""" 智策AI智能体分析集群 包含四个专业分析师智能体 """ from deepseek_client import DeepSeekClient from typing import Dict, Any import time import config class SectorStrategyAgents: """板块策略AI智能体集合""" def __init__(self, model=None): self.model = model or config.DEFAULT_MODEL_NAME self.deepseek_client = DeepSeekClient(model=self.model) print(f"[智策] AI智能体系统初始化 (模型: {self.model})") def macro_strategist_agent(self, market_data: Dict, news_data: list) -> Dict[str, Any]: """ 宏观策略师 - 分析宏观经济和新闻对板块的影响 职责： - 分析国际国内新闻和宏观经济数据 - 判断对整体市场和不同板块的潜在影响 - 识别政策导向和宏观趋势 """ print("🌐 宏观策略师正在分析...") time.sleep(1) # 构建新闻摘要 news_summary = "" if news_data: news_summary = "\n【重要财经新闻】\n" for idx, news in enumerate(news_data[:30], 1): news_summary += f"{idx}. [{news.get('publish_time', '')}] {news.get('title', '')}\n" if news.get('content'): news_summary += f" 摘要: {news['content'][:200]}...\n" # 构建市场概况 market_summary = "" if market_data: market_summary = f""" 【市场概况】 大盘指数: """ if market_data.get("sh_index"): sh = market_data["sh_index"] market_summary += f" 上证指数: {sh['close']} ({sh['change_pct']:+.2f}%)\n" if market_data.get("sz_index"): sz = market_data["sz_index"] market_summary += f" 深证成指: {sz['close']} ({sz['change_pct']:+.2f}%)\n" if market_data.get("cyb_index"): cyb = market_data["cyb_index"] market_summary += f" 创业板指: {cyb['close']} ({cyb['change_pct']:+.2f}%)\n" if market_data.get("total_stocks"): market_summary += f""" 市场涨跌统计: 上涨: {market_data['up_count']} ({market_data['up_ratio']:.1f}%) 下跌: {market_data['down_count']} 涨停: {market_data['limit_up']} | 跌停: {market_data['limit_down']} """ prompt = f""" 你是一名资深的宏观策略分析师，拥有10年以上的市场研究经验，擅长从宏观经济和政策新闻中洞察市场趋势。 {market_summary} {news_summary} 请基于以上信息，从宏观角度进行深度分析： 1. **宏观环境评估** - 当前宏观经济形势判断（经济周期位置） - 政策环境分析（货币政策、财政政策倾向） - 国际环境影响（地缘政治、全球经济） - 市场整体风险偏好评估 2. **新闻事件影响分析** - 识别对市场影响最大的3-5条重要新闻 - 分析新闻的性质（利好/利空/中性）和影响范围 - 判断新闻对不同板块的差异化影响 - 识别政策导向和行业扶持重点 3. **行业板块影响预判** - 分析哪些板块受宏观环境影响最积极（看多） - 分析哪些板块面临宏观压力（看空） - 识别政策支持的重点行业 - 预判资金可能流向的板块 4. **市场情绪和节奏** - 当前市场情绪状态（恐慌/谨慎/乐观/亢奋） - 大盘趋势判断（上涨/震荡/下跌） - 市场参与热情（活跃度、成交量） - 风险偏好变化趋势 5. **投资策略建议** - 当前宏观环境下的配置思路 - 建议重点关注的板块（3-5个） - 建议规避的板块（2-3个） - 仓位管理建议 请给出专业、深入的宏观策略分析报告。 """ messages = [ {"role": "system", "content": "你是一名资深的宏观策略分析师，擅长从宏观经济、政策和新闻事件中把握市场脉搏。"