aiagents-stock/资金流向功能说明_v2.md

资金流向功能说明 v2.0

🎯 设计理念（重大改进）

v2.0 的核心改变

从"手动提取"到"AI智能分析"

• ❌ 旧方法：代码硬编码提取特定字段（区间资金流向、主力资金流向等）
• ✅ 新方法：将问财返回的所有原始数据直接喂给AI，让AI自己识别、提取和分析

为什么这样更好？

1. 更简单：不需要手动匹配列名，代码更简洁
2. 更灵活：问财字段变化时不需要修改代码
3. 更智能：AI可以发现我们没想到的数据关联
4. 更全面：不会遗漏任何有价值的数据
5. 更强大：AI能理解数据的深层含义和相互关系

📊 工作流程

问财查询 → 获取所有原始数据 → 格式化为易读文本 → 喂给AI分析师 → 生成专业报告

详细流程

1. 查询问财

   • 问句：{股票代码}近20个交易日区间资金流向、区间主力资金流向、区间涨跌幅
   • 返回：DataFrame 或 字典

2. 数据处理（stock_data.py）

   • 统一转换为 DataFrame
   • 提取所有字段和数值
   • 大数字自动转换为亿元显示
   • 保存为易读的字典格式

3. 数据传递（ai_agents.py）

   • 将原始数据传递给资金面分析师
   • 不做任何过滤或筛选

4. AI分析（deepseek_client.py）

   • AI收到所有问财数据
   • AI自己识别关键字段
   • AI自己提取数值
   • AI自己计算比例关系
   • AI基于实际数据生成分析报告

🔧 代码改动说明

1. stock_data.py - 简化数据获取

def get_fund_flow_data(self, symbol):
    """获取问财数据 - 返回所有原始数据"""
    
    # 查询问财
    result = pywencai.get(query=query, loop=True)
    
    # 转换为DataFrame
    df_result = pd.DataFrame([result]) if isinstance(result, dict) else result
    
    # 提取所有数据
    raw_data_dict = {}
    for col in df_result.columns:
        value = data.get(col)
        # 大数字转换为亿元便于阅读
        if abs(value) > 100000000:
            raw_data_dict[col] = f"{value} ({value/100000000:.2f}亿元)"
        else:
            raw_data_dict[col] = value
    
    # 返回所有原始数据
    return {
        "query_success": True,
        "raw_data": raw_data_dict,
        "columns": df_result.columns.tolist()
    }

关键点：

• ✅ 不手动提取特定字段
• ✅ 保留所有问财返回的数据
• ✅ 只做格式化，不做数据筛选

2. deepseek_client.py - AI智能分析

def fund_flow_analysis(self, stock_info, indicators, fund_flow_data):
    """资金面分析 - 让AI自己分析所有数据"""
    
    # 构建包含所有原始数据的提示词
    raw_data = fund_flow_data.get('raw_data', {})
    
    fund_flow_section = "\n【问财资金流向完整数据】\n"
    for key, value in raw_data.items():
        fund_flow_section += f"- {key}: {value}\n"
    
    prompt = f"""
    你是资金面分析师。
    
    以下是问财返回的所有数据：
    {fund_flow_section}
    
    请你：
    1. 自己识别哪些是资金流向字段
    2. 自己提取关键数值
    3. 自己计算占比和关系
    4. 基于实际数据进行分析
    
    给出专业的资金面分析报告。
    """

关键点：

• ✅ 将所有数据都给AI
• ✅ 明确要求AI自己提取和分析
• ✅ 强调基于实际数据而非假设

💡 使用示例

问财返回的数据示例

【问财资金流向完整数据（近20个交易日）】
数据来源：同花顺问财
股票名称：歌尔股份
股票代码：002241

- 近20个交易日区间资金流向[20240101]: 12345678900 (123.46亿元)
- 近20个交易日区间主力资金流向[20240101]: 9876543210 (98.77亿元)
- 近20个交易日区间涨跌幅[20240101]: 15.23
- 近20个交易日区间大单净流入[20240101]: 5000000000 (50.00亿元)
- 近20个交易日区间中单净流入[20240101]: 2000000000 (20.00亿元)
- 近20个交易日区间小单净流入[20240101]: -3000000000 (-30.00亿元)
- 近20个交易日区间换手率[20240101]: 45.6
...（所有其他字段）

