股票分析系统

本系统用于股票数据的抓取、分析和策略回测，提供完整的股票分析流程。

执行顺序

1. 数据抓取

   • stock_history_collector_ta_v2.py - 抓取历史数据并计算技术指标
   • stock_data_collector_ta.py - 抓取最新交易日数据并计算技术指标

2. 数据基础分析

   • daily/data_analysis.py - 数据质量检查和可视化分析
   • daily/technical_analysis.py - 技术指标信号分析

3. 策略分析

   • daily/quantitative_strategy.py - 量化策略回测
   • daily/strategy_optimization.py - 策略参数优化

4. AI分析

   • daily/ai_model.py - 机器学习模型预测
   • stock_ai_local_analyzer.py - 本地AI分析

5. 自动化

   • automation_system.py - 自动化数据更新和策略运行

文件功能说明

1. 配置文件

• config.py
  • 功能：存储系统配置参数
  • 内容：股票代码、持仓情况、交易记录、历史数据日期范围、技术指标参数等
  • 产出物：无

2. 数据抓取

• stock_history_collector_ta_v2.py

  • 功能：抓取指定时间段的股票历史数据并使用TA-Lib计算技术指标
  • 实现原理：优先使用akshare获取国内股票数据，失败后使用yfinance作为备选
  • 产出物：./data/{ticker}/{ticker}_history.csv - 包含价格和技术指标的历史数据
  • 调用方法：python stock_history_collector_ta_v2.py 300433.SZ
    • 可选参数：
      • --start_date：开始日期，格式：YYYYMMDD
      • --end_date：结束日期，格式：YYYYMMDD
      • --filename：保存数据的文件名
      • --output-dir：保存数据的目录

• stock_data_collector_ta.py

  • 功能：抓取最新交易日的股票数据并计算技术指标
  • 实现原理：使用akshare获取最新交易数据，计算技术指标并保存
  • 产出物：更新 ./data/{ticker}/{ticker}_history.csv 文件，添加最新交易日数据
  • 调用方法：python stock_data_collector_ta.py

• stock_history_collector.py

  • 功能：抓取股票历史数据
  • 实现原理：使用akshare或yfinance获取历史数据
  • 产出物：./data/{ticker}/{ticker}_history.csv - 历史数据文件

• stock_data_collector.py

  • 功能：抓取最新股票数据
  • 实现原理：使用akshare获取最新交易数据
  • 产出物：更新 ./data/{ticker}/{ticker}_history.csv 文件

3. 数据基础分析 (日线)

• daily/data_analysis.py

  • 功能：股票数据质量检查和可视化分析
  • 实现原理：加载数据，检查数据质量，绘制价格、成交量和技术指标图表
  • 产出物：
    • ./data/{ticker}/{ticker}_price_volume.png - 价格和成交量图表
    • ./data/{ticker}/{ticker}_technical_indicators.png - 技术指标图表
    • ./data/{ticker}/{ticker}_bollinger_bands.png - 布林带图表
    • ./data/{ticker}/{ticker}_correlation.png - 技术指标相关性热力图
  • 调用方法：
    • 默认分析第一只股票：python daily/data_analysis.py
    • 指定股票分析：python daily/data_analysis.py --ticker 300433.SZ

• daily/technical_analysis.py

  • 功能：技术指标信号分析和有效性评估
  • 实现原理：计算各种技术信号，评估信号有效性，绘制信号分析图表
  • 产出物：./data/{ticker}/{ticker}_signal_analysis.png - 技术信号分析图表
  • 调用方法：
    • 默认分析第一只股票：python daily/technical_analysis.py
    • 指定股票分析：python daily/technical_analysis.py --ticker 300433.SZ

4. 策略分析 (日线)

