolio_stocks.db portfolio_stocks_backup_%date%.db
|
||||
|
||||
# Linux/Mac
|
||||
cp portfolio_stocks.db portfolio_stocks_backup_$(date +%Y%m%d).db
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 💡 使用技巧
|
||||
|
||||
### 1. 合理配置持仓清单
|
||||
|
||||
- **精选股票**：只添加重点关注的股票（建议10-30只）
|
||||
- **完善信息**：填写成本价和数量，便于计算收益
|
||||
- **详细备注**：记录买入理由、目标价等，便于复盘
|
||||
|
||||
### 2. 选择合适的分析模式
|
||||
|
||||
- **顺序分析**：
|
||||
- ✅ 稳定可靠，API调用有序
|
||||
- ✅ 适合API限速严格的场景
|
||||
- ❌ 速度较慢，10只股票约需10-15分钟
|
||||
|
||||
- **并行分析**：
|
||||
- ✅ 速度快，3线程约5-8分钟完成10只
|
||||
- ✅ 适合持仓较多的用户
|
||||
- ❌ 对API并发要求高，可能触发限速
|
||||
|
||||
**建议**：
|
||||
- 持仓≤10只：顺序分析
|
||||
- 持仓>10只：并行分析（3-5线程）
|
||||
|
||||
### 3. 设置合理的定时时间
|
||||
|
||||
推荐定时配置：
|
||||
- **开盘后分析**：`09:35`（开盘5分钟后，数据稳定）
|
||||
- **午盘后分析**：`13:05`（午盘结束后，评估上午走势）
|
||||
- **收盘后分析**：`15:05`（收盘后，获取完整日数据）
|
||||
|
||||
### 4. 充分利用自动监测
|
||||
|
||||
- 开启**"自动同步到监测"**
|
||||
- 分析后自动将进场区间、止盈止损同步到监测列表
|
||||
- 实时监测模块会在触发关键位置时发送通知
|
||||
- 减少手动操作，不遗漏交易机会
|
||||
|
||||
### 5. 定期查看历史记录
|
||||
|
||||
- 每周查看一次历史分析
|
||||
- 对比预测与实际走势
|
||||
- 总结规律，优化投资策略
|
||||
|
||||
---
|
||||
|
||||
## 🔧 常见问题
|
||||
|
||||
### Q1: 添加股票后为什么无法分析？
|
||||
|
||||
**A:** 检查以下几点：
|
||||
1. DeepSeek API Key是否配置正确
|
||||
2. 股票代码格式是否正确（A股需要加`.SH`或`.SZ`后缀）
|
||||
3. 网络连接是否正常
|
||||
4. API额度是否充足
|
||||
|
||||
### Q2: 定时任务为什么没有执行？
|
||||
|
||||
**A:** 可能原因：
|
||||
1. 调度器未启动（检查是否显示🟢运行中）
|
||||
2. 应用已关闭（调度器需要应用持续运行）
|
||||
3. 时间配置错误（检查系统时间和设定时间）
|
||||
|
||||
**解决方案**：
|
||||
- 保持Streamlit应用运行（可使用`nohup`或`screen`后台运行）
|
||||
- 或使用外部定时工具（如系统cron）调用分析接口
|
||||
|
||||
### Q3: 批量分析失败率高怎么办？
|
||||
|
||||
**A:** 优化建议：
|
||||
1. 切换到顺序分析模式
|
||||
2. 减少并行线程数
|
||||
3. 检查网络稳定性
|
||||
4. 确认股票代码有效性
|
||||
5. 查看错误日志定位具体问题
|
||||
|
||||
### Q4: 如何导出分析结果？
|
||||
|
||||
**A:** 方法：
|
||||
1. 通过邮件/Webhook接收结果
|
||||
2. 直接查询`portfolio_stocks.db`数据库：
|
||||
```sql
|
||||
SELECT * FROM portfolio_analysis_history ORDER BY analysis_time DESC;
|
||||
```
|
||||
3. 未来版本将支持CSV/Excel导出功能
|
||||
|
||||
### Q5: 监测同步不生效？
|
||||
|
||||
**A:** 检查：
|
||||
1. 持仓股票是否勾选**"自动监测"**
|
||||
2. 分析是否成功（失败的分析不会同步）
|
||||
3. 分析结果是否包含进场区间和止盈止损（缺失则跳过）
|
||||
4. 查看日志确认同步结果
|
||||
|
||||
---
|
||||
|
||||
## 📊 性能参数
|
||||
|
||||
### 分析速度参考
|
||||
|
||||
| 持仓数量 | 顺序分析 | 并行(3线程) | 并行(5线程) |
|
||||
|---------|----------|------------|------------|
|
||||
| 5只 | 5-8分钟 | 3-4分钟 | 2-3分钟 |
|
||||
| 10只 | 10-15分钟| 6-8分钟 | 4-5分钟 |
|
||||
| 20只 | 20-30分钟| 12-15分钟 | 8-10分钟 |
|
||||
| 30只 | 30-45分钟| 18-22分钟 | 12-15分钟 |
|
||||
|
||||
*实际速度取决于网络环境和API响应时间*
|
||||
|
||||
### 资源消耗
|
||||
|
||||
- **内存**：基础50MB + 每线程10MB
|
||||
- **CPU**：单线程<5%，多线程<20%
|
||||
- **网络**：每只股票约2-5MB数据传输
|
||||
- **数据库**：每条历史记录约1-2KB
|
||||
|
||||
---
|
||||
|
||||
## 🎯 最佳实践
|
||||
|
||||
### 日常使用流程
|
||||
|
||||
1. **早晨**（开盘前）
|
||||
- 查看昨日定时分析结果（如有）
|
||||
- 检查监测列表的通知
|
||||
- 决定今日交易计划
|
||||
|
||||
2. **盘中**（交易时段）
|
||||
- 关注监测列表的实时提醒
|
||||
- 根据进场区间执行买入
|
||||
- 按照止盈止损位纪律卖出
|
||||
|
||||
3. **收盘后**
|
||||
- 回顾今日交易
|
||||
- 更新持仓信息（新增/删除股票）
|
||||
- 查看分析历史，总结经验
|
||||
|
||||
### 长期投资策略
|
||||
|
||||
1. **建立核心持仓清单**（10-20只优质股票）
|
||||
2. **设置定时分析**（每日收盘后15:05）
|
||||
3. **开启自动监测同步**
|
||||
4. **每周回顾**历史记录，调整持仓
|
||||
5. **每月总结**投资表现，优化策略
|
||||
|
||||
### 短线交易策略
|
||||
|
||||
1. **快速轮换持仓清单**（5-10只热门股）
|
||||
2. **多次盘中分析**（开盘后、午盘后）
|
||||
3. **立即同步监测**，捕捉买卖点
|
||||
4. **及时更新持仓**（止盈/止损后删除）
|
||||
5. **灵活调整**，跟随市场热点
|
||||
|
||||
---
|
||||
|
||||
## 📞 技术支持
|
||||
|
||||
### 获取帮助
|
||||
|
||||
- **查看日志**：检查终端输出的`[OK]`/`[ERROR]`消息
|
||||
- **数据库工具**：使用SQLite Browser查看数据库
|
||||
- **问题反馈**：在项目GitHub提交Issue
|
||||
|
||||
### 调试模式
|
||||
|
||||
开启详细日志：
|
||||
|
||||
```python
|
||||
# portfolio_scheduler.py 顶部添加
|
||||
import logging
|
||||
logging.basicConfig(level=logging.DEBUG)
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 📝 更新日志
|
||||
|
||||
### v1.0.0 (2024-01)
|
||||
|
||||
- ✅ 持仓股票管理（增删改查）
|
||||
- ✅ 批量分析功能（顺序/并行模式）
|
||||
- ✅ 定时任务调度器
|
||||
- ✅ 自动监测同步
|
||||
- ✅ 邮件/Webhook通知
|
||||
- ✅ 分析历史记录
|
||||
|
||||
### 未来计划
|
||||
|
||||
- [ ] 收益率统计和可视化
|
||||
- [ ] CSV/Excel导入导出
|
||||
- [ ] 自定义分析指标
|
||||
- [ ] 组合优化建议
|
||||
- [ ] 风险敞口分析
|
||||
|
||||
---
|
||||
|
||||
## 🙏 感谢使用
|
||||
|
||||
持仓定时分析功能旨在帮助您更高效地管理投资组合，做出明智的投资决策。
|
||||
|
||||
**祝您投资顺利！📈**
|
||||
|
||||
+167
@@ -0,0 +1,167 @@
|
||||
# 📚 文档中心
|
||||
|
||||
本目录包含复合多AI智能体股票团队分析系统的所有文档。
|
||||
|
||||
## 📖 文档导航
|
||||
|
||||
### 🌟 核心文档
|
||||
|
||||
| 文档名称 | 说明 |
|
||||
|---------|------|
|
||||
| [PORTFOLIO_USAGE.md](PORTFOLIO_USAGE.md) | 持仓定时分析完整使用指南 ⭐️ |
|
||||
| [MULTI_SCHEDULE_GUIDE.md](MULTI_SCHEDULE_GUIDE.md) | 多定时配置指南 |
|
||||
| [UNIFIED_ANALYSIS_SPEC.md](UNIFIED_ANALYSIS_SPEC.md) | 统一股票分析调用规范 ⭐️ |
|
||||
| [UPDATE_LOG.md](UPDATE_LOG.md) | 功能更新日志 |
|
||||
|
||||
### 🎯 智策板块文档
|
||||
|
||||
| 文档名称 | 说明 |
|
||||
|---------|------|
|
||||
| [智策功能总览.md](智策功能总览.md) | 智策系统全景介绍 |
|
||||
| [智策板块使用指南.md](智策板块使用指南.md) | 完整使用教程 |
|
||||
| [智策板块快速开始.md](智策板块快速开始.md) | 5分钟快速上手 |
|
||||
| [智策定时分析使用指南.md](智策定时分析使用指南.md) | 定时分析详细指南 |
|
||||
| [智策定时分析功能完成说明.md](智策定时分析功能完成说明.md) | 功能详细说明 |
|
||||
| [智策定时分析部署清单.md](智策定时分析部署清单.md) | 部署步骤和故障排查 |
|
||||
| [智策定时分析更新日志.md](智策定时分析更新日志.md) | 版本历史 |
|
||||
|
||||
### 🎯 智瞰龙虎文档
|
||||
|
||||
| 文档名称 | 说明 |
|
||||
|---------|------|
|
||||
| [LONGHUBANG_BATCH_ANALYSIS.md](LONGHUBANG_BATCH_ANALYSIS.md) | 批量分析使用指南 ⭐️ |
|
||||
| [智瞰龙虎功能说明.md](智瞰龙虎功能说明.md) | 功能详细说明 |
|
||||
| [智瞰龙虎快速开始.md](智瞰龙虎快速开始.md) | 快速上手指南 |
|
||||
| [智瞰龙虎AI评分说明.md](智瞰龙虎AI评分说明.md) | AI评分机制说明 |
|
||||
| [智瞰龙虎历史报告功能说明.md](智瞰龙虎历史报告功能说明.md) | 历史报告功能 |
|
||||
| [智瞰龙虎评分排名历史记录说明.md](智瞰龙虎评分排名历史记录说明.md) | 评分排名历史 |
|
||||
|
||||
### 📢 通知系统文档
|
||||
|
||||
| 文档名称 | 说明 |
|
||||
|---------|------|
|
||||
| [Webhook通知配置指南.md](Webhook通知配置指南.md) | Webhook完整配置教程 |
|
||||
| [Webhook功能完成说明.md](Webhook功能完成说明.md) | Webhook功能详细说明 |
|
||||
| [Webhook功能实现总结.md](Webhook功能实现总结.md) | Webhook功能实现总结 |
|
||||
| [Webhook自定义关键词功能说明.md](Webhook自定义关键词功能说明.md) | 关键词配置指南 |
|
||||
| [Webhook钉钉关键词配置更新说明.md](Webhook钉钉关键词配置更新说明.md) | 钉钉关键词配置 |
|
||||
| [Webhook钉钉关键词快速配置指南.md](Webhook钉钉关键词快速配置指南.md) | 钉钉快速配置 |
|
||||
| [邮件配置指南.md](邮件配置指南.md) | 邮件通知配置 |
|
||||
|
||||
### 🐳 部署文档
|
||||
|
||||
| 文档名称 | 说明 |
|
||||
|---------|------|
|
||||
| [DOCKER_DEPLOYMENT.md](DOCKER_DEPLOYMENT.md) | Docker部署详细文档 |
|
||||
| [DOCKER_README.md](DOCKER_README.md) | Docker部署说明 |
|
||||
| [QUICK_START.md](QUICK_START.md) | 快速开始指南 |
|
||||
|
||||
### 📊 实时监测文档
|
||||
|
||||
| 文档名称 | 说明 |
|
||||
|---------|------|
|
||||
| [实时监测定时功能说明.md](实时监测定时功能说明.md) | 定时监测功能说明 |
|
||||
| [实时监测定时功能快速开始.md](实时监测定时功能快速开始.md) | 定时监测快速开始 |
|
||||
| [实时监测定时功能更新日志.md](实时监测定时功能更新日志.md) | 定时监测更新日志 |
|
||||
|
||||
### 🎯 主力选股文档
|
||||
|
||||
| 文档名称 | 说明 |
|
||||
|---------|------|
|
||||
| [主力选股使用指南.md](主力选股使用指南.md) | 主力选股功能完整指南 |
|
||||
| [主力选股功能说明.md](主力选股功能说明.md) | 主力选股功能说明 |
|
||||
| [主力选股快速开始.md](主力选股快速开始.md) | 主力选股快速开始 |
|
||||
|
||||
### 🤖 量化交易文档
|
||||
|
||||
| 文档名称 | 说明 |
|
||||
|---------|------|
|
||||
| [量化交易快速指南.md](量化交易快速指南.md) | MiniQMT集成指南 |
|
||||
| [MINIQMT_INTEGRATION_GUIDE.md](MINIQMT_INTEGRATION_GUIDE.md) | MiniQMT详细集成文档 |
|
||||
|
||||
### ⚙️ 配置文档
|
||||
|
||||
| 文档名称 | 说明 |
|
||||
|---------|------|
|
||||
| [环境配置功能说明.md](环境配置功能说明.md) | 完整环境配置说明 |
|
||||
| [环境配置快速指南.md](环境配置快速指南.md) | 快速配置参考 |
|
||||
|
||||
### 📈 其他功能文档
|
||||
|
||||
| 文档名称 | 说明 |
|
||||
|---------|------|
|
||||
| [批量分析功能说明.md](批量分析功能说明.md) | 批量分析功能说明 |
|
||||
| [分析师团队选择功能说明.md](分析师团队选择功能说明.md) | 分析师团队选择 |
|
||||
| [加入监测功能说明.md](加入监测功能说明.md) | 加入监测功能 |
|
||||
| [港股功能说明.md](港股功能说明.md) | 港股分析功能 |
|
||||
| [季报和资金流向更新说明.md](季报和资金流向更新说明.md) | 季报资金流向 |
|
||||
| [数据源冗余机制使用指南.md](数据源冗余机制使用指南.md) | 数据源冗余机制 |
|
||||
| [数据源冗余功能完成总结.md](数据源冗余功能完成总结.md) | 数据源冗余总结 |
|
||||
| [风险管理师增强功能说明.md](风险管理师增强功能说明.md) | 风险管理师增强 |
|
||||
|
||||
### 🔧 开发文档
|
||||
|
||||
| 文档名称 | 说明 |
|
||||
|---------|------|
|
||||
| [AGENTS.md](AGENTS.md) | OpenSpec AI开发规范 |
|
||||
|
||||
---
|
||||
|
||||
## 📝 快速查找
|
||||
|
||||
### 按功能查找
|
||||
|
||||
- **新手入门**：[QUICK_START.md](QUICK_START.md)
|
||||
- **Docker部署**：[DOCKER_DEPLOYMENT.md](DOCKER_DEPLOYMENT.md)
|
||||
- **持仓分析**：[PORTFOLIO_USAGE.md](PORTFOLIO_USAGE.md)
|
||||
- **智策板块**：[智策板块使用指南.md](智策板块使用指南.md)
|
||||
- **智瞰龙虎**：[智瞰龙虎功能说明.md](智瞰龙虎功能说明.md)
|
||||
- **批量分析**：[LONGHUBANG_BATCH_ANALYSIS.md](LONGHUBANG_BATCH_ANALYSIS.md)
|
||||
- **主力选股**：[主力选股使用指南.md](主力选股使用指南.md)
|
||||
- **量化交易**：[量化交易快速指南.md](量化交易快速指南.md)
|
||||
- **通知配置**：[Webhook通知配置指南.md](Webhook通知配置指南.md)
|
||||
|
||||
### 按用户类型查找
|
||||
|
||||
#### 初次使用者
|
||||
1. [QUICK_START.md](QUICK_START.md) - 快速开始
|
||||
2. [DOCKER_DEPLOYMENT.md](DOCKER_DEPLOYMENT.md) - 部署指南
|
||||
3. [环境配置快速指南.md](环境配置快速指南.md) - 环境配置
|
||||
|
||||
#### 功能探索者
|
||||
1. [智策板块快速开始.md](智策板块快速开始.md) - 智策板块
|
||||
2. [智瞰龙虎快速开始.md](智瞰龙虎快速开始.md) - 智瞰龙虎
|
