Files
aiagents-stock/docs/智瞰龙虎评分排名历史记录说明.md

307 lines
8.5 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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
## 🚀 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!**