以上是问财返回的所有资金流向相关数据，请仔细分析这些数据的含义和相互关系。

AI分析师的工作

AI会自动：

1. 识别出"区间资金流向"、"主力资金流向"等关键字段
2. 提取数值并注意单位（亿元）
3. 计算主力资金占比 = 98.77 / 123.46 = 80%
4. 分析大单、中单、小单的分布
5. 结合涨跌幅判断资金效率
6. 给出主力行为判断（吸筹/派发/洗盘等）

✅ 优势总结

技术优势

1. 代码简洁

   • 数据获取逻辑从 ~200行 减少到 ~100行
   • 不需要维护字段映射表
   • 不需要处理列名变化

2. 容错性强

   • 问财字段名变化？没关系，AI会自己找
   • 新增字段？自动包含在分析中
   • 缺失字段？AI会注意到并说明

3. 扩展性好

   • 要分析更多维度？直接改查询语句
   • 要调整分析角度？修改AI提示词
   • 要支持新数据源？只需统一格式

分析优势

1. 更全面

   • 不会遗漏任何字段
   • AI能发现数据间的隐藏关联
   • 可以分析我们没想到的角度

2. 更智能

   • AI理解数据的业务含义
   • 自动识别异常值
   • 能做出逻辑推理

3. 更灵活

   • 不同股票可能有不同字段，AI都能处理
   • 可以根据实际数据调整分析重点
   • 能适应各种数据格式

🧪 测试方法

运行测试脚本

python test_fund_flow.py

预期输出

正在使用问财查询资金流向数据: 002241近20个交易日区间资金流向、区间主力资金流向、区间涨跌幅
问财返回的数据类型: <class 'dict'>
问财返回字典，转换为DataFrame
成功转换，形状: (1, 25)
问财返回的列名: ['股票代码', '股票简称', '近20个交易日区间资金流向[20240101]', ...]
成功获取 002241 的问财数据，共 23 个字段

✅ 成功获取问财数据

【基本信息】
股票简称: 歌尔股份
股票代码: 002241
数据字段数量: 23 个

【问财返回的所有字段】
  1. 股票代码
  2. 股票简称
  3. 近20个交易日区间资金流向[20240101]
  4. 近20个交易日区间主力资金流向[20240101]
  5. 近20个交易日区间涨跌幅[20240101]
  ...

【问财原始数据】
  近20个交易日区间资金流向[20240101]: 12345678900 (123.46亿元)
  近20个交易日区间主力资金流向[20240101]: 9876543210 (98.77亿元)
  近20个交易日区间涨跌幅[20240101]: 15.23
  ...

🎯 最佳实践

查询语句优化

可以根据需要调整问财查询语句，获取更多数据：

# 基础查询
query = f"{symbol}近20个交易日区间资金流向、区间主力资金流向、区间涨跌幅"

# 扩展查询（获取更多维度）
query = f"{symbol}近20个交易日区间资金流向、区间主力资金流向、区间大单净流入、区间中单净流入、区间小单净流入、区间换手率、区间涨跌幅"

AI会自动分析所有返回的字段！

AI提示词优化

如果需要特别关注某些方面，可以在提示词中强调：

prompt = f"""
{fund_flow_section}

请特别关注：
1. 主力资金的进出节奏
2. 大单与中小单的博弈
3. 资金流向与股价的背离情况

基于以上数据进行深度分析...
"""

🔄 版本对比

特性	v1.0（手动提取）	v2.0（AI智能）
代码行数	~200行	~100行
字段匹配	硬编码	AI自动识别
列名变化	需修改代码	无需修改
新增字段	需添加代码	自动包含
分析深度	预定义	AI自主判断
容错能力	弱	强
扩展性	差	好

📝 注意事项

1. 数据质量依赖问财

   • 如果问财返回数据不完整，AI会指出缺失
   • 如果问财数据异常，AI会识别并说明

2. AI理解能力

   • 使用 DeepSeek 等高质量模型效果更好
   • 提示词要明确，避免AI假设数据

3. 数据格式

   • 大数字自动转为亿元显示，便于AI理解
   • 保留原始数值供AI精确计算

🚀 未来优化方向

1. 多时间周期

   • 同时获取5日、10日、20日数据
   • AI分析资金流向的时间趋势

2. 数据对比

   • 与同行业股票对比
   • 与大盘资金流向对比

3. 可视化

   • 生成资金流向图表
   • AI基于图表进行分析

4. 实时监控

   • 定期查询资金流向
   • AI识别异常资金变化

更新日期

2025年10月6日 - v2.0

作者

AI股票分析系统开发团队

---

结论：v2.0 通过"让AI自己分析"的设计理念，实现了更简单、更智能、更强大的资金面分析功能！🎉