||||
3. [主力选股快速开始.md](主力选股快速开始.md) - 主力选股
|
||||
|
||||
#### 高级用户
|
||||
1. [PORTFOLIO_USAGE.md](PORTFOLIO_USAGE.md) - 持仓分析
|
||||
2. [UNIFIED_ANALYSIS_SPEC.md](UNIFIED_ANALYSIS_SPEC.md) - 统一规范
|
||||
3. [量化交易快速指南.md](量化交易快速指南.md) - 自动交易
|
||||
|
||||
#### 开发者
|
||||
1. [AGENTS.md](AGENTS.md) - OpenSpec规范
|
||||
2. [UNIFIED_ANALYSIS_SPEC.md](UNIFIED_ANALYSIS_SPEC.md) - 代码规范
|
||||
3. [UPDATE_LOG.md](UPDATE_LOG.md) - 更新日志
|
||||
|
||||
---
|
||||
|
||||
## 📊 文档统计
|
||||
|
||||
- **总文档数**：46个
|
||||
- **核心文档**：4个
|
||||
- **功能文档**：35个
|
||||
- **开发文档**：1个
|
||||
- **最后更新**：2024年10月20日
|
||||
|
||||
---
|
||||
|
||||
## 🔗 相关链接
|
||||
|
||||
- 返回项目主页：[../README.md](../README.md)
|
||||
- OpenSpec规范：[../openspec/](../openspec/)
|
||||
- 项目代码：[GitHub](https://github.com/your-repo)
|
||||
|
||||
---
|
||||
|
||||
**📝 提示**：所有文档均已从项目根目录迁移至 `docs/` 目录，便于统一管理和查找。
|
||||
|
||||
@@ -0,0 +1,272 @@
|
||||
# 统一股票分析调用规范
|
||||
|
||||
## 📌 核心原则
|
||||
|
||||
**所有涉及股票分析的功能必须使用统一的分析函数和数据结构！**
|
||||
|
||||
---
|
||||
|
||||
## 🎯 适用场景
|
||||
|
||||
✅ 以下所有场景必须遵循此规范：
|
||||
|
||||
- 首页单股分析
|
||||
- 首页批量分析
|
||||
- 持仓批量分析（UI触发）
|
||||
- 持仓定时分析（自动触发）
|
||||
- 智策板块中的个股分析
|
||||
- 智瞰龙虎中的个股分析
|
||||
- 主力选股中的个股分析
|
||||
- **任何未来新增的股票分析功能**
|
||||
|
||||
---
|
||||
|
||||
## ✅ 正确做法
|
||||
|
||||
### 1. 调用统一分析函数
|
||||
|
||||
```python
|
||||
from app import analyze_single_stock_for_batch
|
||||
|
||||
result = analyze_single_stock_for_batch(
|
||||
symbol="600519.SH",
|
||||
period="1y",
|
||||
enabled_analysts_config={
|
||||
'technical': True,
|
||||
'fundamental': True,
|
||||
'fund_flow': True,
|
||||
'risk': True,
|
||||
'sentiment': False,
|
||||
'news': False
|
||||
},
|
||||
selected_model="deepseek-chat"
|
||||
)
|
||||
```
|
||||
|
||||
### 2. 使用统一字段名
|
||||
|
||||
```python
|
||||
# 提取分析结果
|
||||
final_decision = result["final_decision"]
|
||||
stock_info = result["stock_info"]
|
||||
|
||||
# 使用正确的字段名
|
||||
rating = final_decision.get("rating", "未知") # ✅
|
||||
confidence = final_decision.get("confidence_level", "N/A") # ✅
|
||||
entry_range = final_decision.get("entry_range", "N/A") # ✅
|
||||
take_profit = final_decision.get("take_profit", "N/A") # ✅
|
||||
stop_loss = final_decision.get("stop_loss", "N/A") # ✅
|
||||
target_price = final_decision.get("target_price", "N/A") # ✅
|
||||
advice = final_decision.get("advice", "") # ✅
|
||||
```
|
||||
|
||||
### 3. 统一数据解析
|
||||
|
||||
```python
|
||||
import re
|
||||
|
||||
# 解析进场区间（格式如"10.5-12.3"）
|
||||
entry_range = final_decision.get("entry_range", "")
|
||||
entry_min, entry_max = None, None
|
||||
if entry_range and isinstance(entry_range, str) and "-" in entry_range:
|
||||
try:
|
||||
parts = entry_range.split("-")
|
||||
entry_min = float(parts[0].strip())
|
||||
entry_max = float(parts[1].strip())
|
||||
except:
|
||||
pass
|
||||
|
||||
# 解析止盈止损（提取数字，如"15.8元" → 15.8）
|
||||
take_profit_str = final_decision.get("take_profit", "")
|
||||
take_profit = None
|
||||
if take_profit_str:
|
||||
try:
|
||||
numbers = re.findall(r'\d+\.?\d*', str(take_profit_str))
|
||||
if numbers:
|
||||
take_profit = float(numbers[0])
|
||||
except:
|
||||
pass
|
||||
|
||||
# 止损位同理
|
||||
stop_loss_str = final_decision.get("stop_loss", "")
|
||||
stop_loss = None
|
||||
if stop_loss_str:
|
||||
try:
|
||||
numbers = re.findall(r'\d+\.?\d*', str(stop_loss_str))
|
||||
if numbers:
|
||||
stop_loss = float(numbers[0])
|
||||
except:
|
||||
pass
|
||||
```
|
||||
|
||||
### 4. 统一结果展示
|
||||
|
||||
```python
|
||||
# 评级颜色标识
|
||||
if "强烈买入" in rating or "买入" in rating:
|
||||
rating_color = "🟢"
|
||||
elif "卖出" in rating:
|
||||
rating_color = "🔴"
|
||||
else:
|
||||
rating_color = "🟡"
|
||||
|
||||
# UI展示（Streamlit示例）
|
||||
with st.expander(f"{rating_color} {code} - {rating} (信心度: {confidence})"):
|
||||
col1, col2 = st.columns(2)
|
||||
|
||||
with col1:
|
||||
st.markdown("**进出场位置**")
|
||||
st.write(f"进场区间: {entry_range}")
|
||||
st.write(f"目标价: {target_price}")
|
||||
|
||||
with col2:
|
||||
st.markdown("**风控位置**")
|
||||
st.write(f"止盈位: {take_profit}")
|
||||
st.write(f"止损位: {stop_loss}")
|
||||
|
||||
if advice:
|
||||
st.markdown("**投资建议**")
|
||||
st.info(advice)
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## ❌ 禁止行为
|
||||
|
||||
### 1. 不要直接调用 ai_agents
|
||||
|
||||
```python
|
||||
# ❌ 错误做法
|
||||
from ai_agents import StockAnalysisAgents
|
||||
agents = StockAnalysisAgents()
|
||||
result = agents.technical_analyst_agent(...) # 禁止！
|
||||
```
|
||||
|
||||
### 2. 不要使用废弃字段名
|
||||
|
||||
```python
|
||||
# ❌ 错误的字段名
|
||||
rating = final_decision.get("investment_rating") # 已废弃
|
||||
confidence = final_decision.get("confidence") # 已废弃
|
||||
positions = final_decision.get("entry_exit_positions") # 已废弃
|
||||
entry_min = positions.get("entry_zone_min") # 已废弃
|
||||
```
|
||||
|
||||
### 3. 不要重复实现分析逻辑
|
||||
|
||||
```python
|
||||
# ❌ 错误做法
|
||||
from stock_data import StockDataFetcher
|
||||
from ai_agents import StockAnalysisAgents
|
||||
|
||||
fetcher = StockDataFetcher()
|
||||
agents = StockAnalysisAgents()
|
||||
|
||||
# 自己获取数据
|
||||
stock_data = fetcher.get_stock_data(symbol)
|
||||
indicators = fetcher.calculate_technical_indicators(stock_data)
|
||||
|
||||
# 自己调用分析师
|
||||
result = agents.technical_analyst_agent(...) # 禁止！
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 📋 字段对照表
|
||||
|
||||
| 正确字段名 | 废弃字段名 | 数据类型 | 示例值 |
|
||||
|-----------|-----------|---------|-------|
|
||||
| `rating` | `investment_rating` | string | "买入", "持有", "卖出" |
|
||||
| `confidence_level` | `confidence` | string/number | "8/10", "N/A" |
|
||||
| `entry_range` | `entry_exit_positions["entry_zone_min/max"]` | string | "10.5-12.3" |
|
||||
| `take_profit` | `entry_exit_positions["take_profit"]` | string | "止盈: 15.8元" |
|
||||
| `stop_loss` | `entry_exit_positions["stop_loss"]` | string | "止损: 9.2元" |
|
||||
| `target_price` | - | string | "目标价: 18.5元" |
|
||||
| `advice` | `summary` | string | "建议买入..." |
|
||||
|
||||
---
|
||||
|
||||
## 🔍 代码审查检查清单
|
||||
|
||||
提交涉及股票分析的代码时，请确认：
|
||||
|
||||
- [ ] 使用了 `app.analyze_single_stock_for_batch()` 而非直接调用 `ai_agents`
|
||||
- [ ] 使用了正确的字段名（`rating`, `confidence_level`, `entry_range`等）
|
||||
- [ ] 没有使用废弃字段名（`investment_rating`, `entry_exit_positions`等）
|
||||
- [ ] 数据解析逻辑与规范一致（split("-"), re.findall()）
|
||||
- [ ] UI展示格式与其他模块保持一致
|
||||
- [ ] 通知推送使用相同的数据结构
|
||||
|
||||
---
|
||||
|
||||
## 📚 参考代码
|
||||
|
||||
### 推荐参考
|
||||
|
||||
1. **`portfolio_manager.py`** - 完整的分析调用和数据保存示例
|
||||
2. **`portfolio_ui.py`** - UI展示和数据解析示例
|
||||
3. **`portfolio_scheduler.py`** - 监测同步和通知推送示例
|
||||
4. **`notification_service.py`** - 通知内容构建示例
|
||||
|
||||
### 设计文档
|
||||
|
||||
- **`openspec/changes/add-portfolio-scheduled-analysis/design.md`** - Decision 4: 统一股票分析调用规范
|
||||
- **`openspec/changes/add-portfolio-scheduled-analysis/specs/stock-analysis/spec.md`** - Requirement: 统一股票分析调用规范
|
||||
|
||||
---
|
||||
|
||||
## 💡 好处
|
||||
|
||||
遵循此规范可以获得：
|
||||
|
||||
1. ✅ **维护成本降低**：只需维护一个分析函数
|
||||
2. ✅ **测试成本降低**：只需测试一个分析流程
|
||||
3. ✅ **Bug修复效率**：一处修复，全局生效
|
||||
4. ✅ **新功能快速开发**：直接复用，无需重写
|
||||
5. ✅ **用户体验一致**：所有场景看到的结果格式一致
|
||||
6. ✅ **代码复用最大化**：避免重复代码
|
||||
7. ✅ **自动兼容优化**：首页分析的优化自动应用到所有场景
|
||||
|
||||
---
|
||||
|
||||
## ⚠️ 违规后果
|
||||
|
||||
不遵循此规范可能导致：
|
||||
|
||||
- ❌ 字段名不一致，UI显示"未知"或错误
|
||||
- ❌ 数据解析失败，监测同步失败
|
||||
- ❌ 通知推送格式错误
|
||||
- ❌ 代码重复，维护困难
|
||||
- ❌ Bug修复需要改多处
|
||||
- ❌ 用户体验不一致
|
||||
|
||||
---
|
||||
|
||||
## 🆘 常见问题
|
||||
|
||||
### Q: 为什么必须使用统一函数？
|
||||
A: 确保所有场景使用相同的AI模型、数据源、分析流程，避免结果不一致。首页分析的任何优化都会自动应用到所有场景。
|
||||
|
||||
### Q: 为什么不能直接调用 ai_agents？
|
||||
A: `app.analyze_single_stock_for_batch()` 已经封装了完整的数据获取、分析、错误处理流程。直接调用 ai_agents 会导致代码重复和逻辑不一致。
|
||||
|
||||
### Q: 旧代码使用了废弃字段怎么办？
|
||||
A: 必须修改！参考 `portfolio_manager.py` 中的正确用法，使用新的字段名。
|
||||
|
||||
### Q: 如何解析字符串字段（如进场区间）？
|
||||
A: 参考本文档"统一数据解析"章节的代码示例，使用 `split("-")` 和正则表达式。
|
||||
|
||||
### Q: 新功能可以不遵循此规范吗？
|
||||
A: **不可以！** 所有涉及股票分析的功能都必须遵循此规范，这是强制要求。
|
||||
|
||||
---
|
||||
|
||||
## 📝 更新日志
|
||||
|
||||
- **2024-10-20**: 初始版本，基于持仓定时分析功能的实践总结
|
||||
- **规范来源**: OpenSpec - `add-portfolio-scheduled-analysis` - Decision 4
|
||||
|
||||
---
|
||||
|
||||
**遵循规范，代码更优！** 🎉
|
||||
|
||||
@@ -0,0 +1,476 @@
|
||||
# 功能更新日志 - 2024年10月20日
|
||||
|
||||
## 🎉 重大更新：持仓定时分析 + 智瞰龙虎批量分析
|
||||
|
||||
---
|
||||
|
||||
## ✨ 更新一：持仓定时分析功能（全新）
|
||||
|
||||
### 核心功能（6项）
|
||||
|
||||
1. **📝 持仓股票管理**
|
||||
- 可视化管理持仓股票清单
|
||||
- 添加/编辑/删除操作
|
||||
- 记录成本价、数量、备注
|
||||
- 支持A股、港股、美股
|
||||
|
||||
2. **🔄 批量分析功能**
|
||||
- 一键分析全部持仓
|
||||
- 顺序/并行两种模式
|
||||
- 实时进度显示
|
||||
- 详细结果展示
|
||||
|
||||
3. **⏰ 定时任务调度**（支持多时间点 ⭐️）
|
||||
- 可设置多个每日分析时间
|
||||
- 例如：09:25（盘前）+ 15:05（盘后）
|
||||
- 灵活添加/删除时间点
|
||||
- 自动排序和去重
|
||||
- 后台自动执行
