oficcejo
365 lines
12 KiB
Python
365 lines
12 KiB
Python
"""
|
|
智策综合研判引擎
|
|
整合各智能体分析，生成板块多空/轮动/热度预测
|
|
"""
|
|
|
|
from sector_strategy_agents import SectorStrategyAgents
|
|
from deepseek_client import DeepSeekClient
|
|
from typing import Dict, Any
|
|
import time
|
|
import json
|
|
|
|
|
|
class SectorStrategyEngine:
|
|
"""板块策略综合研判引擎"""
|
|
|
|
def __init__(self, model="deepseek-chat"):
|
|
self.model = model
|
|
self.agents = SectorStrategyAgents(model=model)
|
|
self.deepseek_client = DeepSeekClient(model=model)
|
|
print(f"[智策引擎] 初始化完成 (模型: {model})")
|
|
|
|
def run_comprehensive_analysis(self, data: Dict) -> Dict[str, Any]:
|
|
"""
|
|
运行综合分析流程
|
|
|
|
Args:
|
|
data: 包含市场数据的字典
|
|
|
|
Returns:
|
|
完整的分析结果
|
|
"""
|
|
print("\n" + "=" * 60)
|
|
print("🚀 智策综合分析系统启动")
|
|
print("=" * 60)
|
|
|
|
results = {
|
|
"success": False,
|
|
"timestamp": time.strftime("%Y-%m-%d %H:%M:%S"),
|
|
"agents_analysis": {},
|
|
"comprehensive_report": "",
|
|
"final_predictions": {}
|
|
}
|
|
|
|
try:
|
|
# 1. 运行四个AI智能体分析
|
|
print("\n[阶段1] AI智能体分析集群工作中...")
|
|
print("-" * 60)
|
|
|
|
agents_results = {}
|
|
|
|
# 宏观策略师
|
|
print("1/4 宏观策略师...")
|
|
macro_result = self.agents.macro_strategist_agent(
|
|
market_data=data.get("market_overview", {}),
|
|
news_data=data.get("news", [])
|
|
)
|
|
agents_results["macro"] = macro_result
|
|
|
|
# 板块诊断师
|
|
print("2/4 板块诊断师...")
|
|
sector_result = self.agents.sector_diagnostician_agent(
|
|
sectors_data=data.get("sectors", {}),
|
|
concepts_data=data.get("concepts", {}),
|
|
market_data=data.get("market_overview", {})
|
|
)
|
|
agents_results["sector"] = sector_result
|
|
|
|
# 资金流向分析师
|
|
print("3/4 资金流向分析师...")
|
|
fund_result = self.agents.fund_flow_analyst_agent(
|
|
fund_flow_data=data.get("sector_fund_flow", {}),
|
|
north_flow_data=data.get("north_flow", {}),
|
|
sectors_data=data.get("sectors", {})
|
|
)
|
|
agents_results["fund"] = fund_result
|
|
|
|
# 市场情绪解码员
|
|
print("4/4 市场情绪解码员...")
|
|
sentiment_result = self.agents.market_sentiment_decoder_agent(
|
|
market_data=data.get("market_overview", {}),
|
|
sectors_data=data.get("sectors", {}),
|
|
concepts_data=data.get("concepts", {})
|
|
)
|
|
agents_results["sentiment"] = sentiment_result
|
|
|
|
results["agents_analysis"] = agents_results
|
|
print("\n✓ 所有智能体分析完成")
|
|
|
|
# 2. 综合研判
|
|
print("\n[阶段2] 综合研判引擎工作中...")
|
|
print("-" * 60)
|
|
comprehensive_report = self._conduct_comprehensive_discussion(agents_results)
|
|
results["comprehensive_report"] = comprehensive_report
|
|
print("✓ 综合研判完成")
|
|
|
|
# 3. 生成最终预测
|
|
print("\n[阶段3] 生成最终预测...")
|
|
print("-" * 60)
|
|
predictions = self._generate_final_predictions(comprehensive_report, agents_results, data)
|
|
results["final_predictions"] = predictions
|
|
print("✓ 预测生成完成")
|
|
|
|
results["success"] = True
|
|
|
|
print("\n" + "=" * 60)
|
|
print("✓ 智策综合分析完成！")
|
|
print("=" * 60)
|
|
|
|
except Exception as e:
|
|
print(f"\n✗ 分析过程出错: {e}")
|
|
import traceback
|
|
traceback.print_exc()
|
|
results["error"] = str(e)
|
|
|
|
return results
|
|
|
|
def _conduct_comprehensive_discussion(self, agents_results: Dict) -> str:
|
|
"""
|
|
综合研判 - 整合各智能体的分析
|
|
"""
|
|
print(" 🤝 智能体团队正在综合讨论...")