• daily/quantitative_strategy.py

  • 功能：基于技术指标的量化交易策略回测
  • 实现原理：计算交易信号，执行策略回测，计算性能指标
  • 产出物：
    • ./data/{ticker}/{ticker}_strategy_results.png - 策略回测结果图表
    • ./data/{ticker}/{ticker}_trading_signals.csv - 交易信号数据文件
  • 调用方法：
    • 默认分析第一只股票：python daily/quantitative_strategy.py
    • 指定股票分析：python daily/quantitative_strategy.py --ticker 300433.SZ

• daily/strategy_optimization.py

  • 功能：优化量化交易策略的参数，提高策略性能
  • 实现原理：遍历不同参数组合，评估性能，选择最佳参数
  • 产出物：./data/{ticker}/{ticker}_optimization_results.png - 优化结果图表
  • 调用方法：
    • 默认分析第一只股票：python daily/strategy_optimization.py
    • 指定股票分析：python daily/strategy_optimization.py --ticker 300433.SZ

• daily/daily_strategy_optimization_multistock.py

  • 功能：多股票策略优化
  • 实现原理：对多只股票执行策略优化，寻找最佳参数组合
  • 产出物：多股票优化结果文件
  • 调用方法：python daily/daily_strategy_optimization_multistock.py

5. AI分析 (日线)

• daily/ai_model.py

  • 功能：使用机器学习模型对股票价格进行预测和分析
  • 实现原理：加载数据，准备特征，训练模型，评估性能
  • 产出物：
    • ./data/{ticker}/{ticker}_ai_predictions.png - 预测结果图表
    • ./data/{ticker}/{ticker}_feature_importance.png - 特征重要性图表
  • 调用方法：
    • 默认分析第一只股票：python daily/ai_model.py
    • 指定股票分析：python daily/ai_model.py --ticker 300433.SZ

• stock_ai_local_analyzer.py

  • 功能：将股票数据发送给本地Ollama AI进行分析
  • 实现原理：加载股票数据，生成AI提示词，获取AI分析结果
  • 产出物：
    • ./data/{ticker}/{ticker}_{timestamp}.md - AI分析报告
    • ./data/{ticker}/{ticker}_support_resistance.png - 支撑阻力位分析图表
  • 调用方法：
    • 默认分析第一只股票：python stock_ai_local_analyzer.py
    • 指定股票分析：python stock_ai_local_analyzer.py --ticker 300433.SZ

• daily/stock_ai_analyzer.py

  • 功能：整理股票支撑数据、持仓情况和操作情况，生成AI提示词
  • 实现原理：计算支撑阻力位，整理持仓信息，生成提示词
  • 产出物：无（生成的提示词可复制到网页AI服务）

• daily/stock_prediction.py

  • 功能：股票价格预测
  • 实现原理：使用历史数据和技术指标预测未来价格走势
  • 产出物：预测结果图表和数据文件
  • 调用方法：python daily/stock_prediction.py

6. 周线分析

• weekly/weekly_data_analysis.py

  • 功能：周线数据质量检查和可视化分析
  • 实现原理：加载周线数据，检查数据质量，绘制图表
  • 产出物：周线分析图表
  • 调用方法：python weekly/weekly_data_analysis.py

• weekly/weekly_quantitative_strategy.py

  • 功能：基于周线的量化交易策略回测
  • 实现原理：计算周线交易信号，执行策略回测
  • 产出物：周线策略回测结果
  • 调用方法：python weekly/weekly_quantitative_strategy.py

• weekly/weekly_strategy_optimization.py

  • 功能：周线策略参数优化
  • 实现原理：遍历不同参数组合，评估周线策略性能
  • 产出物：周线策略优化结果
  • 调用方法：python weekly/weekly_strategy_optimization.py

• weekly/weekly_strategy_optimization_multistock.py

  • 功能：多股票周线策略优化
  • 实现原理：对多只股票执行周线策略优化
  • 产出物：多股票周线优化结果
  • 调用方法：python weekly/weekly_strategy_optimization_multistock.py

• weekly/weekly_stock_analyzer.py

  • 功能：周线综合分析
  • 实现原理：对股票周线数据进行综合分析
  • 产出物：周线分析报告
  • 调用方法：python weekly/weekly_stock_analyzer.py

