Agent Skill

stock-researcher

全球智能投研工具 v9.8 — 主流知识库全覆盖(12 适配器双向交互), 叠加 v9.6 标红限制固化 + v9.5 大佬圆桌,全资产量化 + 真实数据源。覆盖 12 个全球市场,零依赖核心(纯 stdlib)。 🆕 v9.8 知识库 12 适配器(双向:存档 + 回读离线量化): - 本地:本地兜底库/Obsidian/思源笔记/Logseq;云端:IMA/语雀/飞书知识库/Notion;RAG:Dify/RAGFlow/FastGPT/MaxKB - 存档 --kb-save <code>(内嵌机读 JSON),回读 --kb-quant <词> 离线量化预测;--kb-target 与语音均可指定适配器 - 凭证走环境变量(RAGFLOW/FASTGPT/MAXKB/YUQUE/FEISHU/NOTION/SIYUAN/LOGSEQ 前缀),零新依赖零明文落盘;IMA/Dify 沿用 v9.7 变量名 v9.6 标红限制固化:国内直连代理防护(导入即装直连 opener)+ 评分≠盈利保证免责声明;行情+K线并行提速 v9.4 高级量化统计 + 语音交互:advanced_stats 一站式体检(滚动/回撤/仓位/统计检验/归因)+ 零依赖语音指令 v9.3 量化预测增强:历史形态匹配预测(股票/基金/期货通用)+ 基金 NAV 预测 + 期货置信区间/仓位/展期收益 v9.0 三大支柱:深度板块(RPS/宽度/离散度/主题/轮动周期)+ 深度指数(体制/波动率/结构/内含/真实PE-PB分位) + 体制感知预测(体制条件化权重/信号共识/宏观情景概率加权/校准),regime="auto" 一键开启 数据源:腾讯 + 东方财富(免费无 Key)+ akshare(可选)。测试 691。 触发词:股票、基金、行情、分析、预测、涨跌、指数、板块、商品、黄金、债券、可转债、 货币基金、全球市场、量化、技术指标、组合优化、风险平价、夏普、回测、价值投资、蒙特卡洛、VaR、 相对强度、RPS、市场体制、波动率体制、指数估值、情景分析、预测校准、自上而下、形态匹配、净值预测、 语音交互、语音查询、语音预测、高级统计、Kelly仓位、回撤剖析、滚动夏普、跟踪误差、信息比率、JB检验、 大佬、圆桌、大师共识、索罗斯、费雪、达利欧、马克斯、神奇公式、利弗莫尔、反身性、批量并行、 知识库、IMA、Dify、Obsidian、RAGFlow、FastGPT、MaxKB、语雀、飞书、Notion、思源、Logseq、分析存档、回读量化、笔记同步

行业专业·user_814dbe54·来自 skill_hub·skillhub.cn ↗
skillhub install @user_814dbe54/aistockresearcher
4 Stars·16.5万 综合热度·13,045 字文档·源站更新 2026-11-22

README 文档

13,045 字

股票研究员 v9.8 — 主流知识库全覆盖(12 适配器双向交互)

纯 Python 标准库核心,零 pip 依赖。覆盖 12 个全球市场 + 股票/基金/指数/债券/商品/期货/货币基金/可转债;数据源:腾讯 + 东方财富(免费无 Key)+ akshare(可选,未装自动降级)。

⚠️ 支持范围与限制(重要,请先读)

支持的市场

市场代码格式示例数据源
A股6 位数字 / cn: 前缀600519 cn:600519腾讯/东财
港股hk: 前缀 / .HK 后缀hk:00700 00700.HK腾讯
美股us: 前缀 / .US 后缀us:AAPL AAPL.US腾讯/东财
全球指数idx: 前缀idx:N225 idx:SPX idx:上证指数腾讯
商品期货品种:交易所gold:comex crude:wti腾讯
基金/ETF6 位数字 / fund: 前缀110022 fund:510300天天基金/akshare
可转债6 位数字(11/12 开头自动识别)128046东财
债券代码 / bond: 前缀bond:国债akshare