|
|
time.sleep(2)
|
|
|
|
# 收集各分析师的报告
|
|
macro_analysis = agents_results.get("macro", {}).get("analysis", "")
|
|
sector_analysis = agents_results.get("sector", {}).get("analysis", "")
|
|
fund_analysis = agents_results.get("fund", {}).get("analysis", "")
|
|
sentiment_analysis = agents_results.get("sentiment", {}).get("analysis", "")
|
|
|
|
prompt = f"""
|
|
你是智策系统的首席策略官，现在需要综合四位专业分析师的报告，形成全面的市场和板块研判。
|
|
|
|
【宏观策略师报告】
|
|
{macro_analysis}
|
|
|
|
【板块诊断师报告】
|
|
{sector_analysis}
|
|
|
|
【资金流向分析师报告】
|
|
{fund_analysis}
|
|
|
|
【市场情绪解码员报告】
|
|
{sentiment_analysis}
|
|
|
|
请基于以上四位分析师的专业报告，进行深度综合研判：
|
|
|
|
1. **观点一致性分析**
|
|
- 四位分析师的核心观点有哪些一致之处？
|
|
- 在哪些方面存在分歧或不同看法？
|
|
- 如何理解这些分歧的合理性？
|
|
|
|
2. **多维度交叉验证**
|
|
- 宏观环境、板块基本面、资金流向、市场情绪是否形成共振？
|
|
- 哪些板块得到了多维度的支持？
|
|
- 哪些板块存在多维度的风险信号？
|
|
|
|
3. **关键矛盾识别**
|
|
- 当前市场和板块的主要矛盾是什么？
|
|
- 哪些因素可能成为决定性因素？
|
|
- 如何平衡不同维度的分析结论？
|
|
|
|
4. **综合判断**
|
|
- 基于四个维度的综合分析，对市场整体趋势的判断
|
|
- 对板块轮动方向的判断
|
|
- 对市场风险收益比的评估
|
|
- 当前最值得把握的机会在哪里？
|
|
|
|
5. **策略权重建议**
|
|
- 在当前环境下，四个分析维度的重要性权重（宏观/板块/资金/情绪）
|
|
- 应该重点参考哪个维度的建议？
|
|
- 需要警惕哪个维度的风险？
|
|
|
|
请给出专业、全面的综合研判报告，体现多维度分析的价值。
|
|
"""
|
|
|
|
messages = [
|
|
{"role": "system", "content": "你是智策系统的首席策略官，需要整合多维度分析，形成全面的投资策略。"},
|
|
{"role": "user", "content": prompt}
|
|
]
|
|
|
|
report = self.deepseek_client.call_api(messages, max_tokens=5000)
|
|
|
|
print(" ✓ 综合研判完成")
|
|
return report
|
|
|
|
def _generate_final_predictions(self, comprehensive_report: str, agents_results: Dict, raw_data: Dict) -> Dict:
|
|
"""
|
|
生成最终预测 - 板块多空/轮动/热度
|
|
"""
|
|
print(" 📊 生成板块多空/轮动/热度预测...")
|
|
time.sleep(2)
|
|
|
|
# 提取板块列表用于预测
|
|
sectors_list = []
|
|
if raw_data.get("sectors"):
|
|
sorted_sectors = sorted(raw_data["sectors"].items(), key=lambda x: abs(x[1]["change_pct"]), reverse=True)
|
|
sectors_list = [name for name, _ in sorted_sectors[:30]] # 取前30个活跃板块
|
|
|
|
sectors_str = ", ".join(sectors_list) if sectors_list else "未知板块"
|
|
|
|
prompt = f"""
|
|
基于前期的深度分析和综合研判，现在需要生成最终的板块预测报告。
|
|
|
|
【综合研判结论】
|
|
{comprehensive_report}
|
|
|
|
【参考板块列表】
|
|
{sectors_str}
|
|
|
|
请生成以下三类预测，并以JSON格式输出：
|
|
|
|
1. **板块多空情况**
|
|
- 看多板块（5-8个）：综合判断未来1-2周看涨的板块
|
|
- 看空板块（3-5个）：综合判断未来1-2周看跌的板块
|
|
- 中性板块（2-3个）：走势不明朗的板块
|
|
|
|
对每个板块给出：
|
|
- 板块名称
|
|
- 多空判断（看多/看空/中性）
|
|
- 推荐理由（100字以内）
|
|
- 信心度（1-10分）
|
|
- 风险提示
|
|
|
|
2. **板块轮动预测**
|
|
- 当前强势板块（正在走强的2-3个板块）
|
|
- 潜力接力板块（可能轮动到的3-5个板块）
|
|
- 衰退板块（正在走弱的2-3个板块）
|
|
|
|
对每个板块给出：
|
|
- 板块名称
|
|
- 轮动阶段（强势/潜力/衰退）
|
|
- 轮动逻辑（150字以内）
|
|
- 预计时间窗口
|
|
- 操作建议
|
|
|
|
3. **板块热度排行**
|
|
- 最热板块TOP5（综合资金、情绪、涨幅）
|
|
- 升温板块TOP5（热度快速上升的板块）
|
|
- 降温板块TOP3（热度快速下降的板块）
|
|
|
|
对每个板块给出：
|
|
- 板块名称
|
|
- 热度评分（0-100分）
|
|
- 热度变化趋势（升温/降温/稳定）
|
|
- 持续性评估（强/中/弱）
|
|
|
|
请严格按照以下JSON格式输出：
|
|
{{
|
|
"long_short": {{
|
|
"bullish": [
|
|
{{
|
|
"sector": "板块名称",
|
|
"direction": "看多",
|
|
"reason": "推荐理由",
|
|
"confidence": 8,
|
|
"risk": "风险提示"
|
|
}}
|
|
],
|
|
"bearish": [...],
|
|
"neutral": [...]