}, {"role": "user", "content": prompt} ] analysis = self.deepseek_client.call_api(messages, max_tokens=4000) print(" ✓ 宏观策略师分析完成") return { "agent_name": "宏观策略师", "agent_role": "分析宏观经济、政策导向、新闻事件对市场和板块的影响", "analysis": analysis, "focus_areas": ["宏观经济", "政策解读", "新闻事件", "市场情绪", "行业轮动"], "timestamp": time.strftime("%Y-%m-%d %H:%M:%S") } def sector_diagnostician_agent(self, sectors_data: Dict, concepts_data: Dict, market_data: Dict) -> Dict[str, Any]: """ 板块诊断师 - 分析板块的走势、估值和基本面 职责： - 深入分析特定板块的历史走势 - 评估板块的估值水平 - 分析板块的成长性和基本面因素 """ print("📊 板块诊断师正在分析...") time.sleep(1) # 构建行业板块数据 sector_summary = "" if sectors_data: sorted_sectors = sorted(sectors_data.items(), key=lambda x: x[1]["change_pct"], reverse=True) sector_summary = f""" 【行业板块表现】(共 {len(sectors_data)} 个板块) 涨幅榜 TOP15: """ for idx, (name, info) in enumerate(sorted_sectors[:15], 1): sector_summary += f"{idx}. {name}: {info['change_pct']:+.2f}% | 换手率: {info['turnover']:.2f}% | 领涨股: {info['top_stock']} ({info['top_stock_change']:+.2f}%) | 涨跌家数: {info['up_count']}/{info['down_count']}\n" sector_summary += f""" 跌幅榜 TOP10: """ for idx, (name, info) in enumerate(sorted_sectors[-10:], 1): sector_summary += f"{idx}. {name}: {info['change_pct']:+.2f}% | 换手率: {info['turnover']:.2f}% | 领跌股: {info['top_stock']} ({info['top_stock_change']:+.2f}%) | 涨跌家数: {info['up_count']}/{info['down_count']}\n" # 构建概念板块数据 concept_summary = "" if concepts_data: sorted_concepts = sorted(concepts_data.items(), key=lambda x: x[1]["change_pct"], reverse=True) concept_summary = f""" 【概念板块表现】(共 {len(concepts_data)} 个板块) 热门概念 TOP15: """ for idx, (name, info) in enumerate(sorted_concepts[:15], 1): concept_summary += f"{idx}. {name}: {info['change_pct']:+.2f}% | 换手率: {info['turnover']:.2f}% | 领涨股: {info['top_stock']} ({info['top_stock_change']:+.2f}%)\n" prompt = f""" 你是一名资深的板块分析师，具有CFA资格和深厚的行业研究背景，擅长板块诊断和趋势判断。 【市场环境】 {self._format_market_overview(market_data)} {sector_summary} {concept_summary} 请基于以上数据，进行专业的板块诊断分析： 1. **板块强弱分析** - 识别当前最强势的5个板块（涨幅、换手率、领涨股表现综合考虑） - 识别当前最弱势的3个板块 - 分析板块强弱的内在逻辑（基本面、资金面、情绪面） - 判断强势板块的持续性 2. **板块估值与位置** - 评估热门板块的估值合理性 - 判断板块所处的位置（启动期/加速期/高位/调整期） - 识别估值洼地（低估且有潜力的板块） - 提示估值泡沫风险 3. **板块轮动特征** - 分析当前的板块轮动特征 - 识别资金轮动的方向和节奏 - 判断是否存在明显的板块切换信号 - 预判下一个可能轮动的板块 4. **成长性与基本面** - 分析强势板块的成长驱动因素 - 评估板块的中长期发展前景 - 识别具有持续成长潜力的板块 - 提示基本面恶化的风险板块 5. **技术形态分析** - 分析板块的技术走势特征 - 识别突破、整理、调整等形态 - 判断技术面的支撑和阻力 - 提供技术性买卖点参考 6. **投资建议** - 推荐3-5个值得关注的板块（多头方向） - 提示2-3个需要规避的板块（空头方向） - 给出每个板块的投资逻辑和风险提示 - 建议配置比例和持有周期 请给出专业、详细的板块诊断报告。 """ messages = [ {"role": "system", "content": "你是一名资深的板块分析师，擅长板块趋势判断和投资价值评估。"