#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ 主力选股UI模块 """ import streamlit as st from datetime import datetime, timedelta from main_force_analysis import MainForceAnalyzer from main_force_pdf_generator import display_report_download_section import pandas as pd def display_main_force_selector(): """显示主力选股界面""" st.markdown("## 🎯 主力选股 - 智能筛选优质标的") st.markdown("---") st.markdown(""" ### 功能说明 本功能通过以下步骤筛选优质股票： 1. **数据获取**: 使用问财获取指定日期以来主力资金净流入前100名股票 2. **智能筛选**: 过滤掉涨幅过高、市值不符的股票 3. **AI分析**: 调用资金流向、行业板块、财务基本面三大分析师团队 4. **综合决策**: 资深研究员综合评估，精选3-5只优质标的 **筛选标准**: - ✅ 主力资金净流入较多 - ✅ 区间涨跌幅适中（避免追高） - ✅ 财务基本面良好 - ✅ 行业前景明朗 - ✅ 综合素质优秀 """) st.markdown("---") # 参数设置 col1, col2, col3 = st.columns(3) with col1: date_option = st.selectbox( "选择时间区间", ["最近3个月", "最近6个月", "最近1年", "自定义日期"] ) if date_option == "最近3个月": days_ago = 90 start_date = None elif date_option == "最近6个月": days_ago = 180 start_date = None elif date_option == "最近1年": days_ago = 365 start_date = None else: custom_date = st.date_input( "选择开始日期", value=datetime.now() - timedelta(days=90) ) start_date = f"{custom_date.year}年{custom_date.month}月{custom_date.day}日" days_ago = None with col2: final_n = st.slider( "最终精选数量", min_value=3, max_value=10, value=5, step=1, help="最终推荐的股票数量" ) with col3: st.info("💡 系统将获取前100名股票，进行整体分析后精选优质标的") # 高级选项 with st.expander("⚙️ 高级筛选参数"): col1, col2, col3 = st.columns(3) with col1: max_change = st.number_input( "最大涨跌幅(%)", min_value=10.0, max_value=100.0, value=30.0, step=5.0, help="过滤掉涨幅过高的股票，避免追高" ) with col2: min_cap = st.number_input( "最小市值(亿)", min_value=10.0, max_value=500.0, value=50.0, step=10.0 ) with col3: max_cap = st.number_input( "最大市值(亿)", min_value=100.0, max_value=50000.0, value=5000.0, step=100.0 ) # 模型选择 model = st.selectbox( "选择AI模型", ["deepseek-chat", "deepseek-reasoner"], help="deepseek-chat速度快，deepseek-reasoner推理能力强" ) st.markdown("---") # 开始分析按钮 if st.button("🚀 开始主力选股", type="primary", use_container_width=True): with st.spinner("正在获取数据并分析，这可能需要几分钟..."): # 创建分析器 analyzer = MainForceAnalyzer(model=model) # 运行分析 result = analyzer.run_full_analysis( start_date=start_date, days_ago=days_ago, final_n=final_n ) # 保存结果到session_state st.session_state.main_force_result = result st.session_state.main_force_analyzer = analyzer # 显示结果 if result['success']: st.success(f"✅ 分析完成！共筛选出 {len(result['final_recommendations'])} 只优质标的") st.rerun() else: st.error(f"❌ 分析失败: {result.get('error', '未知错误')}") # 显示分析结果 if 'main_force_result' in st.session_state: result = st.session_state.main_force_result if result['success']: display_analysis_results(result, st.session_state.get('main_force_analyzer')) def display_analysis_results(result: dict, analyzer): """显示分析结果""" st.markdown("---") st.markdown("## 📊 分析结果") # 统计信息 col1, col2, col3 = st.columns(3) with col1: st.metric("获取股票数", result['total_stocks']) with col2: st.metric("筛选后", result['filtered_stocks']) with col3: st.metric("最终推荐", len(result['final_recommendations'])) st.markdown("---") # 显示AI分析师完整报告 if analyzer and hasattr(analyzer, 