• weekly/weekly_stock_ai_local_analyzer.py

  • 功能：周线AI分析
  • 实现原理：将周线数据发送给本地Ollama AI进行分析
  • 产出物：周线AI分析报告
  • 调用方法：python weekly/weekly_stock_ai_local_analyzer.py

• weekly/weekly_stock_prediction.py

  • 功能：周线价格预测
  • 实现原理：使用周线数据预测未来价格走势
  • 产出物：周线预测结果
  • 调用方法：python weekly/weekly_stock_prediction.py

• weekly/weekly_batch_analysis.py

  • 功能：周线批量分析
  • 实现原理：对多只股票执行周线分析
  • 产出物：多股票周线分析结果
  • 调用方法：python weekly/weekly_batch_analysis.py

• weekly/weekly_batch_analysis_complete.py

  • 功能：周线完整批量分析
  • 实现原理：对多只股票执行完整的周线分析流程
  • 产出物：多股票周线完整分析结果
  • 调用方法：python weekly/weekly_batch_analysis_complete.py

7. 工具和自动化

• utils.py

  • 功能：通用工具函数，包含技术指标计算
  • 实现原理：尝试使用TA-Lib计算技术指标，失败后使用自定义实现
  • 产出物：无

• automation_system.py

  • 功能：自动化股票数据更新、策略运行和性能监控
  • 实现原理：使用schedule库设置定时任务，定期执行数据更新和策略运行
  • 产出物：automation.log - 自动化系统日志

• stock_company_info_v2.py

  • 功能：从多个权威金融数据源获取公司基本信息和财报数据
  • 实现原理：从新浪财经、东方财富等多个数据源获取信息并融合
  • 产出物：
    • ./data/{ticker}/{ticker}_{name}_company_info_v2.json - 公司信息JSON文件
    • ./data/{ticker}/{ticker}_{name}_company_info_v2.csv - 公司信息CSV文件
  • 调用方法：
    • 默认分析第一只股票：python stock_company_info_v2.py
    • 指定股票分析：python stock_company_info_v2.py --ticker 300433.SZ

• daily/batch_analysis.py

  • 功能：批量对多只股票执行完整的日线分析流程
  • 实现原理：从config.py中读取所有股票代码，依次执行分析脚本
  • 产出物：各股票的分析结果文件
  • 调用方法：python daily/batch_analysis.py

使用方法

1. 配置股票信息：在config.py中设置股票代码、持仓情况等参数
2. 抓取历史数据：运行stock_history_collector_ta_v2.py抓取股票历史数据
3. 抓取最新数据：运行stock_data_collector_ta.py抓取最新交易日数据
4. 分析数据：运行daily/data_analysis.py和daily/technical_analysis.py进行基础分析
5. 回测策略：运行daily/quantitative_strategy.py进行策略回测
6. 优化策略：运行daily/strategy_optimization.py优化策略参数
7. AI分析：
   • 运行daily/ai_model.py进行机器学习预测
   • 运行stock_ai_local_analyzer.py获取AI分析报告
     • 默认分析第一只股票：python stock_ai_local_analyzer.py
     • 指定股票分析：python stock_ai_local_analyzer.py --ticker 300433.SZ
8. 周线分析：运行weekly目录下的相应脚本进行周线分析
9. 自动化运行：运行automation_system.py设置定时任务

依赖项

• pandas
• numpy
• matplotlib
• seaborn
• yfinance
• akshare
• TA-Lib
• scikit-learn
• schedule
• requests
• pyperclip

注意事项

• 确保已安装所有依赖项
• 对于国内股票，优先使用akshare数据源
• 技术指标计算需要TA-Lib库支持
• 本地AI分析需要部署Ollama服务
• 自动化系统需要保持运行状态以执行定时任务
• 数据抓取脚本位于根目录，分析脚本分别位于daily和weekly目录