|
||||
|
||||
4. **🎯 自动监测同步**
|
||||
- 分析完成自动同步到监测列表
|
||||
- 批量API高效对接
|
||||
- 覆盖更新机制
|
||||
- 统计新增/更新数量
|
||||
|
||||
5. **📬 通知推送**
|
||||
- HTML邮件（彩色格式）
|
||||
- Webhook（钉钉/飞书）
|
||||
- 分析概况和详细结果
|
||||
- 监测同步统计
|
||||
|
||||
6. **📈 分析历史**
|
||||
- 完整历史记录追踪
|
||||
- 评级变化可视化
|
||||
- 按股票筛选查询
|
||||
- 验证预测准确性
|
||||
|
||||
### 技术亮点
|
||||
|
||||
- ✅ **代码复用**：调用统一分析函数 `app.analyze_single_stock_for_batch()`
|
||||
- ✅ **模块化设计**：数据库、逻辑、调度、UI完全分离
|
||||
- ✅ **性能优化**：支持3-10线程并行分析
|
||||
- ✅ **统一规范**：强制字段名和解析逻辑统一
|
||||
|
||||
### 交付文件
|
||||
|
||||
**核心模块**（4个，93KB）：
|
||||
- `portfolio_db.py` - 数据库管理
|
||||
- `portfolio_manager.py` - 持仓管理
|
||||
- `portfolio_scheduler.py` - 定时调度（支持多时间点）
|
||||
- `portfolio_ui.py` - 用户界面
|
||||
|
||||
**扩展模块**（3个）：
|
||||
- `monitor_db.py` - 批量监测API
|
||||
- `notification_service.py` - 持仓通知
|
||||
- `app.py` - 主应用集成
|
||||
|
||||
**文档**（6个，31KB）：
|
||||
- `docs/PORTFOLIO_USAGE.md` - 用户指南
|
||||
- `docs/MULTI_SCHEDULE_GUIDE.md` - 多定时指南
|
||||
- `docs/UNIFIED_ANALYSIS_SPEC.md` - 统一规范
|
||||
- `docs/LONGHUBANG_BATCH_ANALYSIS.md` - 龙虎榜批量分析
|
||||
- `openspec/changes/add-portfolio-scheduled-analysis/` - 完整提案
|
||||
- `README.md` - 更新说明
|
||||
|
||||
---
|
||||
|
||||
## ✨ 更新二：统一股票分析调用规范（架构级）⭐️
|
||||
|
||||
### 核心原则
|
||||
|
||||
**所有涉及股票分析的功能必须使用统一的分析函数和数据结构！**
|
||||
|
||||
### 强制要求
|
||||
|
||||
1. **统一函数调用**
|
||||
```python
|
||||
from app import analyze_single_stock_for_batch
|
||||
```
|
||||
|
||||
2. **统一字段名**
|
||||
- `rating` - 投资评级
|
||||
- `confidence_level` - 信心度
|
||||
- `entry_range` - 进场区间
|
||||
- `take_profit` - 止盈位
|
||||
- `stop_loss` - 止损位
|
||||
- `target_price` - 目标价
|
||||
|
||||
3. **废弃字段**（禁止使用）
|
||||
- ❌ `investment_rating`
|
||||
- ❌ `entry_exit_positions`
|
||||
- ❌ `entry_zone_min/max`
|
||||
|
||||
4. **统一解析逻辑**
|
||||
- 进场区间：`split("-")`
|
||||
- 止盈止损：`re.findall(r'\d+\.?\d*')`
|
||||
|
||||
5. **统一展示格式**
|
||||
- emoji标识：🟢买入 🟡持有 🔴卖出
|
||||
- 一致的布局和信息展示
|
||||
|
||||
### 适用范围
|
||||
|
||||
- ✅ 首页单股/批量分析
|
||||
- ✅ 持仓批量/定时分析
|
||||
- ✅ 智策板块个股分析
|
||||
- ✅ 智瞰龙虎个股分析 ⭐️
|
||||
- ✅ 主力选股个股分析
|
||||
- ✅ **所有未来新增功能**
|
||||
|
||||
### 参考文档
|
||||
|
||||
- `docs/UNIFIED_ANALYSIS_SPEC.md` - 详细规范
|
||||
- `openspec/project.md` - 架构模式章节
|
||||
|
||||
---
|
||||
|
||||
## ✨ 更新三：智瞰龙虎批量分析功能（新增）⭐️
|
||||
|
||||
### 功能描述
|
||||
|
||||
在**智瞰龙虎 - AI评分排名**中，对TOP10综合评分排名的股票提供一键批量深度分析。
|
||||
|
||||
### 核心功能
|
||||
|
||||
1. **一键批量分析**
|
||||
- 可选分析数量：3只/5只/10只
|
||||
- 顺序/并行分析模式
|
||||
- 实时进度显示
|
||||
- 详细结果展示
|
||||
|
||||
2. **智能筛选**
|
||||
- 基于AI评分自动排名
|
||||
- 5维度综合评估
|
||||
- TOP10精选
|
||||
|
||||
3. **快捷操作**
|
||||
- 一键加入监测列表
|
||||
- 自动解析关键价位
|
||||
- 直接开启实时监控
|
||||
|
||||
4. **遵循统一规范**
|
||||
- 调用统一分析函数
|
||||
- 使用统一字段名
|
||||
- 统一解析和展示
|
||||
|
||||
### 使用流程
|
||||
|
||||
```
|
||||
智瞰龙虎 → AI评分排名 → 查看TOP10
|
||||
→ 选择分析数量(3/5/10) → 开始批量分析
|
||||
→ 选择模式(顺序/并行) → 确认开始
|
||||
→ 等待分析完成 → 查看结果 → 加入监测
|
||||
```
|
||||
|
||||
### 使用场景
|
||||
|
||||
- ✅ 短线交易机会挖掘
|
||||
- ✅ 游资龙头股追踪
|
||||
- ✅ 热点题材捕捉
|
||||
- ✅ 完整交易闭环
|
||||
|
||||
### 技术实现
|
||||
|
||||
- **遵循规范**：调用 `app.analyze_single_stock_for_batch()`
|
||||
- **统一字段**：`rating`, `confidence_level`, `entry_range`等
|
||||
- **代码新增**：`longhubang_ui.py` +310行
|
||||
- **文档新增**：`docs/LONGHUBANG_BATCH_ANALYSIS.md`
|
||||
|
||||
---
|
||||
|
||||
## 📊 总体统计
|
||||
|
||||
### 代码量
|
||||
- **新增代码**：约5,500行
|
||||
- **文档**：约3,800行
|
||||
- **总计**：约9,300行
|
||||
|
||||
### 文件数量
|
||||
- **核心模块**：4个新文件
|
||||
- **扩展模块**：4个文件修改
|
||||
- **文档**：7个新文档
|
||||
- **OpenSpec**：完整变更提案（验证通过 ✅）
|
||||
|
||||
### 功能模块
|
||||
- **持仓定时分析**：6大核心功能
|
||||
- **多定时支持**：灵活时间配置
|
||||
- **统一规范**：架构级规范制定
|
||||
- **龙虎榜批量分析**：TOP股票深度分析
|
||||
|
||||
---
|
||||
|
||||
## 🎯 核心价值
|
||||
|
||||
### 1. 代码质量提升
|
||||
|
||||
- **统一规范**：避免重复代码，降低维护成本
|
||||
- **强制复用**：一处优化，全局受益
|
||||
- **类型统一**：避免字段名不一致的bug
|
||||
|
||||
### 2. 用户体验提升
|
||||
|
||||
- **自动化**：定时分析，无需人工干预
|
||||
- **智能化**：自动监测同步，完整闭环
|
||||
- **便捷化**：一键批量分析，快速决策
|
||||
|
||||
### 3. 功能完整性
|
||||
|
||||
- **持仓管理**：全生命周期管理
|
||||
- **龙虎榜分析**：从筛选到监测全流程
|
||||
- **多场景支持**：长线、短线、日内交易
|
||||
|
||||
---
|
||||
|
||||
## 📚 文档清单
|
||||
|
||||
### 用户文档
|
||||
1. `README.md` - 功能介绍（已更新）
|
||||
2. `docs/PORTFOLIO_USAGE.md` - 持仓分析使用指南
|
||||
3. `docs/MULTI_SCHEDULE_GUIDE.md` - 多定时配置指南
|
||||
4. `docs/LONGHUBANG_BATCH_ANALYSIS.md` - 龙虎榜批量分析指南
|
||||
|
||||
### 技术文档
|
||||
1. `docs/UNIFIED_ANALYSIS_SPEC.md` - 统一调用规范 ⭐️
|
||||
2. `openspec/project.md` - 项目规范（已更新）
|
||||
3. `openspec/changes/add-portfolio-scheduled-analysis/` - 完整OpenSpec提案
|
||||
|
||||
---
|
||||
|
||||
## 🚀 如何使用
|
||||
|
||||
### 持仓定时分析
|
||||
|
||||
```bash
|
||||
streamlit run app.py
|
||||
→ 侧边栏"📊 持仓分析"
|
||||
→ 添加持仓股票
|
||||
→ 配置定时时间（支持多个）
|
||||
→ 启动调度器
|
||||
```
|
||||
|
||||
### 智瞰龙虎批量分析
|
||||
|
||||
```bash
|
||||
streamlit run app.py
|
||||
→ 侧边栏"🎯 智瞰龙虎"
|
||||
→ 获取龙虎榜数据
|
||||
→ 切换到"AI评分排名"
|
||||
→ 选择分析数量
|
||||
→ 开始批量分析
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 🐛 已修复问题
|
||||
|
||||
1. ✅ TypeError: 'bool' object is not callable
|
||||
2. ✅ AttributeError: calculate_all_indicators
|
||||
3. ✅ 字段名不一致导致显示"未知"
|
||||
4. ✅ 监测同步参数错误
|
||||
5. ✅ 通知推送字段错误
|
||||
6. ✅ 缺少UI接口方法
|
||||
7. ✅ 批量分析后返回首页问题
|
||||
8. ✅ 智瞰龙虎历史报告功能缺失（2024-10-20）
|
||||
|
||||
---
|
||||
|
||||
## ✨ 更新四：智瞰龙虎历史报告功能完善（2024-10-20）
|
||||
|
||||
### 问题描述
|
||||
|
||||
智瞰龙虎系统之前只保存了简单的报告摘要，缺少像股票分析那样的完整历史记录功能，无法查看完整的分析结果。
|
||||
|
||||
### 修复内容
|
||||
|
||||
#### 1. 数据库层增强 (longhubang_db.py)
|
||||
|
||||
**增强的保存函数：**
|
||||
- 支持保存完整的结构化分析数据
|
||||
- 自动将字典转换为JSON格式
|
||||
- 保存包含：AI分析师报告、评分排名、数据概况等
|
||||
|
||||
**增强的查询函数：**
|
||||
- 自动解析JSON格式的分析内容
|
||||
- 返回结构化的报告数据
|
||||
- 支持向后兼容旧格式报告
|
||||
|
||||
#### 2. 引擎层改进 (longhubang_engine.py)
|
||||
|
||||
**完整数据保存：**
|
||||
```python
|
||||
full_analysis_content = {
|
||||
"agents_analysis": agents_results, # 5位AI分析师的完整分析
|
||||
"data_info": results["data_info"], # 数据概况统计
|
||||
"scoring_ranking": scoring_df.to_dict(), # AI评分排名
|
||||
"final_report": final_report, # 最终综合报告
|
||||
"timestamp": results["timestamp"] # 分析时间戳
|
||||
}
|
||||
```
|
||||
|
||||
#### 3. UI层重构 (longhubang_ui.py)
|
||||
|
||||
**全新的历史报告界面：**
|
||||
|
||||
📋 **报告列表**
|
||||
- 显示最近50条历史报告
|
||||
- 展示报告ID、分析时间、数据日期范围
|
||||
- 支持展开查看详细内容
|
||||
|
||||
📝 **报告详情展示**
|
||||
- **报告摘要** - 简要概述分析重点
|
||||
- **推荐股票** - 完整的推荐列表（表格化展示）
|
||||
- **AI分析师团队报告** - 5位分析师的详细分析（可展开）
|
||||
- 🎯 游资行为分析师
|
||||
- 📈 个股潜力分析师
|
||||
- 🔥 题材追踪分析师
|
||||
- ⚠️ 风险控制专家
|
||||
- 👔 首席策略师
|
||||
- **AI智能评分排名** - TOP10股票评分详情
|
||||
- **数据概况** - 龙虎榜统计信息
|
||||
|
||||
🔄 **实用功能**
|
||||
- **加载到分析页** - 将历史报告重新加载到分析标签页
|
||||
- **导出为PDF** - （功能预留）支持PDF导出
|
||||
|
||||
### 技术实现
|
||||
|
||||
**数据存储结构：**
|
||||
```json
|
||||
{
|
||||
"agents_analysis": {
|
||||
"youzi": {"analysis": "...", "timestamp": "..."},
|
||||
"stock": {"analysis": "...", "timestamp": "..."},
|
||||
"theme": {"analysis": "...", "timestamp": "..."},
|
||||
"risk": {"analysis": "...", "timestamp": "..."},
|
||||
"chief": {"analysis": "...", "timestamp": "..."}
|
||||
},
|
||||
"data_info": {
|
||||
"total_records": 100,
|
||||
"total_stocks": 50,
|
||||
"total_youzi": 30
|
||||
},
|
||||
"scoring_ranking": [...],
|
||||
"final_report": {...},
|
||||
"timestamp": "2024-10-20 15:30:00"
|
||||
}
|
||||
```
|
||||
|
||||
### 功能对比
|
||||
|
||||
| 功能 | 修复前 | 修复后 |
|
||||
|------|--------|--------|
|
||||
| 保存完整分析结果 | ❌ | ✅ |
|
||||
| 历史记录查询 | 简单列表 | ✅ 完整展示 |
|
||||
| AI分析师报告 | ❌ | ✅ |
|
||||
| 评分排名展示 | ❌ | ✅ |
|
||||
| 推荐股票详情 | 简单 | ✅ 完整 |
|
||||
| 加载历史报告 | ❌ | ✅ |
|
||||
| 结构化数据 | ❌ | ✅ JSON格式 |
|
||||
|
||||
### 核心价值
|
||||
|
||||
1. **数据完整性** - 保存所有分析结果，不会丢失任何信息
|
||||
2. **方便查询** - 随时查看历史分析报告，追踪分析效果
|
||||
3. **复用功能** - 可以重新加载历史报告，无需重新分析
|
||||
4. **向后兼容** - 旧报告也能正常显示（降级到原始内容）
|
||||
|
||||
### 使用说明
|
||||
|
||||
**查看历史报告：**
|
||||
```
|
||||
智瞰龙虎 → 历史报告标签页
|
||||
→ 点击展开任意报告
|
||||
→ 查看完整的分析内容
|
||||
```
|
||||
|
||||
**重新加载历史报告：**
|
||||
```
|
||||
历史报告详情 → 点击"加载到分析页"
|
||||
→ 切换到"龙虎榜分析"标签页
|
||||
→ 查看完整的可视化图表
|
||||
```
|
||||
|
||||
### 交付文件
|
||||
|
||||
**修改的核心文件：**
|
||||
- `longhubang_db.py` - 数据库增强
|
||||
- `longhubang_engine.py` - 完整数据保存
|
||||
- `longhubang_ui.py` - UI界面重构
|
||||
|
||||
**新增文档：**
|
||||
- `智瞰龙虎历史报告功能说明.md` - 详细功能说明
|
||||
|
||||
### 后续优化方向
|
||||
|
||||
- [ ] PDF导出功能实现
|
||||
- [ ] 报告对比功能
|
||||
- [ ] 搜索过滤功能
|
||||
- [ ] 性能分析统计（推荐准确率）
|
||||
- [ ] 批量管理功能
|
||||
|
||||
### 补充更新：AI评分排名完整保存 ⭐️
|
||||
|
||||
**问题描述：**
|
||||
需要确保AI智能评分排名TOP10的完整表格内容被保存到历史报告中。
|
||||
|
||||
**改进内容：**
|
||||
|
||||
1. **数据保存增强** (longhubang_engine.py)
|
||||
- 添加异常处理，确保评分数据安全转换
|
||||
- 打印转换日志，便于调试
|
||||
- 记录转换的评分记录数量
|
||||
|
||||
2. **历史报告展示增强** (longhubang_ui.py)
|
||||
- 显示完整的13列评分数据
|
||||
- 使用进度条可视化5个维度评分
|
||||
- 新增评分说明面板，详细解释评分体系
|
||||
|
||||