'fund_flow_analysis'): display_analyst_reports(analyzer) st.markdown("---") # 显示推荐股票 if result['final_recommendations']: st.markdown("### ⭐ 精选推荐") for rec in result['final_recommendations']: with st.expander( f"【第{rec['rank']}名】{rec['symbol']} - {rec['name']}", expanded=(rec['rank'] <= 3) ): display_recommendation_detail(rec) # 显示候选股票列表 if analyzer and analyzer.raw_stocks is not None and not analyzer.raw_stocks.empty: st.markdown("---") st.markdown("### 📋 候选股票列表（筛选后）") # 选择关键列显示 display_cols = ['股票代码', '股票简称'] # 添加行业列 industry_cols = [col for col in analyzer.raw_stocks.columns if '行业' in col] if industry_cols: display_cols.append(industry_cols[0]) # 添加区间主力资金净流入（智能匹配） main_fund_col = None main_fund_patterns = [ '区间主力资金流向', # 实际列名 '区间主力资金净流入', '主力资金流向', '主力资金净流入', '主力净流入', '主力资金' ] for pattern in main_fund_patterns: matching = [col for col in analyzer.raw_stocks.columns if pattern in col] if matching: main_fund_col = matching[0] break if main_fund_col: display_cols.append(main_fund_col) # 添加区间涨跌幅（前复权）（智能匹配） interval_pct_col = None interval_pct_patterns = [ '区间涨跌幅:前复权', '区间涨跌幅:前复权(%)', '区间涨跌幅(%)', '区间涨跌幅', '涨跌幅:前复权', '涨跌幅:前复权(%)', '涨跌幅(%)', '涨跌幅' ] for pattern in interval_pct_patterns: matching = [col for col in analyzer.raw_stocks.columns if pattern in col] if matching: interval_pct_col = matching[0] break if interval_pct_col: display_cols.append(interval_pct_col) # 添加市值、市盈率、市净率 for col_name in ['总市值', '市盈率', '市净率']: matching_cols = [col for col in analyzer.raw_stocks.columns if col_name in col] if matching_cols: display_cols.append(matching_cols[0]) # 选择存在的列 final_cols = [col for col in display_cols if col in analyzer.raw_stocks.columns] # 调试信息：显示找到的列名 with st.expander("🔍 调试信息 - 查看数据列", expanded=False): st.caption("所有可用列:") cols_list = list(analyzer.raw_stocks.columns) st.write(cols_list) st.caption(f"\n已选择显示的列: {final_cols}") if main_fund_col: st.success(f"✅ 找到主力资金列: {main_fund_col}") else: st.warning("⚠️ 未找到主力资金列") if interval_pct_col: st.success(f"✅ 找到涨跌幅列: {interval_pct_col}") else: st.warning("⚠️ 未找到涨跌幅列") # 显示DataFrame display_df = analyzer.raw_stocks[final_cols].copy() st.dataframe(display_df, use_container_width=True, height=400) # 显示统计 st.caption(f"共 {len(display_df)} 只候选股票，显示 {len(final_cols)} 个字段") # 下载按钮 csv = display_df.to_csv(index=False, encoding='utf-8-sig') st.download_button( label="📥 下载候选列表CSV", data=csv, file_name=f"main_force_stocks_{datetime.now().strftime('%Y%m%d')}.csv", mime="text/csv" ) # 显示PDF报告下载区域 if analyzer and result: display_report_download_section(analyzer, result) def display_recommendation_detail(rec: dict): """显示单个推荐股票的详细信息""" col1, col2 = st.columns([1, 1]) with col1: st.markdown("#### 📌 推荐理由") for reason in rec.get('reasons', []): st.markdown(f"- {reason}") st.markdown("#### 💡 投资亮点") st.info(rec.get('highlights', 'N/A')) with col2: st.markdown("#### 📊 投资建议") st.markdown(f"**建议仓位**: {rec.get('position', 'N/A')}") st.markdown(f"**投资周期**: {rec.get('investment_period', 'N/A')}") st.markdown("#### ⚠️ 