限制条件

限制说明
🔴 需国内直连数据源为腾讯/东财国内接口,开启代理反而会失败(会走海外 IP 被拒)。v9.6 已固化:导入即自动安装无代理 opener 强制直连,无需手动处理
🔴 非实时数据腾讯/东财接口延迟约 3~5 秒,非交易时段返回收盘价
🟡 评分≠盈利预测预测评分表示历史上相似条件下约 X% 概率上涨,不保证未来。v9.6 已固化:完整输出/JSON 自动携带免责声明
🟡 不构成投资建议仅供学习参考,买卖决策自行负责
🟡 akshare 可选部分高级功能(基金净值/债券/可转债/宏观)需要 pip install akshare,未装自动降级

⚡ 快速上手

# 离线自检 / 单股预测 / 批量多市场
python scripts/stock_predict.py --test
python scripts/stock_predict.py 600519
python scripts/stock_predict.py "600519,hk:00700,us:AAPL" --json

# 统一全资产量化分析(任意金融产品)
python -c "from stock_researcher import quant_analyze_asset; print(quant_analyze_asset('600519'))"

# v9.0 深度板块/指数/体制感知预测
python scripts/stock_predict.py --sector-ranking cn      # 板块RPS相对强度排名
python scripts/stock_predict.py --index-regime sh000001  # 市场体制(牛/熊/震荡)
python scripts/stock_predict.py --scenario               # 宏观情景概率加权
python scripts/stock_predict.py --topdown cn             # 自上而下市场全景
python scripts/stock_predict.py --voice                  # v9.4 语音/文本交互循环(或 python run_voice.py)
python scripts/stock_predict.py --masters 600519         # v9.5 大佬圆桌(6 位大师策略共识)
python scripts/stock_predict.py --kb-save 600519         # v9.8 分析并保存到知识库(--kb-target 12 适配器)
python scripts/stock_predict.py --kb-quant 茅台            # v9.8 知识库回读离线量化预测
python scripts/stock_predict.py "600519,000858" --timing # v9.5 批量并行 + 耗时统计

v9.0 深度分析速查

# 板块:相对强度 + 宽度 + 离散度 + 主题 + 轮动周期
from stock_researcher import rps_ranking, analyze_breadth, analyze_dispersion, \
    list_themes, analyze_theme, detect_cycle_stage
ranking = rps_ranking("cn")                 # RPS 百分位排名(真实成分股 vs 沪深300)
b = analyze_breadth("电子")                  # 宽度:%在MA20/50/200、Zweig推动、背离
d = analyze_dispersion("电子")               # 离散度:横截面σ、龙头-落后差、齐涨/分化
themes = list_themes("cn")                  # AI算力/人形机器人/低空经济/固态电池...
t = analyze_theme("AI算力", "cn")            # 主题板块强度+宽度+离散度+资金
stage = detect_cycle_stage("cn")            # 美林时钟:早/中/晚周期/衰退概率

# 指数:体制 + 波动率 + 结构 + 内含 + 估值分位
from stock_researcher import classify_market_regime, analyze_volatility, \
    analyze_market_structure, analyze_market_internals, classify_index_valuation
reg = classify_market_regime("sh000001")    # 牛/熊/震荡 + 概率
vol = analyze_volatility("sh000001")        # 波动率体制(低/扩张/高/压缩)
ms = analyze_market_structure("sh000001")   # 高低点结构 + 阻力/支撑
mi = analyze_market_internals("sh000300")   # 涨跌家数 + McClellan(混合数据策略)
iv = classify_index_valuation("sh000300")   # 真实 PE 历史分位(多级降级不编造)

# 体制感知预测(regime="auto" 一键开启;默认 None 与 v8.0 行为一致)
from stock_researcher.fusion.multi_horizon_forecaster import MultiHorizonForecaster
fc = MultiHorizonForecaster().forecast_stock("600519", regime="auto")
print(fc.regime, fc.horizons["1M"].regime, fc.horizons["1M"].consensus)

# 宏观情景 + 校准
from stock_researcher import analyze_scenarios, calibrate_confidence
rep = analyze_scenarios(base_return=0.08, base_vol=0.20)   # 6情景概率加权+尾部
adj = calibrate_confidence(0.7, horizon="1M")               # 历史校准后置信度

# 自上而下全景(三支柱一条线)
from stock_researcher import build_topdown
print(build_topdown("cn").summary)

# v9.2 定期报告解读(年报/半年报/季报 同比环比 + 亮点风险 + 中文报告)
from stock_researcher import interpret_report, format_report
rep = interpret_report("600519", period="2024")     # "2024"=年报;"2025Q3"/"2025H1"/"2024-06-30" 亦可
print(rep.verdict, rep.metrics["revenue_yoy"], rep.metrics["net_profit_yoy"])
print(format_report(rep))

