stock-daily-analyzer

KO | EN

gitlite — search

#javascript #python #hacktoberfest #react #ai #typescript #llm #go #golang #android #machine-learning #rust #deep-learning #linux

stock-daily-analyzer

★ 16 Open GitHub ↗

No description available.

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# A股每日分析助手

这是一个自动化的A股市场分析工具，旨在每日收盘后协助投资者快速筛选潜在机会。它结合了传统量化技术指标（RSI, MACD, 均线系统, 量比）与现代大语言模型（LLM）的语义分析能力，提供智能化的选股建议。

## 主要功能

1.  **全市场扫描**: 每日自动扫描 A 股市场（支持排除创业板/ST股），基于量化规则筛选股票。
    *   **放量突破**: 寻找成交量显著放大且价格突破的股票。
    *   **趋势向好**: 筛选均线多头排列、MACD 金叉的稳健标的。
    *   **超卖反弹**: 捕捉 RSI 超卖且有企稳迹象的反弹机会。
2.  **LLM 智能精选**: 集成火山方舟（Ark）大模型，对量化筛选出的候选股进行二次分析。
    *   结合个股实时新闻（通过 akshare 获取）和基本面数据。
    *   输出每种策略下"最值得买"的一只股票及推荐理由。
3.  **历史回测**: 每日运行前自动验证 3 天前的推荐结果，统计准确率和收益率。
4.  **自动化报告**: 生成包含回测结果、今日推荐、LLM 精选理由的日报，并支持保存为文本文件。
5.  **系统通知**: 分析完成后通过 macOS 系统通知发送摘要（支持点击打开报告）。

## 量化框架（qf）

项目内置一个可复现实验的量化研究框架（仅A股、日频数据、周频调仓），支持：

- 数据源接口与本地缓存（便于替换数据源、提升回测速度）
- 因子计算 → 截面打分 → 组合构建（TopK 等权 + 单票上限）
- 可交易性约束（停牌、涨跌停、T+1）与税费/滑点/佣金成本
- 回测结果落盘（equity/holdings/summary），便于复现实验与对比

## 技术栈

*   **语言**: Python 3.9+
*   **数据源**: 
    *   `akshare`: 获取 A 股实时行情、个股新闻。
    *   `yfinance`: 获取个股基本面数据（市值、PE等）。
*   **LLM**: 火山引擎 (Volcengine Ark) / 兼容 OpenAI 接口。
*   **存储**: SQLite (本地存储历史推荐与价格数据)。

## 版本历史

### v1.1.0 (2026-01-07)
*   **智能新闻筛选**: 引入 LLM 对个股新闻进行时效性、相关性和重要性评分，自动筛选 Top 3 关键信息，告别海量噪音。
*   **历史异动归因**: 新增股价历史异动检测模块，支持短期（10天滑动窗口）和长期（90天振幅）两种模式。
    *   自动识别并标注股价的快速拉升/下跌区间（只保留最近5条记录以优化上下文）。
    *   利用 LLM 结合同期新闻，从宏观、行业、个股三个维度生成深度归因报告。
*   **决策上下文增强**: 
    *   将历史归因总结和精选新闻作为核心上下文输入给选股模型。
    *   优化 Prompt 指令，强制要求 LLM 综合量化信号、异动归因、市场情绪三个维度进行决策，显著提升推荐理由的逻辑深度。
*   **数据源优化**: 全面适配 akshare 新版接口，提升 A 股数据获取稳定性。

## 安装与配置

### 作为 Python 包安装（推荐）

```bash
pip install -e .
```

开发与测试环境：

```bash
pip install -e ".[dev]"
ruff check .
pytest -q
```

1.  **克隆仓库**
    ```bash
    git clone https://github.com/oliverran/stock-daily-analyzer.git
    cd stock-daily-analyzer
    ```