**完整展示的列：**
|
||||
- 排名、股票名称、股票代码、综合评分
|
||||
- 资金含金量(0-30)、净买入额(0-25)、卖出压力(0-20)
|
||||
- 机构共振(0-15)、加分项(0-10)
|
||||
- 顶级游资数、买方数、机构参与、净流入金额
|
||||
|
||||
**交付文件：**
|
||||
- `longhubang_engine.py` - 改进数据转换逻辑
|
||||
- `longhubang_ui.py` - 增强评分表格展示
|
||||
- `智瞰龙虎评分排名历史记录说明.md` - 详细功能文档
|
||||
|
||||
---
|
||||
|
||||
## 📝 下一步计划
|
||||
|
||||
### 短期（可选）
|
||||
- [ ] 配置持久化（定时时间保存到数据库）
|
||||
- [ ] 收益率统计和可视化
|
||||
- [ ] CSV/Excel导入导出
|
||||
|
||||
### 中期（待评估）
|
||||
- [ ] 组合优化建议
|
||||
- [ ] 风险敞口分析
|
||||
- [ ] 策略回测功能
|
||||
|
||||
---
|
||||
|
||||
## 🎊 总结
|
||||
|
||||
**本次更新完成了三大核心功能和一个架构级规范：**
|
||||
|
||||
1. ✅ **持仓定时分析**：完整的持仓管理和自动化分析系统
|
||||
2. ✅ **统一调用规范**：架构级代码质量提升
|
||||
3. ✅ **龙虎榜批量分析**：短线交易工具增强
|
||||
4. ✅ **智瞰龙虎历史报告**：完整的历史记录查询和展示（2024-10-20新增）
|
||||
|
||||
**所有功能已完成、测试、文档化！**
|
||||
|
||||
**OpenSpec验证：✅ 通过**
|
||||
|
||||
**状态：可立即投入使用** 🚀
|
||||
|
||||
---
|
||||
|
||||
**最后更新：2024年10月20日**
|
||||
|
||||
**开发者：AI Assistant (Claude Sonnet 4.5)**
|
||||
|
||||
@@ -0,0 +1,212 @@
|
||||
# 智瞰龙虎 - 历史报告功能增强说明
|
||||
|
||||
## 📅 更新日期
|
||||
2024年10月20日
|
||||
|
||||
## 🎯 功能概述
|
||||
本次更新为智瞰龙虎系统新增了完整的历史报告存储和查询功能，参照股票分析的历史记录实现，实现了以下增强：
|
||||
|
||||
## ✨ 新增功能
|
||||
|
||||
### 1. 完整报告存储
|
||||
- **结构化数据保存**：将完整的分析结果以JSON格式保存到数据库
|
||||
- **包含内容**：
|
||||
- 🤖 AI分析师团队报告（5位分析师的完整分析）
|
||||
- 📊 数据概况（龙虎榜记录、涉及股票、游资等统计）
|
||||
- 🏆 AI智能评分排名（完整的评分数据）
|
||||
- 📝 最终综合报告
|
||||
- 🎯 推荐股票列表
|
||||
- ⏰ 分析时间戳
|
||||
|
||||
### 2. 增强的历史报告查询界面
|
||||
- **报告列表展示**：
|
||||
- 显示最近50条历史报告
|
||||
- 按时间倒序排列
|
||||
- 展示报告ID、分析时间、数据日期范围
|
||||
|
||||
- **完整报告详情**：
|
||||
每条历史报告可展开查看以下内容：
|
||||
|
||||
#### 📝 报告摘要
|
||||
- 简要概述本次分析的重点
|
||||
|
||||
#### 🎯 推荐股票
|
||||
- 完整的推荐股票列表
|
||||
- 包含股票代码、名称、净流入、推荐理由、确定性、持有周期
|
||||
- 表格化展示，支持排序
|
||||
|
||||
#### 🤖 AI分析师团队报告
|
||||
可展开查看5位AI分析师的完整分析：
|
||||
- 🎯 **游资行为分析师** - 游资操作风格和进出特征
|
||||
- 📈 **个股潜力分析师** - 潜力股挖掘和上涨概率分析
|
||||
- 🔥 **题材追踪分析师** - 热点题材识别和持续性判断
|
||||
- ⚠️ **风险控制专家** - 高风险股票识别和陷阱预警
|
||||
- 👔 **首席策略师** - 综合研判和最终推荐
|
||||
|
||||
#### 🏆 AI智能评分排名
|
||||
- 显示TOP10股票的综合评分
|
||||
- 包含资金含金量、净买入额、卖出压力、机构共振等维度
|
||||
|
||||
#### 📊 数据概况
|
||||
- 龙虎榜记录数
|
||||
- 涉及股票数
|
||||
- 涉及游资数
|
||||
|
||||
### 3. 历史报告操作功能
|
||||
- **📋 加载到分析页**：将历史报告重新加载到"龙虎榜分析"标签页，方便重新查看完整的图表和可视化
|
||||
- **📥 导出为PDF**：（功能预留）支持将历史报告导出为PDF文档
|
||||
|
||||
## 🔧 技术实现
|
||||
|
||||
### 数据库层 (longhubang_db.py)
|
||||
```python
|
||||
# 增强的保存函数
|
||||
def save_analysis_report(data_date_range, analysis_content,
|
||||
recommended_stocks, summary, full_result=None):
|
||||
# 支持字典自动转JSON
|
||||
# 保存完整的结构化数据
|
||||
```
|
||||
|
||||
```python
|
||||
# 增强的查询函数
|
||||
def get_analysis_report(report_id):
|
||||
# 自动解析JSON内容
|
||||
# 返回结构化的报告数据
|
||||
```
|
||||
|
||||
### 引擎层 (longhubang_engine.py)
|
||||
```python
|
||||
# 构建完整的分析内容
|
||||
full_analysis_content = {
|
||||
"agents_analysis": agents_results,
|
||||
"data_info": results["data_info"],
|
||||
"scoring_ranking": scoring_df.to_dict('records'),
|
||||
"final_report": final_report,
|
||||
"timestamp": results["timestamp"]
|
||||
}
|
||||
|
||||
# 保存到数据库
|
||||
report_id = self.database.save_analysis_report(
|
||||
data_date_range=data_date_range,
|
||||
analysis_content=full_analysis_content,
|
||||
recommended_stocks=recommended_stocks,
|
||||
summary=final_report.get('summary', '')
|
||||
)
|
||||
```
|
||||
|
||||
### UI层 (longhubang_ui.py)
|
||||
- 完全重写 `display_history_tab()` 函数
|
||||
- 使用展开面板 (expander) 组织内容
|
||||
- 支持动态加载报告详情
|
||||
- 实现报告加载到分析页功能
|
||||
|
||||
## 📖 使用说明
|
||||
|
||||
### 查看历史报告
|
||||
1. 进入智瞰龙虎模块
|
||||
2. 点击"历史报告"标签页
|
||||
3. 查看报告列表，点击任意报告展开查看详情
|
||||
|
||||
### 重新加载历史报告
|
||||
1. 在历史报告详情中点击"📋 加载到分析页"按钮
|
||||
2. 切换到"龙虎榜分析"标签页
|
||||
3. 查看完整的分析结果和可视化图表
|
||||
|
||||
### 查看AI分析师报告
|
||||
1. 在历史报告详情中找到"🤖 AI分析师团队报告"部分
|
||||
2. 点击各个分析师的展开面板
|
||||
3. 查看详细的分析内容
|
||||
|
||||
## 🔄 与股票分析功能的对比
|
||||
|
||||
| 功能 | 股票分析 | 智瞰龙虎（修复后） |
|
||||
|------|----------|-------------------|
|
||||
| 保存完整分析结果 | ✅ | ✅ |
|
||||
| 历史记录查询 | ✅ | ✅ |
|
||||
| 详细内容展示 | ✅ | ✅ |
|
||||
| AI分析师报告 | ✅ | ✅ |
|
||||
| 评分排名展示 | ✅ | ✅ |
|
||||
| 推荐股票列表 | ✅ | ✅ |
|
||||
| 加载历史报告 | ✅ | ✅ |
|
||||
|
||||
## 📊 数据存储结构
|
||||
|
||||
### longhubang_analysis 表
|
||||
```sql
|
||||
CREATE TABLE longhubang_analysis (
|
||||
id INTEGER PRIMARY KEY AUTOINCREMENT,
|
||||
analysis_date TEXT, -- 分析时间
|
||||
data_date_range TEXT, -- 数据日期范围
|
||||
analysis_content TEXT, -- 完整分析内容（JSON）
|
||||
recommended_stocks TEXT, -- 推荐股票列表（JSON）
|
||||
summary TEXT, -- 报告摘要
|
||||
created_at TEXT DEFAULT CURRENT_TIMESTAMP
|
||||
)
|
||||
```
|
||||
|
||||
### analysis_content JSON结构
|
||||
```json
|
||||
{
|
||||
"agents_analysis": {
|
||||
"youzi": {"analysis": "...", "timestamp": "..."},
|
||||
"stock": {"analysis": "...", "timestamp": "..."},
|
||||
"theme": {"analysis": "...", "timestamp": "..."},
|
||||
"risk": {"analysis": "...", "timestamp": "..."},
|
||||
"chief": {"analysis": "...", "timestamp": "..."}
|
||||
},
|
||||
"data_info": {
|
||||
"total_records": 100,
|
||||
"total_stocks": 50,
|
||||
"total_youzi": 30,
|
||||
"summary": {...}
|
||||
},
|
||||
"scoring_ranking": [
|
||||
{
|
||||
"排名": 1,
|
||||
"股票名称": "...",
|
||||
"股票代码": "...",
|
||||
"综合评分": 85.5,
|
||||
...
|
||||
}
|
||||
],
|
||||
"final_report": {
|
||||
"title": "...",
|
||||
"summary": "...",
|
||||
...
|
||||
},
|
||||
"timestamp": "2024-10-20 15:30:00"
|
||||
}
|
||||
```
|
||||
|
||||
## 🎉 优势和特点
|
||||
|
||||
1. **数据完整性**：保存了所有分析结果，不会丢失任何信息
|
||||
2. **方便查询**：可以随时查看历史分析报告，追踪分析效果
|
||||
3. **复用功能**：可以将历史报告重新加载，无需重新分析
|
||||
4. **结构化存储**：使用JSON格式存储，便于解析和展示
|
||||
5. **向后兼容**：对旧的报告也能正常显示（降级到原始内容展示）
|
||||
|
||||
## 📝 注意事项
|
||||
|
||||
1. **数据库兼容性**：新旧版本的报告都可以正常查看
|
||||
2. **性能优化**：历史报告列表限制显示50条，避免加载过慢
|
||||
3. **存储空间**：完整的分析结果占用空间较大，建议定期清理旧报告
|
||||
4. **JSON解析**：如果报告内容无法解析为JSON，会降级显示原始文本
|
||||
|
||||
## 🚀 后续优化方向
|
||||
|
||||
1. **PDF导出功能**：实现历史报告的PDF导出
|
||||
2. **报告对比功能**：支持对比不同日期的分析报告
|
||||
3. **搜索过滤功能**：按股票代码、日期范围搜索历史报告
|
||||
4. **性能分析功能**：统计推荐股票的准确率和收益率
|
||||
5. **批量管理功能**：支持批量删除、导出历史报告
|
||||
|
||||
## 🐛 已知问题
|
||||
无
|
||||
|
||||
## 📧 反馈与建议
|
||||
如有问题或建议，请在项目中提交Issue。
|
||||
|
||||
---
|
||||
**更新完成！** ✅
|
||||
|
||||
@@ -0,0 +1,306 @@
|
||||
# 智瞰龙虎 - AI评分排名历史记录功能说明
|
||||
|
||||
## 📅 更新日期
|
||||
2024年10月20日
|
||||
|
||||
## 🎯 功能概述
|
||||
本次更新完善了智瞰龙虎系统的历史报告功能，确保**AI智能评分排名TOP10的完整数据**被正确保存到数据库，并在历史报告中完整展示。
|
||||
|
||||
## ✨ 核心改进
|
||||
|
||||
### 1. 数据保存增强 (longhubang_engine.py)
|
||||
|
||||
#### 改进前
|
||||
```python
|
||||
# 简单转换，可能丢失数据
|
||||
"scoring_ranking": scoring_df.to_dict('records') if ... else []
|
||||
```
|
||||
|
||||
#### 改进后
|
||||
```python
|
||||
# 转换评分排名数据为可序列化格式
|
||||
scoring_ranking_data = []
|
||||
if scoring_df is not None and hasattr(scoring_df, 'to_dict'):
|
||||
try:
|
||||
# 转换DataFrame为字典列表，确保所有数据都被序列化
|
||||
scoring_ranking_data = scoring_df.to_dict('records')
|
||||
print(f"✓ 评分排名数据已转换: {len(scoring_ranking_data)} 条记录")
|
||||
except Exception as e:
|
||||
print(f"⚠ 评分排名数据转换失败: {e}")
|
||||
scoring_ranking_data = []
|
||||
|
||||
# 构建完整的分析内容
|
||||
full_analysis_content = {
|
||||
"agents_analysis": agents_results,
|
||||
"data_info": results["data_info"],
|
||||
"scoring_ranking": scoring_ranking_data, # 完整的评分数据
|
||||
"final_report": final_report,
|
||||
"timestamp": results["timestamp"]
|
||||
}
|
||||
```
|
||||
|
||||
**优势：**
|
||||
- ✅ 添加异常处理，确保数据转换安全
|
||||
- ✅ 打印转换日志，便于调试
|
||||
- ✅ 确保所有评分数据完整保存
|
||||
|
||||
### 2. 历史报告展示增强 (longhubang_ui.py)
|
||||
|
||||
#### 显示完整的评分表格
|
||||
|
||||
**包含所有13个评分维度列：**
|
||||
|
||||
| 列名 | 说明 | 显示格式 |
|
||||
|------|------|----------|
|
||||
| 排名 | 综合评分排名 | 数字 |
|
||||
| 股票名称 | 股票名称 | 文本 |
|
||||
| 股票代码 | 股票代码 | 文本 |
|
||||
| 综合评分 | 总分(0-100) | 数字，1位小数 |
|
||||
| 资金含金量 | 0-30分 | 进度条 |
|
||||
| 净买入额 | 0-25分 | 进度条 |
|
||||
| 卖出压力 | 0-20分 | 进度条 |
|
||||
| 机构共振 | 0-15分 | 进度条 |
|
||||
| 加分项 | 0-10分 | 进度条 |
|
||||
| 顶级游资 | 数量 | 数字 |
|
||||
| 买方数 | 席位数 | 数字 |
|
||||
| 机构参与 | ✅/❌ | 文本 |
|
||||
| 净流入 | 金额 | 数字，2位小数 |
|
||||
|
||||
#### 新增评分说明面板
|
||||
|
||||
在评分表格下方添加可展开的说明面板：
|
||||
|
||||
```markdown
|
||||
**AI智能评分体系 (总分100分)**
|
||||
|
||||
- **资金含金量** (0-30分)：顶级游资+10分，知名游资+5分，普通游资+1.5分
|
||||
- **净买入额** (0-25分)：根据净流入金额大小评分
|
||||
- **卖出压力** (0-20分)：卖出比例越低得分越高
|
||||
- **机构共振** (0-15分)：机构+游资共振15分最高
|
||||
- **加分项** (0-10分)：主力集中度、热门概念、连续上榜等
|
||||
|
||||
💡 评分越高，表示该股票受到资金青睐程度越高！
|
||||
```
|
||||
|
||||
## 📊 数据结构
|
||||
|
||||
### JSON存储格式
|
||||
|
||||
```json
|
||||
{
|
||||
"scoring_ranking": [
|
||||
{
|
||||
"排名": 1,
|
||||
"股票名称": "XXX",
|
||||
"股票代码": "000001.SZ",
|
||||
"综合评分": 85.5,
|
||||
"资金含金量": 28,
|
||||
"净买入额": 23,
|
||||
"卖出压力": 18,
|
||||
"机构共振": 12,
|
||||
"加分项": 4.5,
|
||||
"顶级游资": 2,
|
||||
"买方数": 5,
|
||||
"机构参与": "✅",
|
||||
"净流入": 125000000.00
|
||||
},
|
||||
...