# v9.3 历史形态匹配预测 + 基金 NAV 预测 + 期货置信区间预测
from stock_researcher import quick_pattern_forecast
pf = quick_pattern_forecast(prices, horizon=5)      # 形态重演:预期涨跌+上涨概率+置信度
from stock_researcher.funds.fund_quant_analyzer import FundQuantAnalyzer
nav_fc = FundQuantAnalyzer().forecast_nav(nav, 5)   # 基金净值 5 日预测 + 80% 区间
from stock_researcher.quantitative.futures_analyzer import FuturesAnalyzer
fut = FuturesAnalyzer().predict_futures("IF9999", prices)  # 含预测区间+置信度+仓位建议

# v9.4 高级量化统计 + 语音交互(零依赖)
from stock_researcher import rolling_metrics, drawdown_report, kelly_fraction, quick_advanced_stats
rolling_metrics(prices, window=60)      # 滚动均值/波动/Sharpe/回撤;drawdown_report(prices) 回撤剖析
kelly_fraction(0.55, 1.8)               # Kelly 仓位分数;quick_advanced_stats(prices) 一站式体检
from stock_researcher import parse_voice_command          # 口语指令解析(run_voice.py/--voice 双入口)
parse_voice_command("预测茅台")           # {'intent':'predict','code':'600519'}

# v9.5 大佬圆桌(6 位大师策略共识参考面板)
from stock_researcher import MasterInput, MasterCouncil
inp = MasterInput.from_market(code="600519", price=1500, pe=22, roe=30, closes=prices)
rep = MasterCouncil().analyze(inp)      # 置信度加权共识 + 多空一致度 + 最乐观/最谨慎代表
print(MasterCouncil.format(rep))        # 中文圆桌报告

# v9.8 知识库双向交互(12 适配器,凭证走环境变量)
from stock_researcher import save_analysis_to_kb, kb_quant_forecast, kb_status
save_analysis_to_kb(code, result, prices, target="ragflow")  # 分析存档(内嵌机读 JSON)
rep = kb_quant_forecast("茅台")            # 回读价格序列→离线体检+形态匹配预测

🚀 Agent 执行指南(先探测环境,再分析,最后按模板输出)

Step 1: 运行时检测(不要假设环境,先探测再决策)

# ① Python 解释器(Windows 优先用 py launcher 定位)
python --version 2>/dev/null || py --version 2>/dev/null || echo "NO_PYTHON"

# ② 可选依赖探测(决定降级路径)
python -c "import akshare" 2>/dev/null && echo "AKSHARE_OK" || echo "AKSHARE_MISSING"
python -c "import numpy, sklearn" 2>/dev/null && echo "ML_OK" || echo "ML_MISSING"

# ③ 数据源连通性(腾讯/东财需国内直连,开代理会失败)
python scripts/stock_predict.py --test
检测结果决策
NO_PYTHONWindows 用 py -3.11;Linux/macOS 用 python3;py --list 查看可用版本
AKSHARE_MISSING基金净值/债券/可转债/宏观走降级路径(自动跳过,不崩溃);其余功能不受影响
ML_MISSING短期(1d/3d/5d) ML 概率叠加自动跳过(no-op),主预测链路仍可用
--test 失败/超时疑似开了代理/VPN → 提示用户关闭代理后重试;或用纯离线函数(不联网的量化/回测/组合优化)

Step 2: 按需求选择入口(参数默认值见下表)

需求入口命令/调用
单股/多市场预测CLIpython scripts/stock_predict.py 600519
全资产量化quantanalyzeasset(code)股票/基金/指数/债券/商品/可转债统一收口
板块深度rpsranking/analyzebreadth/analyzedispersion/analyzethemev9.0 深度板块
指数深度classifymarketregime/analyzevolatility/analyzemarketinternals/classifyindex_valuationv9.0 深度指数
价值投资ValueInvestingDecision().analyze(code)DCF/护城河/财务健康/管理层/行业
基金评分scorefundv3(code)基金十维评分
组合优化/回测allocate_portfolio/BacktestEngine纯 stdlib MVO/风险平价/VaR
定期报告解读interpret_report(code, period)年报/半年报/季报 同比环比+亮点风险(v9.2)
历史形态预测quickpatternforecast(prices)形态匹配推断涨跌,股票/基金/期货通用(v9.3)
高级量化统计quickadvancedstats(prices)滚动指标/回撤剖析/仓位计算/统计检验/业绩归因(v9.4)
语音交互python run_voice.py / --voice口语指令驱动预测/体检/板块/体制/情景/全景(v9.4)
大佬圆桌MasterCouncil().analyze(inp) / --masters <code>6 位大佬策略置信度加权共识参考(v9.5)