}, {"role": "user", "content": prompt} ] analysis = self.deepseek_client.call_api(messages, max_tokens=4000) print(" ✓ 板块诊断师分析完成") return { "agent_name": "板块诊断师", "agent_role": "深入分析板块走势、估值水平、基本面因素和成长性", "analysis": analysis, "focus_areas": ["板块走势", "估值分析", "基本面", "技术形态", "板块轮动"], "timestamp": time.strftime("%Y-%m-%d %H:%M:%S") } def fund_flow_analyst_agent(self, fund_flow_data: Dict, north_flow_data: Dict, sectors_data: Dict) -> Dict[str, Any]: """ 资金流向分析师 - 分析板块资金流向和主力行为 职责： - 实时跟踪主力资金在板块间的流动 - 分析北向资金的板块偏好 - 判断资金进攻或撤离的方向 """ print("💰 资金流向分析师正在分析...") time.sleep(1) # 构建资金流向数据 fund_flow_summary = "" if fund_flow_data and fund_flow_data.get("today"): flow_list = fund_flow_data["today"] # 净流入前15 sorted_inflow = sorted(flow_list, key=lambda x: x["main_net_inflow"], reverse=True) fund_flow_summary = f""" 【板块资金流向】(更新时间: {fund_flow_data.get('update_time', 'N/A')}) 主力资金净流入 TOP15: """ for idx, item in enumerate(sorted_inflow[:15], 1): fund_flow_summary += f"{idx}. {item['sector']}: {item['main_net_inflow']:.2f}万 ({item['main_net_inflow_pct']:+.2f}%) | 涨跌: {item['change_pct']:+.2f}% | 超大单: {item['super_large_net_inflow']:.2f}万\n" # 净流出前10 sorted_outflow = sorted(flow_list, key=lambda x: x["main_net_inflow"]) fund_flow_summary += f""" 主力资金净流出 TOP10: """ for idx, item in enumerate(sorted_outflow[:10], 1): fund_flow_summary += f"{idx}. {item['sector']}: {item['main_net_inflow']:.2f}万 ({item['main_net_inflow_pct']:+.2f}%) | 涨跌: {item['change_pct']:+.2f}%\n" # 构建北向资金数据 north_summary = "" if north_flow_data: north_summary = f""" 【北向资金】 日期: {north_flow_data.get('date', 'N/A')} 今日北向资金净流入: {north_flow_data.get('north_net_inflow', 0):.2f} 万元 沪股通净流入: {north_flow_data.get('hgt_net_inflow', 0):.2f} 万元 深股通净流入: {north_flow_data.get('sgt_net_inflow', 0):.2f} 万元 """ if north_flow_data.get('history'): north_summary += "\n近10日北向资金流向:\n" for item in north_flow_data['history'][:10]: north_summary += f" {item['date']}: {item['net_inflow']:.2f}万\n" prompt = f""" 你是一名资深的资金流向分析师，拥有15年的市场资金研究经验，擅长从资金流向中洞察主力意图和市场趋势。 {fund_flow_summary} {north_summary} 请基于以上资金流向数据，进行深入的板块资金分析： 1. **主力资金流向分析** ⭐ 核心 - 识别主力资金重点流入的板块（TOP5） - 分析主力资金大幅流出的板块（TOP3） - 判断资金流向的集中度（集中/分散） - 评估资金流向的持续性和强度 2. **资金类型分析** - 超大单资金的流向特征（机构大资金） - 大单资金的流向特征（主力资金） - 中小单资金的流向（散户资金） - 主力与散户的博弈特征 3. **量价配合分析** - 分析资金流入与板块涨幅的匹配度 - 识别"资金流入+板块上涨"的强势板块 - 识别"资金流入+板块下跌"的低吸信号 - 识别"资金流出+板块上涨"的出货警示 - 识别"资金流出+板块下跌"的弱势板块 4. **北向资金偏好** - 分析北向资金的流向趋势 - 判断外资对A股的态度（积极/观望/撤离） - 识别北向资金偏好的板块 - 评估北向资金的指示意义 5. **板块资金轮动** - 识别资金从哪些板块流出 - 识别资金流向哪些板块 - 分析板块资金轮动的节奏和方向 - 预判下一个资金可能流入的板块 6. **主力操作意图研判** - 判断主力是否在积极建仓某些板块 - 识别主力可能在出货的板块 - 分析主力的操作风格（激进/稳健） - 评估主力对后市的态度 7. **投资策略建议** - 基于资金流向，推荐3-5个强势板块 - 提示2-3个资金流出的风险板块 - 给出板块配置的优先级 - 提供跟随主力的操作建议 8. **风险提示** - 识别资金面的潜在风险 - 提示可能的资金陷阱 - 评估市场流动性状况 请给出专业、深度的资金流向分析报告。 """ messages = [ {"role": "system", "content": "你是一名资深的资金流向分析师，擅长从资金数据中洞察主力意图和市场趋势。"}, {"role": "user", "content": prompt} ] analysis = self.deepseek_client.call_api(messages, max_tokens=4000) print(" ✓ 资金流向分析师分析完成") return { "agent_name": "资金流向分析师", "agent_role": "跟踪板块资金流向，分析主力行为和资金轮动", "analysis": analysis, "focus_areas": ["资金流向", "主力行为", "北向资金", "板块轮动", "量价配合"], "timestamp": time.strftime("%Y-%m-%d %H:%M:%S") } def market_sentiment_decoder_agent(self, market_data: Dict, sectors_data: Dict, concepts_data: Dict) -> Dict[str, Any]: """ 市场情绪解码员 - 从多维度解读市场情绪 职责： - 量化市场情绪指标 - 识别过度乐观或恐慌信号 - 评估板块热度和市场关注度 """ print("📈 市场情绪解码员正在分析...") time.sleep(1) # 构建市场情绪指标 sentiment_summary = "" if market_data: sentiment_summary = f""" 【市场情绪指标】 涨跌统计: 总股票数: {market_data.get('total_stocks', 0)} 上涨股票: {market_data.get('up_count', 0)} ({market_data.get('up_ratio', 0):.1f}%) 下跌股票: {market_data.get('down_count', 0)} 涨停数: {market_data.get('limit_up', 0)} 跌停数: {market_data.get('limit_down', 0)} 大盘表现: """ if market_data.get("sh_index"): sh = market_data["sh_index"] sentiment_summary += f" 上证指数: {sh['close']} ({sh['change_pct']:+.2f}%)\n" if market_data.get("sz_index"): sz = market_data["sz_index"] sentiment_summary += f" 深证成指: {sz['close']} ({sz['change_pct']:+.2f}%)\n" if market_data.get("cyb_index"): cyb = market_data["cyb_index"] sentiment_summary += f" 创业板指: {cyb['close']} ({cyb['change_pct']:+.2f}%)\n" # 板块热度分析 hot_sectors = "" if sectors_data: sorted_sectors = sorted(sectors_data.items(), key=lambda x: abs(x[1]["change_pct"]), reverse=True) hot_sectors = f""" 【板块热度排行】(按涨跌幅绝对值排序) 最活跃板块 TOP10: """ for idx, (name, info) in enumerate(sorted_sectors[:10], 1): hot_sectors += f"{idx}. {name}: {info['change_pct']:+.2f}% | 换手率: {info['turnover']:.2f}% | 涨跌家数: {info['up_count']}/{info['down_count']}\n" # 概念热度 hot_concepts = "" if concepts_data: sorted_concepts = sorted(concepts_data.items(), key=lambda x: abs(x[1]["change_pct"]), reverse=True) hot_concepts = f""" 【概念热度排行】 最热概念 TOP10: """ for idx, (name, info) in enumerate(sorted_concepts[:10], 1): hot_concepts += f"{idx}. {name}: {info['change_pct']:+.2f}% | 换手率: {info['turnover']:.2f}%\n" prompt = f""" 你是一名资深的市场情绪分析师，拥有心理学和金融学双重背景，擅长从市场数据中解读投资者情绪和市场心理。 {sentiment_summary} {hot_sectors} {hot_concepts} 请基于以上数据，进行深入的市场情绪分析： 1. **整体市场情绪评估** - 量化当前市场情绪（0-100分，0=极度恐慌，50=中性，100=极度亢奋） - 判断市场情绪状态（恐慌/谨慎/中性/乐观/亢奋） - 分析情绪的强度和持续性 - 对比历史情绪水平 2. **赚钱效应分析** - 评估市场的赚钱效应（强/中/弱） - 分析上涨股票占比和涨停数量 - 判断是否存在明显的板块效应 - 评估散户参与热情 3. **市场热点分析** - 识别当前最热门的3-5个板块/概念 - 分析热点的形成原因和逻辑 - 评估热点的持续性和扩散性 - 判断是否存在炒作泡沫 4. **恐慌贪婪指数** - 综合判断市场的贪婪或恐慌程度 - 分析涨跌停数量反映的情绪极端 - 识别情绪拐点信号 - 提示过度贪婪或过度恐慌的风险 5. **板块情绪分化** - 分析不同板块的情绪差异 - 识别高情绪板块和低情绪板块 - 判断情绪分化是否合理 - 预判情绪可能扩散的方向 6. **换手率与活跃度** - 分析整体市场和板块的换手率 - 评估市场活跃度（活跃/一般/低迷） - 判断资金参与意愿 - 识别异常活跃的板块 7. **情绪对市场的影响** - 分析当前情绪对大盘的支撑或压制 - 判断情绪反转的可能性和时机 - 评估情绪驱动的交易机会 - 提示情绪面的风险 8. **投资策略建议** - 基于市场情绪给出操作建议 - 推荐情绪支持的板块（2-3个） - 提示情绪透支的风险板块（1-2个） - 给出仓位管理建议 请给出专业、客观的市场情绪分析报告，避免主观臆测。 """ messages = [ {"role": "system", "content": "你是一名资深的市场情绪分析师，擅长从市场数据中解读投资者情绪和市场心理。"}, {"role": "user", "content": prompt} ] analysis = self.deepseek_client.call_api(messages, max_tokens=4000) print(" ✓ 市场情绪解码员分析完成") return { "agent_name": "市场情绪解码员", "agent_role": "量化市场情绪，识别恐慌贪婪信号，评估板块热度", "analysis": analysis, "focus_areas": ["市场情绪", "赚钱效应", "热点识别", "恐慌贪婪", "活跃度"], "timestamp": time.strftime("%Y-%m-%d %H:%M:%S") } def _format_market_overview(self, market_data): """格式化市场概况""" if not market_data: return "暂无市场数据" text = "" if market_data.get("sh_index"): sh = market_data["sh_index"] text += f"上证指数: {sh['close']} ({sh['change_pct']:+.2f}%)\n" if market_data.get("sz_index"): sz = market_data["sz_index"] text += f"深证成指: {sz['close']} ({sz['change_pct']:+.2f}%)\n" if market_data.get("total_stocks"): text += f"涨跌统计: 上涨{market_data['up_count']}只({market_data['up_ratio']:.1f}%)，下跌{market_data['down_count']}只\n" return text # 测试函数 if __name__ == "__main__": print("=" * 60) print("测试智策AI智能体系统") print("=" * 60) # 创建模拟数据 test_market_data = { "sh_index": {"close": 3200, "change_pct": 0.5}, "sz_index": {"close": 10500, "change_pct": 0.8}, "total_stocks": 5000, "up_count": 3000, "up_ratio": 60.0, "down_count": 2000 } test_news = [ {"title": "央行宣布降准0.5个百分点", "content": "为支持实体经济发展...", "publish_time": "2024-01-15 10:00"} ] agents = SectorStrategyAgents() # 测试宏观策略师 print("\n测试宏观策略师...") result = agents.macro_strategist_agent(test_market_data, test_news) print(f"分析师: {result['agent_name']}") print(f"分析内容长度: {len(result['analysis'])} 字符")