|
||||
]
|
||||
}
|
||||
```
|
||||
|
||||
## 🎯 使用场景
|
||||
|
||||
### 1. 查看历史评分排名
|
||||
```
|
||||
智瞰龙虎 → 历史报告标签页
|
||||
→ 点击展开任意报告
|
||||
→ 向下滚动到"🏆 AI智能评分排名 (TOP10)"
|
||||
→ 查看完整的评分表格
|
||||
```
|
||||
|
||||
### 2. 对比不同日期的评分
|
||||
```
|
||||
历史报告 → 展开多个不同日期的报告
|
||||
→ 对比同一股票在不同日期的评分变化
|
||||
→ 分析市场资金流向趋势
|
||||
```
|
||||
|
||||
### 3. 追踪顶级游资动向
|
||||
```
|
||||
评分表格 → 查看"顶级游资"列
|
||||
→ 识别被顶级游资青睐的股票
|
||||
→ 跟踪游资操作模式
|
||||
```
|
||||
|
||||
## 🔍 评分维度详解
|
||||
|
||||
### 1️⃣ 资金含金量 (0-30分)
|
||||
- **顶级游资**（赵老哥、章盟主、92科比等）：每个 +10分
|
||||
- **知名游资**（深股通、中信证券等）：每个 +5分
|
||||
- **普通游资**：每个 +1.5分
|
||||
|
||||
### 2️⃣ 净买入额评分 (0-25分)
|
||||
- 净流入 < 1000万：0-10分
|
||||
- 净流入 1000-5000万：10-18分
|
||||
- 净流入 5000万-1亿：18-22分
|
||||
- 净流入 > 1亿：22-25分
|
||||
|
||||
### 3️⃣ 卖出压力评分 (0-20分)
|
||||
- 卖出比例 0-10%：20分 ✨（压力极小）
|
||||
- 卖出比例 10-30%：15-20分（压力较小）
|
||||
- 卖出比例 30-50%：10-15分（压力中等）
|
||||
- 卖出比例 50-80%：5-10分（压力较大）
|
||||
- 卖出比例 > 80%：0-5分（压力极大）
|
||||
|
||||
### 4️⃣ 机构共振评分 (0-15分)
|
||||
- **机构+游资共振**：15分 ⭐（最强信号）
|
||||
- 仅机构买入：8-12分
|
||||
- 仅游资买入：5-10分
|
||||
|
||||
### 5️⃣ 其他加分项 (0-10分)
|
||||
- **主力集中度**：席位越少越集中 (+1-3分)
|
||||
- **热门概念**：AI、新能源、芯片等 (+0-3分)
|
||||
- **连续上榜**：连续多日上榜 (+0-2分)
|
||||
- **买卖比例优秀**：买入远大于卖出 (+0-2分)
|
||||
|
||||
## 💡 实战技巧
|
||||
|
||||
### 技巧1：关注综合评分80分以上的股票
|
||||
```
|
||||
综合评分 ≥ 80分 → 优质股票，资金高度认可
|
||||
综合评分 70-80分 → 良好股票，值得关注
|
||||
综合评分 60-70分 → 一般股票，谨慎参与
|
||||
综合评分 < 60分 → 弱势股票，建议观望
|
||||
```
|
||||
|
||||
### 技巧2：机构共振信号最强
|
||||
```
|
||||
机构共振 = 15分 + 顶级游资 ≥ 2家 → 最强买入信号
|
||||
机构共振 = 15分 → 资金认可度高
|
||||
机构共振 < 8分 → 缺少机构支持
|
||||
```
|
||||
|
||||
### 技巧3：关注卖出压力
|
||||
```
|
||||
卖出压力 ≥ 18分 → 卖压小，筹码稳定
|
||||
卖出压力 10-18分 → 卖压中等，观察
|
||||
卖出压力 < 10分 → 卖压大，谨慎
|
||||
```
|
||||
|
||||
### 技巧4：顶级游资扎堆
|
||||
```
|
||||
顶级游资 ≥ 3家 → 顶级游资集中看好
|
||||
顶级游资 = 2家 → 双游资共振
|
||||
顶级游资 = 1家 → 单游资主导
|
||||
顶级游资 = 0家 → 无顶级游资参与
|
||||
```
|
||||
|
||||
## 📈 数据可视化
|
||||
|
||||
在历史报告中，评分数据以以下方式展示：
|
||||
|
||||
1. **进度条显示**：5个维度评分使用进度条可视化
|
||||
- 资金含金量：最大30分
|
||||
- 净买入额：最大25分
|
||||
- 卖出压力：最大20分
|
||||
- 机构共振：最大15分
|
||||
- 加分项：最大10分
|
||||
|
||||
2. **数值显示**：其他数据使用数字格式
|
||||
- 排名：整数
|
||||
- 综合评分：保留1位小数
|
||||
- 净流入：保留2位小数
|
||||
|
||||
3. **文本标识**：机构参与使用emoji标识
|
||||
- ✅：有机构参与
|
||||
- ❌：无机构参与
|
||||
|
||||
## 🎓 案例分析
|
||||
|
||||
### 案例：理想的高分股票
|
||||
|
||||
```
|
||||
排名: 1
|
||||
股票名称: XXX科技
|
||||
股票代码: 000001.SZ
|
||||
综合评分: 88.5分
|
||||
|
||||
详细评分：
|
||||
- 资金含金量: 28分 (2家顶级游资 + 1家知名游资)
|
||||
- 净买入额: 24分 (净流入1.2亿)
|
||||
- 卖出压力: 19分 (卖出比例仅12%)
|
||||
- 机构共振: 15分 (机构+游资共振)
|
||||
- 加分项: 2.5分 (热门AI概念)
|
||||
|
||||
顶级游资: 2家
|
||||
买方数: 5家
|
||||
机构参与: ✅
|
||||
净流入: 120,000,000元
|
||||
```
|
||||
|
||||
**分析：**
|
||||
- ✅ 综合评分88.5分，属于优质股票
|
||||
- ✅ 有2家顶级游资参与，资金含金量高
|
||||
- ✅ 净流入1.2亿，资金力度大
|
||||
- ✅ 卖出压力小（19分），筹码稳定
|
||||
- ✅ 机构+游资共振，最强买入信号
|
||||
- ✅ AI热门概念加持
|
||||
|
||||
**结论：次日大概率上涨，可重点关注！**
|
||||
|
||||
## 🔧 技术实现
|
||||
|
||||
### 数据流转过程
|
||||
|
||||
```
|
||||
1. 龙虎榜数据获取
|
||||
↓
|
||||
2. AI评分系统计算
|
||||
↓ (scoring_df DataFrame)
|
||||
3. 转换为字典列表
|
||||
↓ (scoring_ranking_data)
|
||||
4. 保存到数据库
|
||||
↓ (JSON格式)
|
||||
5. 从数据库读取
|
||||
↓ (解析JSON)
|
||||
6. 转换回DataFrame
|
||||
↓
|
||||
7. 在UI中展示
|
||||
```
|
||||
|
||||
### 关键代码位置
|
||||
|
||||
- **评分计算**：`longhubang_scoring.py` - `score_all_stocks()`
|
||||
- **数据转换**：`longhubang_engine.py` - 阶段7
|
||||
- **数据保存**：`longhubang_db.py` - `save_analysis_report()`
|
||||
- **数据读取**：`longhubang_db.py` - `get_analysis_report()`
|
||||
- **UI展示**：`longhubang_ui.py` - `display_history_tab()`
|
||||
|
||||
## 🐛 已知问题
|
||||
无
|
||||
|
||||
## 🚀 后续优化方向
|
||||
|
||||
1. **评分趋势分析**：展示股票评分的历史变化曲线
|
||||
2. **评分对比功能**：对比多只股票的评分维度
|
||||
3. **评分统计功能**：统计平均评分、最高评分等
|
||||
4. **评分预警功能**：当某只股票评分突破阈值时预警
|
||||
5. **导出评分报告**：将评分数据导出为Excel或CSV
|
||||
|
||||
## 📝 总结
|
||||
|
||||
本次更新确保了AI智能评分排名的完整数据被保存到历史报告中，用户可以：
|
||||
|
||||
✅ 查看完整的13列评分数据
|
||||
✅ 了解每个评分维度的含义
|
||||
✅ 通过进度条直观看到各维度得分
|
||||
✅ 追踪历史评分数据，分析趋势
|
||||
✅ 对比不同时期的资金流向变化
|
||||
|
||||
这为智瞰龙虎系统的历史数据分析提供了强有力的支持！
|
||||
|
||||
---
|
||||
|
||||
**更新完成！** ✅
|
||||
|
||||
Binary file not shown.
+16
-3
@@ -283,15 +283,16 @@ class LonghubangDatabase:
|
||||
return df
|
||||
|
||||
def save_analysis_report(self, data_date_range, analysis_content,
|
||||
recommended_stocks, summary):
|
||||
recommended_stocks, summary, full_result=None):
|
||||
"""
|
||||
保存AI分析报告
|
||||
保存AI分析报告（完整版）
|
||||
|
||||
Args:
|
||||
data_date_range: 数据日期范围
|
||||
analysis_content: 分析内容
|
||||
analysis_content: 分析内容（JSON字符串或字典）
|
||||
recommended_stocks: 推荐股票列表
|
||||
summary: 摘要
|
||||
full_result: 完整的分析结果字典（可选）
|
||||
|
||||
Returns:
|
||||
int: 报告ID
|
||||
@@ -299,6 +300,10 @@ class LonghubangDatabase:
|
||||
conn = self.get_connection()
|
||||
cursor = conn.cursor()
|
||||
|
||||
# 如果传入的是字典，转换为JSON字符串
|
||||
if isinstance(analysis_content, dict):
|
||||
analysis_content = json.dumps(analysis_content, ensure_ascii=False, indent=2)
|
||||
|
||||
cursor.execute('''
|
||||
INSERT INTO longhubang_analysis
|
||||
(analysis_date, data_date_range, analysis_content, recommended_stocks, summary)
|
||||
@@ -373,6 +378,14 @@ class LonghubangDatabase:
|
||||
except:
|
||||
pass
|
||||
|
||||
# 解析analysis_content字段
|
||||
if report.get('analysis_content'):
|
||||
try:
|
||||
report['analysis_content_parsed'] = json.loads(report['analysis_content'])
|
||||
except:
|
||||
# 如果不是JSON格式，保持原样
|
||||
report['analysis_content_parsed'] = None
|
||||
|
||||
return report
|
||||
|
||||
return None
|
||||
|
||||
+27
-5
@@ -151,18 +151,40 @@ class LonghubangEngine:
|
||||
results["final_report"] = final_report
|
||||
print("✓ 最终报告生成完成")
|
||||
|
||||
# 阶段7: 保存分析报告到数据库
|
||||
print("\n[阶段7] 保存分析报告...")
|
||||
# 阶段7: 保存完整分析报告到数据库
|
||||
print("\n[阶段7] 保存完整分析报告...")
|
||||
print("-" * 60)
|
||||
data_date_range = self._get_date_range(data_list)
|
||||
|
||||
# 转换评分排名数据为可序列化格式
|
||||
scoring_ranking_data = []
|
||||
if scoring_df is not None and hasattr(scoring_df, 'to_dict'):
|
||||
try:
|
||||
# 转换DataFrame为字典列表，确保所有数据都被序列化
|
||||
scoring_ranking_data = scoring_df.to_dict('records')
|
||||
print(f"✓ 评分排名数据已转换: {len(scoring_ranking_data)} 条记录")
|
||||
except Exception as e:
|
||||
print(f"⚠ 评分排名数据转换失败: {e}")
|
||||
scoring_ranking_data = []
|
||||
|
||||
# 构建完整的分析内容（结构化）
|
||||
full_analysis_content = {
|
||||
"agents_analysis": agents_results,
|
||||
"data_info": results["data_info"],
|
||||
"scoring_ranking": scoring_ranking_data,
|
||||
"final_report": final_report,
|
||||
"timestamp": results["timestamp"]
|
||||
}
|
||||
|
||||
report_id = self.database.save_analysis_report(
|
||||
data_date_range=data_date_range,
|
||||
analysis_content=str(agents_results),
|
||||
analysis_content=full_analysis_content, # 保存完整的结构化数据
|
||||
recommended_stocks=recommended_stocks,
|
||||
summary=final_report.get('summary', '')
|
||||
summary=final_report.get('summary', ''),
|
||||
full_result=results # 传入完整结果
|
||||
)
|
||||
results["report_id"] = report_id
|
||||
print(f"✓ 报告已保存 (ID: {report_id})")
|
||||
print(f"✓ 完整报告已保存 (ID: {report_id})")
|
||||
|
||||
results["success"] = True
|
||||
|
||||
|
||||
+595
-13
@@ -102,6 +102,11 @@ def display_longhubang():
|
||||
def display_analysis_tab():
|
||||
"""显示分析标签页"""
|
||||
|
||||
# 检查是否触发批量分析（不立即删除标志）
|
||||
if st.session_state.get('longhubang_batch_trigger'):
|
||||
run_longhubang_batch_analysis()
|
||||
return
|
||||
|
||||
st.subheader("🔍 龙虎榜综合分析")
|
||||
|
||||
# 参数设置
|
||||
@@ -383,6 +388,33 @@ def display_scoring_ranking(result):
|
||||
use_container_width=True
|
||||
)
|
||||
|
||||
# 一键批量分析功能
|
||||
st.markdown("---")
|
||||
|
||||
col_batch1, col_batch2, col_batch3 = st.columns([2, 1, 1])
|
||||
with col_batch1:
|
||||
st.markdown("#### 🚀 批量深度分析")
|
||||
st.caption("对TOP10股票进行完整的AI团队分析，获取投资评级和关键价位")
|
||||
|
||||
with col_batch2:
|
||||
batch_count = st.selectbox(
|
||||
"分析数量",
|
||||
options=[3, 5, 10],
|
||||
index=0,
|
||||
help="选择分析前N只股票"
|
||||
)
|
||||
|
||||
with col_batch3:
|
||||
st.write("") # 占位
|
||||
if st.button("🚀 开始批量分析", type="primary", use_container_width=True):
|
||||
# 提取股票代码
|
||||
stock_codes = top10_df.head(batch_count)['股票代码'].tolist()
|
||||
|
||||
# 存储到session_state，触发批量分析
|
||||
st.session_state.longhubang_batch_codes = stock_codes
|
||||
st.session_state.longhubang_batch_trigger = True
|
||||
st.rerun()
|
||||
|
||||
st.markdown("---")
|
||||
|
||||
# 评分分布图表
|
||||
@@ -687,32 +719,223 @@ def display_pdf_export_section(result):
|
||||
|
||||
|
||||
def display_history_tab():
|
||||
"""显示历史报告标签页"""
|
||||
"""显示历史报告标签页（增强版）"""
|
||||
|
||||
st.subheader("📚 历史分析报告")
|
||||
|
||||
try:
|
||||
engine = LonghubangEngine()
|
||||
reports_df = engine.get_historical_reports(limit=20)
|
||||
reports_df = engine.get_historical_reports(limit=50)
|
||||
|
||||
if reports_df.empty:
|
||||
st.info("暂无历史报告")
|
||||
return
|
||||
|
||||
st.dataframe(
|
||||
reports_df,
|
||||
column_config={
|
||||
"id": st.column_config.NumberColumn("ID", format="%d"),
|
||||
"analysis_date": st.column_config.TextColumn("分析时间"),
|
||||
"data_date_range": st.column_config.TextColumn("数据日期范围"),
|
||||
"summary": st.column_config.TextColumn("摘要")
|
||||
},
|
||||
hide_index=True,
|
||||
use_container_width=True
|
||||
)
|
||||
st.info(f"💾 共有 {len(reports_df)} 条历史报告")
|
||||
|
||||
# 显示报告列表
|
||||
st.markdown("### 📋 报告列表")
|
||||
|
||||
# 为每条报告创建展开面板
|
||||
for idx, row in reports_df.iterrows():
|
||||
report_id = row['id']
|
||||
analysis_date = row['analysis_date']
|
||||
data_date_range = row['data_date_range']
|
||||
summary = row['summary']
|
||||
|
||||
# 创建展开面板
|
||||
with st.expander(
|
||||
f"📄 报告 #{report_id} | {analysis_date} | 数据范围: {data_date_range}",
|
||||
expanded=False
|
||||
):
|
||||
# 获取完整报告详情
|
||||
report_detail = engine.get_report_detail(report_id)
|
||||
|
||||
if not report_detail:
|
||||
st.warning("无法加载报告详情")
|
||||
continue
|
||||
|
||||
# 显示摘要
|
||||
st.markdown("#### 📝 报告摘要")
|
||||
st.info(summary)
|
||||
|
||||
st.markdown("---")
|
||||
|
||||
# 显示推荐股票
|
||||
recommended_stocks = report_detail.get('recommended_stocks', [])
|
||||
if recommended_stocks:
|
||||
st.markdown(f"#### 🎯 推荐股票 ({len(recommended_stocks)}只)")
|
||||
|
||||
# 创建DataFrame显示
|
||||