批量/快速场景优先加 --simple --quick(跳过蒙特卡洛 + 全球风险偏好,提速约 60%)。

参数默认值

参数默认值说明
marketcn可选 cn/hk/us;港股美股需 hk:/us: 前缀
asset_type自动识别可转债 11/12 开头、6 位数字=基金/股票、gold=商品
top_n20(筛选)/ 5(板块)返回前 N 条
horizon1d~6M 全周期MultiHorizonForecaster 默认输出 1d/3d/5d/1M/3M/6M
regimeNone(=v8.0 行为)传 "auto" 开启体制感知预测(熊市动量折扣+共识度校准)
strictFalseTrue 拒绝估算值(estimated)只保留 actual/derived
distributionnormal蒙特卡洛可选 t(肥尾)+ use_jumps=True(跳跃扩散)
trackFalseTrue 写入 PredictionTracker(进化闭环)
缓存 TTL300 秒config/settings.json 的 cache.ttl

Step 3: 输出报告(结构化模板,编号分节)

每次分析按以下模板输出,数据缺失时如实标注,不编造:

  1. 标的概览 — 代码 / 名称 / 市场 / 最新价 / 涨跌幅 / 数据时效(data_freshness)
  2. 核心指标 — 评分、方向、置信度、关键量化指标(Sharpe/最大回撤/PE 分位等)
  3. 多周期预测 — 1d/5d/1M/3M/6M 方向 + 概率 + 共识度(regime 开启时附体制标签)
  4. 风险提示 — VaR/最大回撤/情景尾部风险 + 数据质量标记(actual/derived/estimated/unavailable)
  5. 结论 — 一句话结论 + 免责声明(仅供学习参考,不构成投资建议)