|
|
}},
|
|
"rotation": {{
|
|
"current_strong": [
|
|
{{
|
|
"sector": "板块名称",
|
|
"stage": "强势",
|
|
"logic": "轮动逻辑",
|
|
"time_window": "1-2周",
|
|
"advice": "操作建议"
|
|
}}
|
|
],
|
|
"potential": [...],
|
|
"declining": [...]
|
|
}},
|
|
"heat": {{
|
|
"hottest": [
|
|
{{
|
|
"sector": "板块名称",
|
|
"score": 95,
|
|
"trend": "升温",
|
|
"sustainability": "强"
|
|
}}
|
|
],
|
|
"heating": [...],
|
|
"cooling": [...]
|
|
}},
|
|
"summary": {{
|
|
"market_view": "市场整体看法",
|
|
"key_opportunity": "核心机会",
|
|
"major_risk": "主要风险",
|
|
"strategy": "整体策略建议"
|
|
}}
|
|
}}
|
|
|
|
注意：
|
|
1. 所有板块名称必须从参考板块列表中选择
|
|
2. 分析要基于前期的多维度研判
|
|
3. 给出的建议要具体、可操作
|
|
4. 预测要客观、理性，避免过度乐观或悲观
|
|
"""
|
|
|
|
messages = [
|
|
{"role": "system", "content": "你是智策系统的预测引擎，需要生成专业、精准的板块预测报告。"},
|
|
{"role": "user", "content": prompt}
|
|
]
|
|
|
|
response = self.deepseek_client.call_api(messages, temperature=0.3, max_tokens=6000)
|
|
|
|
# 尝试解析JSON
|
|
try:
|
|
import re
|
|
json_match = re.search(r'\{.*\}', response, re.DOTALL)
|
|
if json_match:
|
|
predictions = json.loads(json_match.group())
|
|
print(" ✓ 预测报告生成成功（JSON格式）")
|
|
return predictions
|
|
else:
|
|
print(" ⚠ 未能解析JSON，返回文本格式")
|
|
return {"prediction_text": response}
|
|
except Exception as e:
|
|
print(f" ⚠ JSON解析失败: {e}，返回文本格式")
|
|
return {"prediction_text": response}
|
|
|
|
|
|
# 测试函数
|
|
if __name__ == "__main__":
|
|
print("=" * 60)
|
|
print("测试智策综合研判引擎")
|
|
print("=" * 60)
|
|
|
|
# 创建模拟数据
|
|
test_data = {
|
|
"success": True,
|
|
"sectors": {
|
|
"电子": {"change_pct": 2.5, "turnover": 3.5, "top_stock": "某某科技", "top_stock_change": 5.0, "up_count": 80, "down_count": 20},
|
|
"计算机": {"change_pct": 1.8, "turnover": 4.0, "top_stock": "某某软件", "top_stock_change": 4.5, "up_count": 70, "down_count": 30}
|
|
},
|
|
"market_overview": {
|
|
"sh_index": {"close": 3200, "change_pct": 0.5},
|
|
"total_stocks": 5000,
|
|
"up_count": 3000,
|
|
"up_ratio": 60.0
|
|
},
|
|
"news": [
|
|
{"title": "测试新闻", "content": "测试内容", "publish_time": "2024-01-15"}
|
|
],
|
|
"sector_fund_flow": {
|
|
"today": [
|
|
{"sector": "电子", "main_net_inflow": 100000, "main_net_inflow_pct": 2.0, "change_pct": 2.5, "super_large_net_inflow": 50000}
|
|
]
|
|
},
|
|
"north_flow": {
|
|
"date": "2024-01-15",
|
|
"north_net_inflow": 50000
|
|
}
|
|
}
|
|
|
|
engine = SectorStrategyEngine()
|
|
|
|
print("\n开始综合分析...")
|
|
# 注意：这只是测试框架，实际运行需要真实数据和API key
|
|
# results = engine.run_comprehensive_analysis(test_data)
|
|
# print(f"\n分析结果: {results.get('success')}")
|
|
|