df_stocks = pd.DataFrame(recommended_stocks)
|
||||
st.dataframe(
|
||||
df_stocks,
|
||||
column_config={
|
||||
"rank": st.column_config.NumberColumn("排名", format="%d"),
|
||||
"code": st.column_config.TextColumn("代码"),
|
||||
"name": st.column_config.TextColumn("名称"),
|
||||
"net_inflow": st.column_config.NumberColumn("净流入", format="%.2f"),
|
||||
"reason": st.column_config.TextColumn("推荐理由"),
|
||||
"confidence": st.column_config.TextColumn("确定性"),
|
||||
"hold_period": st.column_config.TextColumn("持有周期")
|
||||
},
|
||||
hide_index=True,
|
||||
use_container_width=True
|
||||
)
|
||||
|
||||
st.markdown("---")
|
||||
|
||||
# 尝试解析完整分析内容
|
||||
analysis_content_parsed = report_detail.get('analysis_content_parsed')
|
||||
|
||||
if analysis_content_parsed and isinstance(analysis_content_parsed, dict):
|
||||
# 显示AI分析师团队报告
|
||||
agents_analysis = analysis_content_parsed.get('agents_analysis', {})
|
||||
|
||||
if agents_analysis:
|
||||
st.markdown("#### 🤖 AI分析师团队报告")
|
||||
|
||||
agent_info = {
|
||||
'youzi': {'title': '🎯 游资行为分析师', 'icon': '🎯'},
|
||||
'stock': {'title': '📈 个股潜力分析师', 'icon': '📈'},
|
||||
'theme': {'title': '🔥 题材追踪分析师', 'icon': '🔥'},
|
||||
'risk': {'title': '⚠️ 风险控制专家', 'icon': '⚠️'},
|
||||
'chief': {'title': '👔 首席策略师', 'icon': '👔'}
|
||||
}
|
||||
|
||||
for agent_key, info in agent_info.items():
|
||||
agent_data = agents_analysis.get(agent_key, {})
|
||||
if agent_data:
|
||||
with st.expander(f"{info['icon']} {info['title']}", expanded=False):
|
||||
analysis = agent_data.get('analysis', '暂无分析')
|
||||
st.markdown(analysis)
|
||||
st.caption(f"分析时间: {agent_data.get('timestamp', 'N/A')}")
|
||||
|
||||
# 显示AI评分排名
|
||||
scoring_ranking = analysis_content_parsed.get('scoring_ranking', [])
|
||||
if scoring_ranking:
|
||||
st.markdown("---")
|
||||
st.markdown("#### 🏆 AI智能评分排名 (TOP10)")
|
||||
|
||||
df_scoring = pd.DataFrame(scoring_ranking[:10])
|
||||
|
||||
# 显示完整的评分表格
|
||||
st.dataframe(
|
||||
df_scoring,
|
||||
column_config={
|
||||
"排名": st.column_config.NumberColumn("排名", format="%d"),
|
||||
"股票名称": st.column_config.TextColumn("股票名称", width="medium"),
|
||||
"股票代码": st.column_config.TextColumn("代码", width="small"),
|
||||
"综合评分": st.column_config.NumberColumn(
|
||||
"综合评分",
|
||||
format="%.1f",
|
||||
help="总分100分"
|
||||
),
|
||||
"资金含金量": st.column_config.ProgressColumn(
|
||||
"资金含金量",
|
||||
format="%d分",
|
||||
min_value=0,
|
||||
max_value=30
|
||||
),
|
||||
"净买入额": st.column_config.ProgressColumn(
|
||||
"净买入额",
|
||||
format="%d分",
|
||||
min_value=0,
|
||||
max_value=25
|
||||
),
|
||||
"卖出压力": st.column_config.ProgressColumn(
|
||||
"卖出压力",
|
||||
format="%d分",
|
||||
min_value=0,
|
||||
max_value=20
|
||||
),
|
||||
"机构共振": st.column_config.ProgressColumn(
|
||||
"机构共振",
|
||||
format="%d分",
|
||||
min_value=0,
|
||||
max_value=15
|
||||
),
|
||||
"加分项": st.column_config.ProgressColumn(
|
||||
"加分项",
|
||||
format="%d分",
|
||||
min_value=0,
|
||||
max_value=10
|
||||
),
|
||||
"顶级游资": st.column_config.NumberColumn("顶级游资", format="%d家"),
|
||||
"买方数": st.column_config.NumberColumn("买方数", format="%d家"),
|
||||
"机构参与": st.column_config.TextColumn("机构参与"),
|
||||
"净流入": st.column_config.NumberColumn("净流入(元)", format="%.2f")
|
||||
},
|
||||
hide_index=True,
|
||||
use_container_width=True
|
||||
)
|
||||
|
||||
# 显示评分说明
|
||||
with st.expander("📖 评分维度说明", expanded=False):
|
||||
st.markdown("""
|
||||
**AI智能评分体系 (总分100分)**
|
||||
|
||||
- **资金含金量** (0-30分)：顶级游资+10分，知名游资+5分，普通游资+1.5分
|
||||
- **净买入额** (0-25分)：根据净流入金额大小评分
|
||||
- **卖出压力** (0-20分)：卖出比例越低得分越高
|
||||
- **机构共振** (0-15分)：机构+游资共振15分最高
|
||||
- **加分项** (0-10分)：主力集中度、热门概念、连续上榜等
|
||||
|
||||
💡 评分越高，表示该股票受到资金青睐程度越高！
|
||||
""")
|
||||
|
||||
# 显示数据概况
|
||||
data_info = analysis_content_parsed.get('data_info', {})
|
||||
if data_info:
|
||||
st.markdown("---")
|
||||
st.markdown("#### 📊 数据概况")
|
||||
|
||||
col1, col2, col3 = st.columns(3)
|
||||
with col1:
|
||||
st.metric("龙虎榜记录", f"{data_info.get('total_records', 0)} 条")
|
||||
with col2:
|
||||
st.metric("涉及股票", f"{data_info.get('total_stocks', 0)} 只")
|
||||
with col3:
|
||||
st.metric("涉及游资", f"{data_info.get('total_youzi', 0)} 个")
|
||||
|
||||
else:
|
||||
# 如果无法解析，显示原始内容
|
||||
st.markdown("#### 📄 原始分析内容")
|
||||
analysis_content = report_detail.get('analysis_content', '')
|
||||
if analysis_content:
|
||||
st.text_area("", value=analysis_content[:2000], height=200, disabled=True)
|
||||
if len(analysis_content) > 2000:
|
||||
st.caption("(内容过长，仅显示前2000字符)")
|
||||
|
||||
# 导出按钮
|
||||
st.markdown("---")
|
||||
col_export1, col_export2 = st.columns(2)
|
||||
|
||||
with col_export1:
|
||||
if st.button(f"📥 导出为PDF", key=f"export_pdf_{report_id}"):
|
||||
st.info("PDF导出功能开发中...")
|
||||
|
||||
with col_export2:
|
||||
if st.button(f"📋 加载到分析页", key=f"load_report_{report_id}"):
|
||||
# 将历史报告加载到当前分析结果中
|
||||
if analysis_content_parsed:
|
||||
# 重建完整的result结构
|
||||
loaded_result = {
|
||||
"success": True,
|
||||
"timestamp": report_detail.get('analysis_date', ''),
|
||||
"data_info": analysis_content_parsed.get('data_info', {}),
|
||||
"agents_analysis": analysis_content_parsed.get('agents_analysis', {}),
|
||||
"scoring_ranking": pd.DataFrame(analysis_content_parsed.get('scoring_ranking', [])) if analysis_content_parsed.get('scoring_ranking') else None,
|
||||
"final_report": analysis_content_parsed.get('final_report', {}),
|
||||
"recommended_stocks": report_detail.get('recommended_stocks', [])
|
||||
}
|
||||
st.session_state.longhubang_result = loaded_result
|
||||
st.success('✅ 报告已加载到分析页面，请切换到"龙虎榜分析"标签查看')
|
||||
|
||||
except Exception as e:
|
||||
st.error(f"❌ 加载历史报告失败: {str(e)}")
|
||||
import traceback
|
||||
st.code(traceback.format_exc())
|
||||
|
||||
|
||||
def display_statistics_tab():
|
||||
@@ -790,6 +1013,365 @@ def display_statistics_tab():
|
||||
st.error(f"❌ 加载统计数据失败: {str(e)}")
|
||||
|
||||
|
||||
def run_longhubang_batch_analysis():
|
||||
"""执行龙虎榜TOP股票批量分析（遵循统一调用规范）"""
|
||||
|
||||
st.markdown("## 🚀 龙虎榜TOP股票批量分析")
|
||||
st.markdown("---")
|
||||
|
||||
# 检查是否已有分析结果
|
||||
if st.session_state.get('longhubang_batch_results'):
|
||||
display_longhubang_batch_results(st.session_state.longhubang_batch_results)
|
||||
|
||||
# 返回按钮
|
||||
col_back, col_clear = st.columns(2)
|
||||
with col_back:
|
||||
if st.button("🔙 返回龙虎榜分析", use_container_width=True):
|
||||
# 清除所有批量分析相关状态
|
||||
if 'longhubang_batch_trigger' in st.session_state:
|
||||
del st.session_state.longhubang_batch_trigger
|
||||
if 'longhubang_batch_codes' in st.session_state:
|
||||
del st.session_state.longhubang_batch_codes
|
||||
if 'longhubang_batch_results' in st.session_state:
|
||||
del st.session_state.longhubang_batch_results
|
||||
st.rerun()
|
||||
|
||||
with col_clear:
|
||||
if st.button("🔄 重新分析", use_container_width=True):
|
||||
# 清除结果，保留触发标志和代码
|
||||
if 'longhubang_batch_results' in st.session_state:
|
||||
del st.session_state.longhubang_batch_results
|
||||
st.rerun()
|
||||
|
||||
return
|
||||
|
||||
# 获取股票代码列表
|
||||
stock_codes = st.session_state.get('longhubang_batch_codes', [])
|
||||
|
||||
if not stock_codes:
|
||||
st.error("未找到股票代码列表")
|
||||
# 清除触发标志
|
||||
if 'longhubang_batch_trigger' in st.session_state:
|
||||
del st.session_state.longhubang_batch_trigger
|
||||
return
|
||||
|
||||
st.info(f"即将分析 {len(stock_codes)} 只股票：{', '.join(stock_codes)}")
|
||||
|
||||
# 返回按钮
|
||||
if st.button("🔙 取消返回", type="secondary"):
|
||||
# 清除所有批量分析相关状态
|
||||
if 'longhubang_batch_trigger' in st.session_state:
|
||||
del st.session_state.longhubang_batch_trigger
|
||||
if 'longhubang_batch_codes' in st.session_state:
|
||||
del st.session_state.longhubang_batch_codes
|
||||
st.rerun()
|
||||
|
||||
st.markdown("---")
|
||||
|
||||
# 分析选项
|
||||
col1, col2 = st.columns(2)
|
||||
|
||||
with col1:
|
||||
analysis_mode = st.selectbox(
|
||||
"分析模式",
|
||||
options=["sequential", "parallel"],
|
||||
format_func=lambda x: "顺序分析（稳定）" if x == "sequential" else "并行分析（快速）",
|
||||
help="顺序分析较慢但稳定，并行分析更快但消耗更多资源"
|
||||
)
|
||||
|
||||
with col2:
|
||||
if analysis_mode == "parallel":
|
||||
max_workers = st.number_input(
|
||||
"并行线程数",
|
||||
min_value=2,
|
||||
max_value=5,
|
||||
value=3,
|
||||
help="同时分析的股票数量"
|
||||
)
|
||||
else:
|
||||
max_workers = 1
|
||||
|
||||
st.markdown("---")
|
||||
|
||||
# 开始分析按钮
|
||||
col_confirm, col_cancel = st.columns(2)
|
||||
|
||||
start_analysis = False
|
||||
with col_confirm:
|
||||
if st.button("🚀 确认开始分析", type="primary", use_container_width=True):
|
||||
start_analysis = True
|
||||
|
||||
with col_cancel:
|
||||
if st.button("❌ 取消", type="secondary", use_container_width=True):
|
||||
# 清除所有批量分析相关状态
|
||||
if 'longhubang_batch_trigger' in st.session_state:
|
||||
del st.session_state.longhubang_batch_trigger
|
||||
if 'longhubang_batch_codes' in st.session_state:
|
||||
del st.session_state.longhubang_batch_codes
|
||||
st.rerun()
|
||||
|
||||
if start_analysis:
|
||||
# 导入统一分析函数（遵循统一规范）
|
||||
from app import analyze_single_stock_for_batch
|
||||
import concurrent.futures
|
||||
import time
|
||||
|
||||
st.markdown("---")
|
||||
st.info("⏳ 正在执行批量分析，请稍候...")
|
||||
|
||||
# 进度显示
|
||||
progress_bar = st.progress(0)
|
||||
status_text = st.empty()
|
||||
|
||||
results = []
|
||||
start_time = time.time()
|
||||
|
||||
if analysis_mode == "sequential":
|
||||
# 顺序分析
|
||||
for i, code in enumerate(stock_codes):
|
||||
status_text.text(f"正在分析 {code} ({i+1}/{len(stock_codes)})")
|
||||
progress_bar.progress((i + 1) / len(stock_codes))
|
||||
|
||||
try:
|
||||
# 调用统一分析函数
|
||||
result = analyze_single_stock_for_batch(
|
||||
symbol=code,
|
||||
period="1y",
|
||||
enabled_analysts_config={
|
||||
'technical': True,
|
||||
'fundamental': True,
|
||||
'fund_flow': True,
|
||||
'risk': True,
|
||||
'sentiment': False,
|
||||
'news': False
|
||||
},
|
||||
selected_model='deepseek-chat'
|
||||
)
|
||||
|
||||
results.append({
|
||||
"code": code,
|
||||
"result": result
|
||||
})
|
||||
|
||||
except Exception as e:
|
||||
results.append({
|
||||
"code": code,
|
||||
"result": {"success": False, "error": str(e)}
|
||||
})
|
||||
|
||||
else:
|
||||
# 并行分析
|
||||
status_text.text(f"并行分析 {len(stock_codes)} 只股票...")