核心能力总览

能力入口说明
统一全资产量化 🆕quantanalyzeasset(code)一个 API 量化股票/基金/指数/债券/商品/可转债,输出指标+场景+预测+专属分析
组合优化 🆕allocateportfolio / meanvariance_optimizeMVO(Frank-Wolfe)/ 最大Sharpe / 风险平价 / 组合 VaR-ES,纯 stdlib
蒙特卡洛增强 🆕quickscenarioforecast(..., distribution='t', use_jumps=True)跳跃扩散 + 肥尾 t 分布(默认保持 GBM)
ML 预测叠加 🆕MultiHorizonForecaster.forecast_stock(track=True)短期(1d/3d/5d) ML 概率叠加 + 进化闭环记录
债券量化 🆕analyzebond / bondprice定价/久期/凸性/YTM/信用利差/收益率曲线形态
货币基金 🆕MoneyFundAnalyzer7 日年化水平+稳定性+规模评分
可转债 🆕ConvertibleBondAnalyzer转股价值/溢价率/双低指数/股性/强赎
板块相对强度 RPS 🆕SectorRelativeStrength / rps_ranking(market)成分股构造板块代理指数 → 相对基准 5/20/60/120d RS + Mansfield RPS 百分位排名 + RS 趋势
板块宽度 🆕SectorBreadth / analyze_breadth(sector)%在MA20/50/200之上、新高新低、Zweig 宽度推动、价格-宽度背离、健康度
板块离散度 🆕SectorDispersion / analyze_dispersion(sector)横截面σ、龙头-落后差、集中度、偏度、齐涨/齐跌/分化
主题概念板块 🆕listthemes / analyzetheme / rank_themesAI算力/人形机器人/低空经济/固态电池/氢能/创新药等跨行业概念(cn/hk/us)
轮动周期阶段 🆕RotationCycleDetector / detectcyclestage美林时钟:早/中/晚周期/衰退概率 + 受益/回避板块
市场体制分类 🆕MarketRegimeClassifier / classifymarketregime(code)牛/熊/震荡 + 概率(MA200斜率+回撤+52周位置),体制切换信号
波动率体制 🆕VolatilityRegimeAnalyzer20/60d 年化已实现波动、低/扩张/高/压缩标签、vol-of-vol、历史分位
市场结构 🆕MarketStructureAnalyzer摆动高低点、HH-HL趋势结构、阻力/支撑关键位、破位信号、ATR
市场内含 🆕MarketInternalsAnalyzer涨跌家数、新高新低、McClellan 震荡子、宽度超买超卖(混合数据策略)
指数估值分位 🆕IndexValuation / classifyindexvaluation(code)指数级 PE/PB 真实历史分位(多级降级,无分位不编造)
体制感知预测 🆕MultiHorizonForecaster.forecast_stock(regime="auto")体制条件化权重 + 熊市动量折扣 + 信号共识度置信调整
宏观情景 🆕MacroScenarioEngine / analyze_scenarios6 命名情景(软着陆/硬着陆/通胀/地缘/刺激/衰退)概率加权 + 尾部 VaR
预测校准 🆕PredictionCalibrator / calibrate_confidence历史命中率分桶可靠性曲线 + Brier + 保序回归置信度校准
自上而下全景 🆕TopDownReport / build_topdown(market)宏观体制→受益板块(RPS)→指数健康→仓位倾向+风险提示,三支柱串成一条
定期报告解读 🆕interpret_report(code, period) / FinancialReportInterpreter年报/半年报/季报 同比(YoY)/环比(QoQ) + 业绩亮点/风险(增收不增利/经营杠杆/盈利质量/杠杆变化)+ 中文解读报告
历史形态匹配预测 🆕quickpatternforecast / HistoricalPatternPredictor检索历史相似形态窗口 → 预期涨跌/上涨概率/分位区间/置信度,股票/基金/期货通用,纯离线
基金量化增强 🆕FundQuantAnalyzer新增偏度/峰度/VaR/回撤恢复期/滚动稳定性/Treynor + forecast_nav NAV 短期预测
期货量化增强 🆕FuturesAnalyzer置信区间预测 + 波动率预测(扩张/压缩)+ ATR 风险预算仓位 + 展期收益估算
高级量化统计 🆕rollingmetrics / drawdownreport / quickadvancedstats滚动指标 + 回撤剖析 + Kelly/固定分数/波动率目标仓位 + JB 正态性 + Ljung-Box + 跟踪误差/上下捕获率
语音交互 🆕runvoice.py / stockpredict.py --voiceWindows SAPI 零依赖 TTS/STT + 口语指令解析 8 类意图(预测/体检/板块/体制/情景/全景/帮助/退出)
大佬圆桌 🆕MasterCouncil / quickmastercouncil / --masters <code>索罗斯/费雪/达利欧/马克斯/格林布拉特/利弗莫尔 6 策略统一快照评分,置信度×权重共识 + 多空一致度 + 极端代表
性能提速 🆕stock_predict.py行情+K线并行拉取(墙钟减半)+ 批量标的 4 并发 + ATR 去重 + --timing 耗时统计
知识库双向交互 🆕saveanalysistokb / kbquant_forecast / --kb*12 适配器覆盖主流知识库(本地/Obsidian/IMA/Dify/RAGFlow/FastGPT/MaxKB/语雀/飞书/Notion/思源/Logseq):存档 + 回读离线量化(v9.8)
多周期涨跌预测MultiHorizonForecaster1d~6M 十维信号融合(技术/资金/政策/舆情/宏观等)
因子库FactorLibrary / EnhancedFactorLibrary5 类基础因子 + v7.6 四因子(动量反转/资金流/波动率/日历)
策略回测Backtester / BacktestEngineRSI/MACD/双均线 P&L 模拟 + 漫步前向命中率
价值投资ValueInvestingDecisionDCF/护城河/财务健康/管理层/行业五维
五维聚合FiveDimAnalyzer政策+资金+财经+论坛+舆情

数据层与量化模型(v8.0)

真实数据修复:PE/PB 真实历史分位 / 财务时效 reportdate / 东财 f62 真实资金流 / DCF 债务利息真实字段 / 腾讯+新浪+东财多源冗余降级 / akshare 可选未装自动降级;量化模型:meanvarianceoptimize(MVO 纯 stdlib)/ allocateportfolio(最大Sharpe/风险平价)/ quickscenarioforecast(跳跃扩散+肥尾 t)。

