oficcejo
8.5 KiB
8.5 KiB
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
# 简单转换，可能丢失数据
"scoring_ranking": scoring_df.to_dict('records') if ... else []
改进后
# 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：
**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
{
"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：
-
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
-
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
-
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
- 评分趋势分析：展示股票评分的历史变化曲线
- 评分对比功能：对比多只股票的评分维度
- 评分统计功能：统计平均评分、最高评分等
- 评分预警功能：当某只股票评分突破阈值时预警
- 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！ ✅