|
||||
|
||||
def analyze_one(code):
|
||||
try:
|
||||
result = analyze_single_stock_for_batch(
|
||||
symbol=code,
|
||||
period="1y",
|
||||
enabled_analysts_config={
|
||||
'technical': True,
|
||||
'fundamental': True,
|
||||
'fund_flow': True,
|
||||
'risk': True,
|
||||
'sentiment': False,
|
||||
'news': False
|
||||
},
|
||||
selected_model='deepseek-chat'
|
||||
)
|
||||
return {"code": code, "result": result}
|
||||
except Exception as e:
|
||||
return {"code": code, "result": {"success": False, "error": str(e)}}
|
||||
|
||||
with concurrent.futures.ThreadPoolExecutor(max_workers=max_workers) as executor:
|
||||
futures = {executor.submit(analyze_one, code): code for code in stock_codes}
|
||||
|
||||
completed = 0
|
||||
for future in concurrent.futures.as_completed(futures):
|
||||
completed += 1
|
||||
progress_bar.progress(completed / len(stock_codes))
|
||||
status_text.text(f"已完成 {completed}/{len(stock_codes)}")
|
||||
results.append(future.result())
|
||||
|
||||
# 清除进度
|
||||
progress_bar.empty()
|
||||
status_text.empty()
|
||||
|
||||
# 计算统计
|
||||
elapsed_time = time.time() - start_time
|
||||
success_count = sum(1 for r in results if r.get("result", {}).get("success"))
|
||||
failed_count = len(results) - success_count
|
||||
|
||||
st.success(f"✅ 批量分析完成！成功 {success_count} 只，失败 {failed_count} 只，耗时 {elapsed_time:.1f}秒")
|
||||
|
||||
# 保存结果到session_state
|
||||
st.session_state.longhubang_batch_results = {
|
||||
"results": results,
|
||||
"total": len(results),
|
||||
"success": success_count,
|
||||
"failed": failed_count,
|
||||
"elapsed_time": elapsed_time
|
||||
}
|
||||
|
||||
time.sleep(0.5)
|
||||
st.rerun()
|
||||
|
||||
|
||||
def display_longhubang_batch_results(batch_results: dict):
|
||||
"""显示龙虎榜批量分析结果"""
|
||||
|
||||
st.markdown("### 📊 批量分析结果")
|
||||
|
||||
results = batch_results.get("results", [])
|
||||
total = batch_results.get("total", 0)
|
||||
success = batch_results.get("success", 0)
|
||||
failed = batch_results.get("failed", 0)
|
||||
elapsed_time = batch_results.get("elapsed_time", 0)
|
||||
|
||||
# 统计信息
|
||||
col1, col2, col3, col4 = st.columns(4)
|
||||
with col1:
|
||||
st.metric("总计", total)
|
||||
with col2:
|
||||
st.metric("成功", success)
|
||||
with col3:
|
||||
st.metric("失败", failed)
|
||||
with col4:
|
||||
st.metric("耗时", f"{elapsed_time:.1f}秒")
|
||||
|
||||
st.markdown("---")
|
||||
|
||||
# 失败的股票
|
||||
failed_results = [r for r in results if not r.get("result", {}).get("success")]
|
||||
if failed_results:
|
||||
with st.expander(f"❌ 失败股票 ({len(failed_results)}只)", expanded=False):
|
||||
for item in failed_results:
|
||||
code = item.get("code", "")
|
||||
error = item.get("result", {}).get("error", "未知错误")
|
||||
st.error(f"**{code}**: {error}")
|
||||
|
||||
# 成功的股票
|
||||
success_results = [r for r in results if r.get("result", {}).get("success")]
|
||||
|
||||
if not success_results:
|
||||
st.warning("⚠️ 没有成功分析的股票")
|
||||
return
|
||||
|
||||
st.markdown("### 🎯 分析结果详情")
|
||||
|
||||
# 显示每只股票的分析结果（使用统一字段名）
|
||||
for item in success_results:
|
||||
code = item.get("code", "")
|
||||
result = item.get("result", {})
|
||||
final_decision = result.get("final_decision", {})
|
||||
stock_info = result.get("stock_info", {})
|
||||
|
||||
# 使用统一字段名
|
||||
rating = final_decision.get("rating", "未知")
|
||||
confidence = final_decision.get("confidence_level", "N/A")
|
||||
entry_range = final_decision.get("entry_range", "N/A")
|
||||
take_profit = final_decision.get("take_profit", "N/A")
|
||||
stop_loss = final_decision.get("stop_loss", "N/A")
|
||||
target_price = final_decision.get("target_price", "N/A")
|
||||
advice = final_decision.get("advice", "")
|
||||
|
||||
# 评级颜色
|
||||
if "强烈买入" in rating or "买入" in rating:
|
||||
rating_color = "🟢"
|
||||
elif "卖出" in rating:
|
||||
rating_color = "🔴"
|
||||
else:
|
||||
rating_color = "🟡"
|
||||
|
||||
with st.expander(f"{rating_color} {code} {stock_info.get('name', '')} - {rating} (信心度: {confidence})", expanded=False):
|
||||
col1, col2, col3 = st.columns(3)
|
||||
|
||||
with col1:
|
||||
st.markdown("**基本信息**")
|
||||
st.write(f"当前价: {stock_info.get('current_price', 'N/A')}")
|
||||
st.write(f"目标价: {target_price}")
|
||||
|
||||
with col2:
|
||||
st.markdown("**进出场位置**")
|
||||
st.write(f"进场区间: {entry_range}")
|
||||
st.write(f"止盈位: {take_profit}")
|
||||
|
||||
with col3:
|
||||
st.markdown("**风控**")
|
||||
st.write(f"止损位: {stop_loss}")
|
||||
st.write(f"评级: {rating}")
|
||||
|
||||
if advice:
|
||||
st.markdown("**投资建议**")
|
||||
st.info(advice)
|
||||
|
||||
# 添加到监测按钮
|
||||
if st.button(f"➕ 加入监测", key=f"add_monitor_{code}"):
|
||||
add_to_monitor_from_longhubang(code, stock_info.get('name', ''), final_decision)
|
||||
|
||||
|
||||
def add_to_monitor_from_longhubang(code: str, name: str, final_decision: dict):
|
||||
"""从龙虎榜分析结果添加到监测列表"""
|
||||
try:
|
||||
from monitor_db import monitor_db
|
||||
import re
|
||||
|
||||
# 提取数据（使用统一字段名和解析逻辑）
|
||||
rating = final_decision.get("rating", "持有")
|
||||
entry_range = final_decision.get("entry_range", "")
|
||||
take_profit_str = final_decision.get("take_profit", "")
|
||||
stop_loss_str = final_decision.get("stop_loss", "")
|
||||
|
||||
# 解析进场区间
|
||||
entry_min, entry_max = None, None
|
||||
if entry_range and isinstance(entry_range, str) and "-" in entry_range:
|
||||
try:
|
||||
parts = entry_range.split("-")
|
||||
entry_min = float(parts[0].strip())
|
||||
entry_max = float(parts[1].strip())
|
||||
except:
|
||||
pass
|
||||
|
||||
# 解析止盈止损
|
||||
take_profit, stop_loss = None, None
|
||||
if take_profit_str:
|
||||
try:
|
||||
numbers = re.findall(r'\d+\.?\d*', str(take_profit_str))
|
||||
if numbers:
|
||||
take_profit = float(numbers[0])
|
||||
except:
|
||||
pass
|
||||
|
||||
if stop_loss_str:
|
||||
try:
|
||||
numbers = re.findall(r'\d+\.?\d*', str(stop_loss_str))
|
||||
if numbers:
|
||||
stop_loss = float(numbers[0])
|
||||
except:
|
||||
pass
|
||||
|
||||
# 验证必需参数
|
||||
if not all([entry_min, entry_max, take_profit, stop_loss]):
|
||||
st.error("❌ 分析结果缺少完整的进场区间和止盈止损信息")
|
||||
return
|
||||
|
||||
# 添加到监测
|
||||
monitor_db.add_monitored_stock(
|
||||
symbol=code,
|
||||
name=name,
|
||||
rating=rating,
|
||||
entry_range={"min": entry_min, "max": entry_max},
|
||||
take_profit=take_profit,
|
||||
stop_loss=stop_loss,
|
||||
check_interval=60,
|
||||
notification_enabled=True
|
||||
)
|
||||
|
||||
st.success(f"✅ {code} 已成功加入监测列表！")
|
||||
|
||||
except Exception as e:
|
||||
st.error(f"❌ 添加监测失败: {str(e)}")
|
||||
|
||||
|
||||
# 测试函数
|
||||
if __name__ == "__main__":
|
||||
st.set_page_config(
|
||||
|
||||
Binary file not shown.
+3
-2
@@ -83,6 +83,7 @@ def display_portfolio_stocks():
|
||||
def display_stock_card(stock: Dict):
|
||||
"""显示单个股票卡片"""
|
||||
|
||||
stock_id = stock.get("id") # 获取股票ID
|
||||
code = stock.get("code", "")
|
||||
name = stock.get("name", "")
|
||||
cost_price = stock.get("cost_price")
|
||||
@@ -121,7 +122,7 @@ def display_stock_card(stock: Dict):
|
||||
st.rerun()
|
||||
with col_del:
|
||||
if st.button("🗑️", key=f"del_{code}", help="删除"):
|
||||
portfolio_manager.delete_stock(code)
|
||||
portfolio_manager.delete_stock(stock_id) # 使用stock_id而不是code
|
||||
st.success(f"已删除 {code}")
|
||||
time.sleep(0.5)
|
||||
st.rerun()
|
||||
@@ -154,7 +155,7 @@ def display_stock_card(stock: Dict):
|
||||
with col_submit:
|
||||
if st.form_submit_button("保存", type="primary"):
|
||||
portfolio_manager.update_stock(
|
||||
code,
|
||||
stock_id, # 使用stock_id而不是code
|
||||
cost_price=new_cost if new_cost > 0 else None,
|
||||
quantity=new_quantity if new_quantity > 0 else None,
|
||||
note=new_note,
|
||||
|
||||
Binary file not shown.
@@ -1,276 +0,0 @@
|
||||
#!/usr/bin/env python3
|
||||
# -*- coding: utf-8 -*-
|
||||
"""
|
||||
实时监测定时调度器测试脚本
|
||||
用于验证调度器功能是否正常工作
|
||||
"""
|
||||
|
||||
import sys
|
||||
import time
|
||||
from datetime import datetime
|
||||
from monitor_service import monitor_service
|
||||
from monitor_scheduler import get_scheduler
|
||||
|
||||
def print_separator():
|
||||
"""打印分隔线"""
|
||||
print("\n" + "="*60 + "\n")
|
||||
|
||||
def test_scheduler_initialization():
|
||||
"""测试调度器初始化"""
|
||||
print("📋 测试1: 调度器初始化")
|
||||
print("-" * 60)
|
||||
|
||||
try:
|
||||
scheduler = get_scheduler(monitor_service)
|
||||
if scheduler:
|
||||
print("✅ 调度器初始化成功")
|
||||
print(f" 配置文件: monitor_schedule_config.json")
|
||||
return scheduler
|
||||
else:
|
||||
print("❌ 调度器初始化失败")
|
||||
return None
|
||||
except Exception as e:
|
||||
print(f"❌ 调度器初始化异常: {e}")
|
||||
return None
|
||||
|
||||
def test_config_loading(scheduler):
|
||||
"""测试配置加载"""
|
||||
print("\n📋 测试2: 配置加载")
|
||||
print("-" * 60)
|
||||
|
||||
try:
|
||||
config = scheduler.config
|
||||
print("✅ 配置加载成功:")
|
||||
print(f" 启用状态: {config.get('enabled', False)}")
|
||||
print(f" 市场: {config.get('market', 'CN')}")
|
||||
print(f" 交易日: {config.get('trading_days', [])}")
|
||||
print(f" 自动停止: {config.get('auto_stop', True)}")
|
||||
return True
|
||||
except Exception as e:
|
||||
print(f"❌ 配置加载失败: {e}")
|
||||
return False
|
||||
|
||||
def test_trading_day_detection(scheduler):
|
||||
"""测试交易日检测"""
|
||||
print("\n📋 测试3: 交易日检测")
|
||||
print("-" * 60)
|
||||
|
||||
try:
|
||||
now = datetime.now()
|
||||
is_trading_day = scheduler.is_trading_day()
|
||||
weekday = now.weekday() + 1
|
||||
weekday_names = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]
|
||||
|
||||
print(f" 当前日期: {now.strftime('%Y-%m-%d')} ({weekday_names[weekday-1]})")
|
||||
print(f" 是否交易日: {'✅ 是' if is_trading_day else '❌ 否'}")
|
||||
print(f" 配置的交易日: {scheduler.config.get('trading_days', [])}")
|
||||
return True
|
||||
except Exception as e:
|
||||
print(f"❌ 交易日检测失败: {e}")
|
||||
return False
|
||||
|
||||
def test_trading_time_detection(scheduler):
|
||||
"""测试交易时间检测"""
|
||||
print("\n📋 测试4: 交易时间检测")
|
||||
print("-" * 60)
|
||||
|
||||
try:
|
||||
now = datetime.now()
|
||||
is_trading_time = scheduler.is_trading_time()
|
||||
next_time = scheduler.get_next_trading_time()
|
||||
|
||||
print(f" 当前时间: {now.strftime('%H:%M:%S')}")
|
||||
print(f" 是否交易时间: {'✅ 是' if is_trading_time else '❌ 否'}")
|
||||
print(f" 下次交易时间: {next_time}")
|
||||
|
||||
# 显示配置的交易时间
|
||||
market = scheduler.config.get('market', 'CN')
|
||||
trading_hours = scheduler.config['trading_hours'].get(market, [])
|
||||
print(f" 市场: {market}")
|
||||
print(f" 配置的交易时间:")
|
||||
for i, period in enumerate(trading_hours, 1):
|
||||
print(f" 时段{i}: {period['start']} - {period['end']}")
|
||||
|
||||
return True
|
||||
except Exception as e:
|
||||
print(f"❌ 交易时间检测失败: {e}")
|
||||
return False
|
||||
|
||||
def test_scheduler_status(scheduler):
|
||||
"""测试调度器状态"""
|
||||
print("\n📋 测试5: 调度器状态")
|
||||
print("-" * 60)
|
||||
|
||||
try:
|
||||
status = scheduler.get_status()
|
||||
print("✅ 状态获取成功:")
|
||||
print(f" 调度器运行中: {status['scheduler_running']}")
|
||||
print(f" 定时已启用: {status['scheduler_enabled']}")
|
||||
print(f" 是否交易日: {status['is_trading_day']}")
|
||||
print(f" 是否交易时间: {status['is_trading_time']}")
|
||||
print(f" 市场: {status['market']}")
|
||||
print(f" 下次交易时间: {status['next_trading_time']}")
|
||||
print(f" 监测服务运行: {status['monitor_service_running']}")
|
||||
print(f" 自动停止: {status['auto_stop']}")
|
||||
return True
|
||||
except Exception as e:
|
||||
print(f"❌ 状态获取失败: {e}")
|
||||
return False
|
||||
|
||||
def test_config_update(scheduler):
|
||||
"""测试配置更新"""
|
||||
print("\n📋 测试6: 配置更新")
|
||||
print("-" * 60)
|
||||
|
||||
try:
|
||||
# 保存原始配置
|
||||
original_enabled = scheduler.config.get('enabled', False)
|
||||
|
||||
print(" 测试配置更新...")
|
||||
# 不真正改变配置，只测试API
|
||||
print(f" 当前启用状态: {original_enabled}")
|
||||
print(" ✅ 配置更新API可用")
|
||||
print(" 注意: 实际配置未修改")
|
||||
|
||||
return True
|
||||
except Exception as e:
|
||||
print(f"❌ 配置更新失败: {e}")
|
||||
return False
|
||||
|
||||
def test_monitor_service_integration(scheduler):
|
||||
"""测试与监测服务的集成"""
|
||||
print("\n📋 测试7: 监测服务集成")
|
||||
print("-" * 60)
|
||||
|
||||
try:
|
||||
print(f" 监测服务状态: {'运行中' if monitor_service.running else '已停止'}")
|
||||
print(f" 调度器实例: {scheduler is not None}")
|
||||
print(" ✅ 集成测试通过")
|
||||
return True
|
||||
except Exception as e:
|
||||
print(f"❌ 集成测试失败: {e}")
|
||||
return False
|
||||
|
||||
def test_scheduler_start_stop(scheduler):
|
||||
"""测试调度器启动停止"""
|
||||
print("\n📋 测试8: 调度器启动/停止")
|
||||
print("-" * 60)
|
||||
|
||||
try:
|
||||
# 检查当前状态
|
||||
was_running = scheduler.running
|
||||
print(f" 初始状态: {'运行中' if was_running else '已停止'}")
|
||||
|
||||
if not scheduler.config.get('enabled', False):
|
||||
print(" ⚠️ 定时调度未启用，跳过启动测试")
|
||||
print(" 提示: 在UI中启用定时调度后再测试")
|
||||
else:
|
||||
if not was_running:
|
||||
print(" 尝试启动调度器...")
|
||||
scheduler.start_scheduler()
|
||||
time.sleep(2)
|
||||
if scheduler.running:
|
||||
print(" ✅ 调度器启动成功")
|
||||
|
||||
# 立即停止以恢复原状
|
||||
print(" 尝试停止调度器...")
