hahaju/aiagents-stock

Fork 0

Files

T

oficcejo 90716f5c78 增加arbr计算，增强情绪分析师mcp

2025-10-07 09:56:30 +08:00

7.1 KiB

Raw Blame History

市场情绪分析模块使用说明

概述

本系统已集成市场情绪数据分析功能，使用akshare获取包括ARBR在内的多项市场情绪指标，为市场情绪分析师提供实际数据支撑。

主要功能

1. ARBR指标（情绪人气指标）

AR指标（人气指标）

计算公式：AR = (N日内(H-O)之和 / N日内(O-L)之和) × 100
含义：反映市场买卖人气
标准：
- AR > 180：极度超买，市场过热
- AR > 150：超买，市场情绪过热
- 70 < AR < 150：正常区间
- AR < 70：超卖，市场情绪低迷
- AR < 40：极度超卖，市场过冷

BR指标（意愿指标）

计算公式：BR = (N日内(H-CY)之和 / N日内(CY-L)之和) × 100
含义：反映市场买卖意愿强度
标准：
- BR > 400：极度超买，投机情绪过热
- BR > 300：超买，投机情绪旺盛
- 50 < BR < 300：正常区间
- BR < 50：超卖，投机情绪低迷
- BR < 30：极度超卖，投机情绪冰点

2. 换手率数据

反映股票交易活跃程度
标准：
- 20%：极高，资金活跃度极高
- 10%：较高，交易活跃
- 5%-10%：正常，交易适中
- 2%-5%：偏低，交易清淡
- <2%：很低，交易清淡

3. 大盘情绪指数

上证指数涨跌情况
市场涨跌家数统计
市场情绪得分（基于涨跌家数比例）

4. 涨跌停统计

涨停股数量
跌停股数量
涨跌停比例
反映市场热度和情绪极端程度

5. 融资融券数据

融资余额：反映看多资金
融券余额：反映看空资金
融资买入额：反映当日看多力度

6. 市场恐慌贪婪指数

综合多个指标计算
0-100分制
等级划分：
- 75-100：极度贪婪
- 60-75：贪婪
- 40-60：中性
- 25-40：恐慌
- 0-25：极度恐慌

使用方法

方法1：在主应用中自动调用

当你在主应用（app.py）中分析A股股票时，系统会自动：

获取市场情绪数据（包括ARBR等指标）
将数据传递给市场情绪分析师
分析师基于实际数据进行专业分析

方法2：单独使用市场情绪数据模块

from market_sentiment_data import MarketSentimentDataFetcher

# 创建市场情绪数据获取器
fetcher = MarketSentimentDataFetcher()

# 获取某只股票的市场情绪数据
symbol = "000001"  # 平安银行
sentiment_data = fetcher.get_market_sentiment_data(symbol)

# 检查是否成功获取数据
if sentiment_data.get("data_success"):
    print("✅ 数据获取成功")
    
    # 查看ARBR数据
    if sentiment_data.get("arbr_data"):
        arbr = sentiment_data["arbr_data"]
        print(f"AR值: {arbr['latest_ar']:.2f}")
        print(f"BR值: {arbr['latest_br']:.2f}")
        print(f"信号: {arbr['signals']['overall_signal']}")
        print("解读:")
        for interpretation in arbr['interpretation']:
            print(f"  - {interpretation}")
    
    # 格式化输出（适合AI阅读）
    formatted_text = fetcher.format_sentiment_data_for_ai(sentiment_data)
    print(formatted_text)
else:
    print("❌ 数据获取失败")

方法3：计算单独的ARBR指标

from market_sentiment_data import MarketSentimentDataFetcher
import akshare as ak
from datetime import datetime, timedelta