风险提示") st.warning(rec.get('risks', 'N/A')) # 显示股票详细数据 if 'stock_data' in rec: st.markdown("---") st.markdown("#### 📊 股票详细数据") stock_data = rec['stock_data'] # 创建数据展示 col1, col2, col3 = st.columns(3) with col1: st.metric("股票代码", stock_data.get('股票代码', 'N/A')) # 显示行业 industry_keys = [k for k in stock_data.keys() if '行业' in k] if industry_keys: st.metric("所属行业", stock_data.get(industry_keys[0], 'N/A')) with col2: # 显示主力资金 fund_keys = [k for k in stock_data.keys() if '主力' in k and '净流入' in k] if fund_keys: fund_value = stock_data.get(fund_keys[0], 'N/A') if isinstance(fund_value, (int, float)): st.metric("主力资金净流入", f"{fund_value/100000000:.2f}亿") else: st.metric("主力资金净流入", str(fund_value)) with col3: # 显示涨跌幅 change_keys = [k for k in stock_data.keys() if '涨跌幅' in k] if change_keys: change_value = stock_data.get(change_keys[0], 'N/A') if isinstance(change_value, (int, float)): st.metric("区间涨跌幅", f"{change_value:.2f}%") else: st.metric("区间涨跌幅", str(change_value)) # 显示其他关键指标 st.markdown("**其他关键指标：**") metrics_col1, metrics_col2, metrics_col3 = st.columns(3) with metrics_col1: if '市盈率' in stock_data or any('市盈率' in k for k in stock_data.keys()): pe_keys = [k for k in stock_data.keys() if '市盈率' in k] if pe_keys: st.caption(f"市盈率: {stock_data.get(pe_keys[0], 'N/A')}") with metrics_col2: if '市净率' in stock_data or any('市净率' in k for k in stock_data.keys()): pb_keys = [k for k in stock_data.keys() if '市净率' in k] if pb_keys: st.caption(f"市净率: {stock_data.get(pb_keys[0], 'N/A')}") with metrics_col3: if '总市值' in stock_data or any('总市值' in k for k in stock_data.keys()): cap_keys = [k for k in stock_data.keys() if '总市值' in k] if cap_keys: st.caption(f"总市值: {stock_data.get(cap_keys[0], 'N/A')}") def display_analyst_reports(analyzer): """显示AI分析师完整报告""" st.markdown("### 🤖 AI分析师团队完整报告") # 创建三个标签页 tab1, tab2, tab3 = st.tabs(["💰 资金流向分析", "📊 行业板块分析", "📈 财务基本面分析"]) with tab1: st.markdown("#### 💰 资金流向分析师报告") st.markdown("---") if hasattr(analyzer, 'fund_flow_analysis') and analyzer.fund_flow_analysis: st.markdown(analyzer.fund_flow_analysis) else: st.info("暂无资金流向分析报告") with tab2: st.markdown("#### 📊 行业板块及市场热点分析师报告") st.markdown("---") if hasattr(analyzer, 'industry_analysis') and analyzer.industry_analysis: st.markdown(analyzer.industry_analysis) else: st.info("暂无行业板块分析报告") with tab3: st.markdown("#### 📈 财务基本面分析师报告") st.markdown("---") if hasattr(analyzer, 'fundamental_analysis') and analyzer.fundamental_analysis: st.markdown(analyzer.fundamental_analysis) else: st.info("暂无财务基本面分析报告") def format_number(value, unit='', suffix=''): """格式化数字显示""" if value is None or value == 'N/A': return 'N/A' try: num = float(value) # 如果单位是亿，需要转换 if unit == '亿': if abs(num) >= 100000000: # 大于1亿（以元为单位） num = num / 100000000 elif abs(num) < 100: # 小于100，可能已经是亿 pass else: # 100-100000000之间，可能是万 num = num / 10000 # 格式化显示 if abs(num) >= 1000: formatted = f"{num:,.2f}" elif abs(num) >= 1: formatted = f"{num:.2f}" else: formatted = f"{num:.4f}" return f"{formatted}{suffix}" except (ValueError, TypeError): return str(value)