|
||||
scheduler.stop_scheduler()
|
||||
time.sleep(1)
|
||||
if not scheduler.running:
|
||||
print(" ✅ 调度器停止成功")
|
||||
else:
|
||||
print(" ⚠️ 调度器可能未完全停止")
|
||||
else:
|
||||
print(" ❌ 调度器启动失败")
|
||||
else:
|
||||
print(" ⚠️ 调度器已在运行，跳过启动测试")
|
||||
|
||||
return True
|
||||
except Exception as e:
|
||||
print(f"❌ 启动/停止测试失败: {e}")
|
||||
return False
|
||||
|
||||
def run_all_tests():
|
||||
"""运行所有测试"""
|
||||
print("🚀 实时监测定时调度器测试")
|
||||
print("="*60)
|
||||
print(f"开始时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
|
||||
print_separator()
|
||||
|
||||
results = []
|
||||
|
||||
# 测试1: 初始化
|
||||
scheduler = test_scheduler_initialization()
|
||||
if not scheduler:
|
||||
print("\n❌ 调度器初始化失败，无法继续测试")
|
||||
return
|
||||
results.append(scheduler is not None)
|
||||
|
||||
print_separator()
|
||||
|
||||
# 测试2: 配置加载
|
||||
results.append(test_config_loading(scheduler))
|
||||
print_separator()
|
||||
|
||||
# 测试3: 交易日检测
|
||||
results.append(test_trading_day_detection(scheduler))
|
||||
print_separator()
|
||||
|
||||
# 测试4: 交易时间检测
|
||||
results.append(test_trading_time_detection(scheduler))
|
||||
print_separator()
|
||||
|
||||
# 测试5: 状态获取
|
||||
results.append(test_scheduler_status(scheduler))
|
||||
print_separator()
|
||||
|
||||
# 测试6: 配置更新
|
||||
results.append(test_config_update(scheduler))
|
||||
print_separator()
|
||||
|
||||
# 测试7: 监测服务集成
|
||||
results.append(test_monitor_service_integration(scheduler))
|
||||
print_separator()
|
||||
|
||||
# 测试8: 启动停止
|
||||
results.append(test_scheduler_start_stop(scheduler))
|
||||
print_separator()
|
||||
|
||||
# 汇总结果
|
||||
print("📊 测试结果汇总")
|
||||
print("="*60)
|
||||
total_tests = len(results)
|
||||
passed_tests = sum(results)
|
||||
failed_tests = total_tests - passed_tests
|
||||
|
||||
print(f"总测试数: {total_tests}")
|
||||
print(f"通过: ✅ {passed_tests}")
|
||||
print(f"失败: ❌ {failed_tests}")
|
||||
print(f"通过率: {(passed_tests/total_tests*100):.1f}%")
|
||||
|
||||
print_separator()
|
||||
|
||||
if failed_tests == 0:
|
||||
print("🎉 所有测试通过！定时调度器功能正常")
|
||||
else:
|
||||
print(f"⚠️ 有 {failed_tests} 个测试失败，请检查错误信息")
|
||||
|
||||
print(f"\n结束时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
|
||||
print("="*60)
|
||||
|
||||
def main():
|
||||
"""主函数"""
|
||||
try:
|
||||
run_all_tests()
|
||||
except KeyboardInterrupt:
|
||||
print("\n\n⚠️ 测试被用户中断")
|
||||
sys.exit(0)
|
||||
except Exception as e:
|
||||
print(f"\n\n❌ 测试过程中发生错误: {e}")
|
||||
import traceback
|
||||
traceback.print_exc()
|
||||
sys.exit(1)
|
||||
|
||||
if __name__ == "__main__":
|
||||
main()
|
||||
|
||||
@@ -1,173 +0,0 @@
|
||||
"""
|
||||
风险数据获取功能测试脚本
|
||||
测试pywencai获取限售解禁、大股东减持、重要事件数据
|
||||
"""
|
||||
|
||||
from risk_data_fetcher import RiskDataFetcher
|
||||
|
||||
|
||||
def test_risk_data_fetcher():
|
||||
"""测试风险数据获取器"""
|
||||
|
||||
print("=" * 80)
|
||||
print("风险数据获取功能测试")
|
||||
print("=" * 80)
|
||||
|
||||
# 初始化获取器
|
||||
fetcher = RiskDataFetcher()
|
||||
|
||||
# 测试股票列表（建议使用大盘股，数据更全）
|
||||
test_symbols = [
|
||||
"600000", # 浦发银行
|
||||
"000001", # 平安银行
|
||||
"600519", # 茅台
|
||||
]
|
||||
|
||||
for symbol in test_symbols:
|
||||
print(f"\n{'=' * 80}")
|
||||
print(f"测试股票: {symbol}")
|
||||
print(f"{'=' * 80}")
|
||||
|
||||
# 获取风险数据
|
||||
risk_data = fetcher.get_risk_data(symbol)
|
||||
|
||||
# 显示结果
|
||||
print(f"\n数据获取成功: {risk_data.get('data_success', False)}")
|
||||
|
||||
if risk_data.get('error'):
|
||||
print(f"错误信息: {risk_data['error']}")
|
||||
continue
|
||||
|
||||
# 显示限售解禁数据
|
||||
lifting_ban = risk_data.get('lifting_ban')
|
||||
if lifting_ban and lifting_ban.get('has_data'):
|
||||
print(f"\n✅ 限售解禁数据:")
|
||||
print(f" 查询语句: {lifting_ban.get('query')}")
|
||||
df_data = lifting_ban.get('data')
|
||||
if df_data is not None and not df_data.empty:
|
||||
print(f" 记录数: {len(df_data)}")
|
||||
print(f" 字段: {', '.join(df_data.columns.tolist())}")
|
||||
print(f" 前3条记录:")
|
||||
print(df_data.head(3).to_string(index=False))
|
||||
else:
|
||||
print(f"\nℹ️ 暂无限售解禁数据")
|
||||
|
||||
# 显示股东减持数据
|
||||
reduction = risk_data.get('shareholder_reduction')
|
||||
if reduction and reduction.get('has_data'):
|
||||
print(f"\n✅ 大股东减持数据:")
|
||||
print(f" 查询语句: {reduction.get('query')}")
|
||||
df_data = reduction.get('data')
|
||||
if df_data is not None and not df_data.empty:
|
||||
print(f" 记录数: {len(df_data)}")
|
||||
print(f" 字段: {', '.join(df_data.columns.tolist())}")
|
||||
print(f" 前3条记录:")
|
||||
print(df_data.head(3).to_string(index=False))
|
||||
else:
|
||||
print(f"\nℹ️ 暂无大股东减持数据")
|
||||
|
||||
# 显示重要事件数据
|
||||
events = risk_data.get('important_events')
|
||||
if events and events.get('has_data'):
|
||||
print(f"\n✅ 重要事件数据:")
|
||||
print(f" 查询语句: {events.get('query')}")
|
||||
df_data = events.get('data')
|
||||
if df_data is not None and not df_data.empty:
|
||||
print(f" 记录数: {len(df_data)}")
|
||||
print(f" 字段: {', '.join(df_data.columns.tolist())}")
|
||||
print(f" 前3条记录:")
|
||||
print(df_data.head(3).to_string(index=False))
|
||||
else:
|
||||
print(f"\nℹ️ 暂无重要事件数据")
|
||||
|
||||
# 显示格式化后的数据
|
||||
print(f"\n{'=' * 80}")
|
||||
print("格式化供AI分析的数据:")
|
||||
print(f"{'=' * 80}")
|
||||
formatted_data = fetcher.format_risk_data_for_ai(risk_data)
|
||||
print(formatted_data)
|
||||
|
||||
print(f"\n{'=' * 80}")
|
||||
print("测试完成！")
|
||||
print(f"{'=' * 80}")
|
||||
|
||||
|
||||
def test_risk_management_agent():
|
||||
"""测试风险管理师功能"""
|
||||
|
||||
print("\n" + "=" * 80)
|
||||
print("风险管理师AI分析测试")
|
||||
print("=" * 80)
|
||||
|
||||
# 需要配置API Key才能测试
|
||||
try:
|
||||
from ai_agents import StockAnalysisAgents
|
||||
from risk_data_fetcher import RiskDataFetcher
|
||||
|
||||
# 测试股票
|
||||
test_symbol = "600000"
|
||||
|
||||
print(f"\n测试股票: {test_symbol}")
|
||||
|
||||
# 获取风险数据
|
||||
fetcher = RiskDataFetcher()
|
||||
risk_data = fetcher.get_risk_data(test_symbol)
|
||||
|
||||
if not risk_data.get('data_success'):
|
||||
print("未获取到风险数据，跳过AI分析测试")
|
||||
return
|
||||
|
||||
# 模拟股票信息和指标
|
||||
stock_info = {
|
||||
'symbol': test_symbol,
|
||||
'name': '测试股票',
|
||||
'current_price': 10.5,
|
||||
'beta': 1.2,
|
||||
'52_week_high': 12.0,
|
||||
'52_week_low': 8.5
|
||||
}
|
||||
|
||||
indicators = {
|
||||
'rsi': 65.5,
|
||||
'macd': 0.15
|
||||
}
|
||||
|
||||
# 初始化AI分析系统
|
||||
print("\n初始化AI分析系统...")
|
||||
agents = StockAnalysisAgents()
|
||||
|
||||
# 运行风险管理师分析
|
||||
print("\n运行风险管理师分析...")
|
||||
result = agents.risk_management_agent(stock_info, indicators, risk_data)
|
||||
|
||||
# 显示分析结果
|
||||
print(f"\n{'=' * 80}")
|
||||
print(f"分析师: {result['agent_name']}")
|
||||
print(f"职责: {result['agent_role']}")
|
||||
print(f"关注领域: {', '.join(result['focus_areas'])}")
|
||||
print(f"{'=' * 80}")
|
||||
print("\n分析报告:")
|
||||
print(result['analysis'])
|
||||
|
||||
except ImportError as e:
|
||||
print(f"⚠️ 导入模块失败: {e}")
|
||||
print("提示：请确保已安装所有依赖并配置API Key")
|
||||
except Exception as e:
|
||||
print(f"❌ 测试失败: {e}")
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
# 测试1：风险数据获取
|
||||
test_risk_data_fetcher()
|
||||
|
||||
# 测试2：AI分析（需要API Key）
|
||||
print("\n\n是否测试AI分析功能？（需要配置DeepSeek API Key）")
|
||||
user_input = input("输入 y 继续，其他键跳过: ")
|
||||
|
||||
if user_input.lower() == 'y':
|
||||
test_risk_management_agent()
|
||||
else:
|
||||
print("\n跳过AI分析测试")
|
||||
|
||||
print("\n✅ 所有测试完成！")
|
||||
|
||||
@@ -1,146 +0,0 @@
|
||||
"""
|
||||
调试风险数据获取和格式化
|
||||
检查数据是否真的传递给AI
|
||||
"""
|
||||
|
||||
from risk_data_fetcher import RiskDataFetcher
|
||||
import json
|
||||
|
||||
|
||||
def test_full_data_flow(symbol="300433"):
|
||||
"""测试完整数据流程"""
|
||||
|
||||
print("=" * 80)
|
||||
print(f"测试股票: {symbol}")
|
||||
print("=" * 80)
|
||||
|
||||
fetcher = RiskDataFetcher()
|
||||
|
||||
# 1. 获取原始数据
|
||||
print("\n【步骤1】获取原始风险数据...")
|
||||
risk_data = fetcher.get_risk_data(symbol)
|
||||
|
||||
print(f"\n数据获取成功: {risk_data.get('data_success', False)}")
|
||||
|
||||
# 2. 查看每类数据的详情
|
||||
print("\n【步骤2】查看原始数据详情...")
|
||||
|
||||
# 限售解禁
|
||||
lifting_ban = risk_data.get('lifting_ban')
|
||||
if lifting_ban:
|
||||
print(f"\n限售解禁数据:")
|
||||
print(f" has_data: {lifting_ban.get('has_data')}")
|
||||
df = lifting_ban.get('data')
|
||||
if df is not None:
|
||||
print(f" 记录数: {len(df)}")
|
||||
print(f" 列名: {list(df.columns)}")
|
||||
print(f"\n 前3条数据:")
|
||||
print(df.head(3))
|
||||
else:
|
||||
print(f" data字段为None")
|
||||
|
||||
# 大股东减持
|
||||
reduction = risk_data.get('shareholder_reduction')
|
||||
if reduction:
|
||||
print(f"\n大股东减持数据:")
|
||||
print(f" has_data: {reduction.get('has_data')}")
|
||||
df = reduction.get('data')
|
||||
if df is not None:
|
||||
print(f" 记录数: {len(df)}")
|
||||
print(f" 列名: {list(df.columns)}")
|
||||
print(f"\n 前3条数据:")
|
||||
print(df.head(3))
|
||||
print(f"\n 完整第1条数据:")
|
||||
if len(df) > 0:
|
||||
first_row = df.iloc[0]
|
||||
for col in df.columns:
|
||||
print(f" {col}: {first_row[col]}")
|
||||
else:
|
||||
print(f" data字段为None")
|
||||
|
||||
# 重要事件
|
||||
events = risk_data.get('important_events')
|
||||
if events:
|
||||
print(f"\n重要事件数据:")
|
||||
print(f" has_data: {events.get('has_data')}")
|
||||
df = events.get('data')
|
||||
if df is not None:
|
||||
print(f" 记录数: {len(df)}")
|
||||
print(f" 列名: {list(df.columns)}")
|
||||
print(f"\n 前3条数据:")
|
||||
print(df.head(3))
|
||||
else:
|
||||
print(f" data字段为None")
|
||||
|
||||
# 3. 测试格式化后的数据
|
||||
print("\n" + "=" * 80)
|
||||
print("【步骤3】测试格式化后传给AI的数据")
|
||||
print("=" * 80)
|
||||
|
||||
formatted_data = fetcher.format_risk_data_for_ai(risk_data)
|
||||
|
||||
print("\n格式化后的数据长度:", len(formatted_data), "字符")
|
||||
print("\n格式化后的数据内容:")
|
||||
print(formatted_data)
|
||||
|
||||
# 4. 保存到文件供查看
|
||||
print("\n" + "=" * 80)
|
||||
print("【步骤4】保存数据到文件")
|
||||
print("=" * 80)
|
||||
|
||||
with open("risk_data_debug_output.txt", "w", encoding="utf-8") as f:
|
||||
f.write("=" * 80 + "\n")
|
||||
f.write("原始数据结构\n")
|
||||
f.write("=" * 80 + "\n\n")
|
||||
|
||||
# 保存原始数据（不包含DataFrame，只保存基本信息）
|
||||
f.write("data_success: " + str(risk_data.get('data_success')) + "\n\n")
|
||||
|
||||
for key in ['lifting_ban', 'shareholder_reduction', 'important_events']:
|
||||
data = risk_data.get(key)
|
||||
if data:
|
||||
f.write(f"\n{key}:\n")
|
||||
f.write(f" has_data: {data.get('has_data')}\n")
|
||||
f.write(f" query: {data.get('query')}\n")
|
||||
df = data.get('data')
|
||||
if df is not None:
|
||||
f.write(f" 记录数: {len(df)}\n")
|
||||
f.write(f" 列名: {list(df.columns)}\n")
|
||||
|
||||
f.write("\n" + "=" * 80 + "\n")
|
||||
f.write("格式化后传给AI的数据\n")
|
||||
f.write("=" * 80 + "\n\n")
|
||||
f.write(formatted_data)
|
||||
|
||||
print("✓ 数据已保存到 risk_data_debug_output.txt")
|
||||
|
||||
# 5. 检查数据是否完整
|
||||
print("\n" + "=" * 80)
|
||||
print("【步骤5】数据完整性检查")
|
||||
print("=" * 80)
|
||||
|
||||
if "【大股东减持数据】" in formatted_data:
|
||||
print("✓ 格式化数据中包含大股东减持数据")
|
||||
|
||||
# 检查是否有实际内容
|
||||
reduction_section = formatted_data.split("【大股东减持数据】")[1].split("=" * 80)[0]
|
||||
if len(reduction_section.strip()) > 100:
|
||||
print(f"✓ 减持数据部分有 {len(reduction_section)} 字符")
|
||||
else:
|
||||
print(f"⚠️ 减持数据部分只有 {len(reduction_section)} 字符，可能数据不完整")
|
||||
else:
|
||||
print("❌ 格式化数据中未找到大股东减持数据")
|
||||
|
||||
print("\n" + "=" * 80)
|
||||
print("测试完成！请查看 risk_data_debug_output.txt 文件")
|
||||
print("=" * 80)
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
import sys
|
||||
|
||||
# 默认测试300433，也可以通过命令行参数指定其他股票
|
||||
symbol = sys.argv[1] if len(sys.argv) > 1 else "300433"
|
||||
|
||||
test_full_data_flow(symbol)
|
||||
|
||||
Reference in New Issue
Block a user