# 创建获取器
fetcher = MarketSentimentDataFetcher()

# 获取股票历史数据
symbol = "000001"
end_date = datetime.now().strftime('%Y%m%d')
start_date = (datetime.now() - timedelta(days=120)).strftime('%Y%m%d')

stock_data = ak.stock_zh_a_hist(
    symbol=symbol, 
    period="daily", 
    start_date=start_date, 
    end_date=end_date,
    adjust="qfq"
)

# 计算ARBR
arbr_data = fetcher._calculate_arbr(symbol, stock_data)

if arbr_data:
    print(f"最新AR: {arbr_data['latest_ar']:.2f}")
    print(f"最新BR: {arbr_data['latest_br']:.2f}")
    print(f"整体信号: {arbr_data['signals']['overall_signal']}")

数据说明

数据来源

akshare：提供A股实时行情、历史数据、市场统计等
实时性：大部分数据为实时或T+1数据

数据限制

仅支持A股：当前仅支持中国A股（6位数字代码）
网络依赖：需要稳定的网络连接访问akshare数据源
频率限制：某些数据源有访问频率限制，建议合理使用

数据可靠性

ARBR指标：基于历史K线数据计算，准确可靠
换手率、涨跌停：来自交易所实时数据
融资融券：T+1数据，具有一定滞后性
大盘情绪：基于实时市场统计

注意事项

数据获取失败处理
- 系统会自动处理数据获取失败的情况
- 如果无法获取某项数据，分析师仍会基于其他可用信息进行分析
指标解读
- ARBR指标应结合其他技术指标综合判断
- 市场情绪具有一定的滞后性和反转性
- 极端情绪往往是反转信号
风险提示
- 市场情绪指标仅供参考，不构成投资建议
- 投资有风险，决策需谨慎

集成到分析流程

系统已自动将市场情绪数据集成到分析流程中：

1. 数据获取（股票基本信息、历史数据）
2. 技术面分析（技术指标、趋势）
3. 基本面分析（财务数据、估值）
4. 资金面分析（资金流向、主力行为）
5. 市场情绪数据获取（⭐ ARBR、换手率、涨跌停等）
6. 风险管理分析（风险识别、控制）
7. 市场情绪分析（⭐ 基于实际情绪数据的深度分析）
8. 团队讨论（综合各方观点）
9. 最终决策（投资建议）

输出示例

【ARBR市场情绪指标】
- 计算周期：26日
- AR值：98.45（人气指标）
- BR值：105.23（意愿指标）
- 信号：中性信号
- 解读：
  * AR处于正常区间（98.45），市场情绪相对平稳
  * BR处于正常区间（105.23），投机情绪适中
  * 多头力量强劲（AR>100且BR>100），但需警惕过热风险
  * 意愿指标强于人气指标（BR>AR），投机性较强，需注意资金稳定性

ARBR统计数据：
- AR历史均值：95.67
- BR历史均值：102.34
- 历史买入信号比例：15.2%
- 历史卖出信号比例：12.8%

【换手率数据】
- 当前换手率：3.45%
- 解读：换手率正常（5%-10%），交易适中

【大盘市场情绪】
- 指数：上证指数
- 涨跌幅：0.85%
- 市场情绪得分：15.32
- 涨家数：2856只
- 跌家数：1987只
- 平家数：234只
- 市场情绪：市场情绪偏多

技术支持

如有问题或建议，请查看：

market_sentiment_data.py：市场情绪数据模块源码
ai_agents.py：AI分析师实现（包括市场情绪分析师）
app.py：主应用程序

更新日志

v1.0 (当前版本)

✅ ARBR指标计算和解读
✅ 换手率数据获取
✅ 大盘情绪指数
✅ 涨跌停统计
✅ 融资融券数据
✅ 市场恐慌贪婪指数
✅ 集成到市场情绪分析师
✅ 自动格式化为AI可读文本

未来计划

🔲 支持更多情绪指标（VIX等）
🔲 历史情绪数据回测
🔲 情绪指标可视化图表
🔲 美股市场情绪数据支持

7.1 KiB Raw Blame History Unescape Escape