增加龙虎榜批量分析功能,修复一些小bug

This commit is contained in:
oficcejo
2025-10-20 15:40:14 +08:00
parent 1bddf393e0
commit b7a8bb10b3
60 changed files with 3579 additions and 883 deletions
+316
View File
@@ -0,0 +1,316 @@
# 主力选股功能 - 快速开始指南
## ✅ 已完成的功能模块
### 核心模块
1. **main_force_selector.py** - 数据获取和筛选
- 使用pywencai获取主力资金数据
- 智能筛选算法
- 数据格式化
2. **main_force_analysis.py** - AI分析整合
- 整合三大分析师团队
- 资深研究员综合决策
- 完整的分析流程
3. **main_force_ui.py** - Web界面
- 参数配置界面
- 结果展示
- 数据导出
4. **app.py** - 主应用集成
- 添加导航按钮
- 路由配置
### 文档
5. **主力选股功能说明.md** - 详细使用手册
6. **test_main_force.py** - 功能测试脚本
## 🚀 快速开始
### 步骤1: 测试功能
```bash
# 运行测试脚本
python test_main_force.py
```
测试内容:
- ✅ 模块导入检查
- ✅ 数据获取功能
- ✅ 筛选功能
- ✅ API配置检查
### 步骤2: 启动系统
```bash
streamlit run app.py
```
### 步骤3: 使用主力选股
1. 在侧边栏点击 **🎯 主力选股**
2. 设置参数(时间区间、筛选数量等)
3. 点击 **🚀 开始主力选股**
4. 等待3-5分钟完成分析
5. 查看精选推荐结果
## 📊 功能特点
### 智能筛选
```
原始数据(100只)
↓ 涨幅过滤(<30%
↓ 市值筛选(50-1300亿)
↓ ST股过滤
筛选结果(20-50只)
↓ 主力资金排序
候选股票(前20名)
```
### AI三维分析
```
💰 资金流向分析师
├─ 主力资金行为
├─ 资金流向趋势
└─ 市场情绪判断
📊 行业板块分析师
├─ 行业发展前景
├─ 市场热点判断
└─ 板块轮动分析
📈 财务基本面分析师
├─ 盈利能力评估
├─ 成长性分析
└─ 财务健康度
```
### 综合决策
```
资深研究员AI
├─ 综合评估所有候选
├─ 精选3-5只最优标的
├─ 提供推荐理由
├─ 投资建议和风险提示
└─ 目标价位和持仓建议
```
## 📋 参数说明
### 基础参数
| 参数 | 默认值 | 范围 | 说明 |
|-----|--------|------|------|
| 时间区间 | 最近3个月 | 自定义 | 主力资金统计周期 |
| 初步筛选 | 20只 | 10-50 | 候选股票数量 |
| 最终精选 | 5只 | 3-10 | 推荐标的数量 |
### 高级参数
| 参数 | 默认值 | 范围 | 说明 |
|-----|--------|------|------|
| 最大涨幅 | 30% | 10-100% | 过滤涨幅过高的股票 |
| 最小市值 | 50亿 | 10-500亿 | 市值下限 |
| 最大市值 | 1300亿 | 100-5000亿 | 市值上限 |
| AI模型 | deepseek-chat | - | 分析使用的模型 |
## 🎯 使用场景
### 1. 周末选股
**时机**: 每周日晚上
**参数**: 最近3个月,精选5只
**用途**: 为下周交易做准备
### 2. 月度调仓
**时机**: 每月初
**参数**: 最近6个月,精选8-10只
**用途**: 调整持仓结构
### 3. 热点捕捉
**时机**: 市场出现明显热点时
**参数**: 最近1个月,精选3只
**用途**: 抓住短期机会
## ⚠️ 注意事项
### 环境要求
```bash
# 必须安装
Python >= 3.8
Node.js >= 16.0(重要!pywencai依赖)
# Python包
pywencai >= 0.7.0
pandas
streamlit
deepseek
```
### 检查Node.js版本
```bash
node --version
# 如果低于16.0,需要升级
# Windows: 从nodejs.org下载最新版本
# Mac: brew install node
# Linux: nvm install 18
```
### API配置
确保.env文件中配置了:
```env
DEEPSEEK_API_KEY=your_api_key_here
EMAIL_ENABLED=true # 如需邮件通知
```
## 🔍 常见问题
### Q: 数据获取失败?
**检查**:
- [ ] 网络连接正常
- [ ] Node.js版本 >= 16.0
- [ ] pywencai已正确安装
**解决**:
```bash
# 重新安装pywencai
pip uninstall pywencai
pip install pywencai --upgrade
# 检查Node.js
node --version
```
### Q: 分析时间太长?
**原因**: 候选股票太多
**优化**:
- 减少初步筛选数量(改为15只)
- 使用deepseek-chat模型(更快)
- 调整筛选条件减少候选数量
### Q: 推荐结果不理想?
**建议**:
- 调整时间区间(试试最近6个月)
- 放宽涨幅限制(改为40%
- 多次运行对比结果
- 结合自己的投资逻辑
## 📈 最佳实践
### 1. 参数配置建议
```yaml
保守型:
时间区间: 6个月
最大涨幅: 20%
市值范围: 100-1300亿
精选数量: 3只
平衡型:
时间区间: 3个月
最大涨幅: 30%
市值范围: 50-1300亿
精选数量: 5只
激进型:
时间区间: 1个月
最大涨幅: 40%
市值范围: 50-800亿
精选数量: 8只
```
### 2. 使用流程
```
1. 周末运行主力选股
2. 查看推荐结果和AI分析
3. 深入研究前3名标的
4. 查看实时K线和技术指标
5. 周一开盘后择机建仓
6. 加入实时监测,设置止盈止损
```
### 3. 风险控制
```
✅ 分散投资: 不超过3-5只股票
✅ 仓位控制: 单只不超过30%
✅ 止损设置: -8%到-10%
✅ 止盈目标: +15%到+20%
✅ 动态调整: 根据走势调整策略
```
## 📊 输出结果
### 统计数据
- 获取股票总数
- 筛选后数量
- 深度分析数量
- 最终推荐数量
### 推荐详情
每只股票包含:
- ✅ 推荐理由(3-5条)
- ✅ 投资亮点
- ✅ 风险提示
- ✅ 建议仓位
- ✅ 目标价位
- ✅ 投资周期
- ✅ AI详细分析报告
### 数据导出
- CSV格式候选列表
- 包含所有关键指标
- 可用于进一步分析
## 🎓 学习资源
### 相关文档
- 主力选股功能说明.md - 完整使用手册
- 资金流向功能说明.md - 资金分析原理
- 实时监测优化说明.md - 监测功能
- README.md - 系统总体说明
### 代码学习
- main_force_selector.py - 数据处理逻辑
- main_force_analysis.py - AI分析流程
- main_force_ui.py - 界面实现
## 🆘 获取帮助
### 运行测试
```bash
python test_main_force.py
```
### 查看日志
运行时终端会显示详细日志:
- 数据获取过程
- 筛选统计
- AI分析进度
- 错误信息
### 问题反馈
提供以下信息:
1. 错误截图
2. 终端日志
3. 使用的参数
4. 系统环境(Python版本、Node.js版本)
## ✨ 开始使用
```bash
# 1. 测试功能
python test_main_force.py
# 2. 启动系统
streamlit run app.py
# 3. 点击 🎯 主力选股
# 4. 开始分析
```
---
**祝您选股顺利,投资成功!** 🚀📈💰