2.  **安装依赖**
    ```bash
    pip install -r requirements.txt
    ```

3.  **配置环境变量**
    复制 `.env.example` 为 `.env` 并填入你的 API Key：
    ```ini
    ARK_API_KEY=your_api_key_here
    ARK_MODEL_ID=your_model_endpoint_id
    ```

## 使用方法

### 本地运行

#### Windows（推荐使用虚拟环境）

```powershell
python -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install -r requirements.txt
copy .env.example .env
python self_check.py
python main.py
```

运行主程序进行全流程分析：

```bash
python main.py
```

或者仅测试 LLM 选股功能：

```bash
python test_llm.py
```

### 量化框架回测（仅A股、日频）

使用可复现实验配置运行回测：

```bash
python run_experiment.py --config experiments/default_a_share_daily.json
```

或使用安装后的 CLI：

```bash
stock-analyzer backtest --config experiments/default_a_share_daily.json
```

回测输出目录（默认）：

- `reports/experiments/<experiment_name>/equity.csv`
- `reports/experiments/<experiment_name>/holdings.csv`
- `reports/experiments/<experiment_name>/summary.json`

实验配置说明（见 `experiments/*.json`）：

- `universe`：股票池过滤（可选 include_prefix、exclude_prefix、exclude_st、max_stocks）
- `data`：数据源与缓存（provider、cache_dir、timeout_seconds）
- `factors`：lookback 与因子权重（weights）
- `portfolio`：TopK、单票上限（max_weight_per_name）
- `trading`：可交易性与税费（t_plus_one、limit_up/limit_down、stamp_duty_bps 等）
- `backtest`：回测区间、调仓规则（rebalance=W/W-FRI/M）、成本与初始资金

自检与日报运行：

```bash
stock-analyzer self-check
stock-analyzer run-daily
```

### 服务器部署

**🚀 一键部署（推荐）**

```bash
# 上传项目到服务器
scp -r stock-daily-analyzer user@your-server:/home/user/

# SSH登录并部署
ssh user@your-server
cd /home/user/stock-daily-analyzer
./deploy/deploy.sh
```

**🐳 Docker部署**

```bash
cd deploy/docker
./run.sh
```

**📚 详细部署文档**

- [快速部署指南](./QUICK_DEPLOY.md) - 3种部署方式快速入门
- [完整部署文档](./DEPLOYMENT.md) - 详细的部署、配置、监控指南

## 目录结构

```
stock-daily-analyzer/
├── qf/                      # 可复现实验量化框架（数据/因子/回测/交易约束/CLI）
├── experiments/             # 实验配置样例（JSON）
├── tests/                   # 单元测试与冒烟测试（离线可跑）
├── analyzer.py              # 日报：量化筛选逻辑
├── llm.py                   # 日报：LLM二次分析（可选）
├── attribution.py           # 日报：历史异动归因（可选）
├── backtester.py            # 日报：历史推荐回测统计
├── database.py              # 日报：SQLite存储
├── notifier.py              # 通知（macOS可用，其他平台安全降级）
├── config.py                # 日报配置
├── main.py                  # 日报入口
├── run_experiment.py        # 量化框架：回测入口（兼容 CLI）
├── pyproject.toml           # 打包/依赖/CLI/CI配置
├── .env.example             # 环境变量示例
├── deploy/                 # 部署配置目录
│   ├── deploy.sh           # 一键部署脚本
│   ├── crontab.example     # 定时任务示例
│   ├── stock-analyzer.service  # systemd服务配置
│   ├── docker/             # Docker部署配置
│   │   ├── Dockerfile
│   │   ├── docker-compose.yml
│   │   └── run.sh
│   └── supervisor/         # Supervisor配置
├── logs/                   # 运行日志
└── reports/                # 每日生成的分析报告
```

## 免责声明

本项目仅供学习和研究使用，不构成任何投资建议。股市有风险，入市需谨慎。

stock-daily-analyzer

Explore Similar Repositories

Was this content helpful?

Recent Feedback

Download README