全资产统一入口

quantanalyzeasset(code):一个 API 量化股票/可转债(11/12 开头自动识别)/ETF 基金/指数/债券/商品,返回 metrics + 蒙特卡洛情景 + 多周期预测 + 资产专属分析。

预测链路(三栈关系)

  • scripts/stock_predict.py:CLI 七维评分 + 蒙特卡洛,零依赖单股快速预测(v9.4 --voice;v9.5 --masters/--timing + 批量并行)
  • fusion/multihorizonforecaster:主链路十维信号融合 1d~6M + ML 短期叠加 + 进化闭环
  • core/predictionengine:三维预测(情绪/估值/历史/技术)+ GBM;三栈可并用,quantanalyze_asset 统一收口

核心模块 API

模块import关键函数
数据stock_researcher.dataMarketData / FundamentalData / MoneyFlowData / sourcemanager / akshareprovider
量化stock_researcher.quantitativecomputequantmetrics / quantanalyzeasset / allocateportfolio / analyzebond / MoneyFundAnalyzer / ConvertibleBondAnalyzer / quickscenarioforecast
预测stock_researcher.fusionMultiHorizonForecaster
价值stockresearcher.valueinvestingValueInvestingDecision
基金pkg.fund_analyzerscorefundv3 / fetchfundnav / predictfundmulti_horizon

版本历史

<details> <summary>📜 展开查看历史版本</summary>

版本要点
v9.8主流知识库全覆盖:12 适配器(新增 RAGFlow/FastGPT/MaxKB/语雀/飞书/Notion/思源/Logseq)+ CLI/语音指定适配器
v9.7知识库双向交互(IMA/Dify/Obsidian/本地):分析存档机读 JSON + 回读离线量化预测
v9.6标红限制固化(国内直连代理防护 + 评分免责声明)+ source_manager 缓存键 bug 修复
v9.5大佬圆桌(索罗斯/费雪/达利欧/马克斯/格林布拉特/利弗莫尔 6 策略 + 置信度加权共识)+ 性能提速(行情K线并行/批量并发/ATR去重/--timing)
v9.4高级量化统计(滚动指标/回撤剖析/仓位计算/JB检验/Ljung-Box/业绩归因)+ 语音交互(SAPI 零依赖 TTS/STT + 口语指令引擎 + 双入口)
v9.3量化预测增强:历史形态匹配预测(股票/基金/期货通用)+ 基金尾部风险/回撤恢复/稳定性/NAV预测 + 期货置信区间/仓位/展期收益 + quantanalyzeasset 接线
v9.2定期报告解读(年报/半年报/季报 同比环比 + 亮点风险 + 中文报告)

</details>

目录速查

scripts/stock_researcher/
├── data/            # 数据源(腾讯/东财/新浪/akshare 可选)+ 多源管理器 + 数据质量
│                    #   + v9.0: macro_series 宏观序列 / index_constituents 指数成分
├── quantitative/    # 量化(指标/因子/组合优化/MC/回测/债券/货基/可转债/全资产入口)
│                    #   + v9.0: scenario_engine + v9.4: advanced_stats 高级统计
├── fusion/          # 十维信号融合多周期预测(含 ML overlay + 进化闭环)
│                    #   + v9.0: regime_overlay 体制权重 / signal_consensus 共识度
├── core/            # 分析器/预测引擎/技术/估值
├── value_investing/ # DCF/护城河/财务健康
├── funds.py          # 基金量化(fund_quant + fund_sentiment 合并)
├── index_analysis/  # 指数:IndexAnalyzer + v9.0: 体制/波动率/结构/内含/估值分位
├── sector_analysis/ # 板块:Analyzer/Rotation + v9.0: RPS/宽度/离散度/主题/轮动周期
├── evolution/       # 回测 + 预测追踪(进化闭环)+ v9.0: calibration 预测校准
├── analysis/        # 五维聚合/资产推演 + v9.0: top_down 自上而下全景
├── sentiment/ agents/ advisor/ tracker/ # 舆情/大师圆桌(v9.5:6 大佬+共识)/投顾/跟踪
├── screening.py + knowledge_sync.py  # 筛选 / v9.8 知识库(12 适配器)双向交互
├── research/        # 券商研报/宏观信号 + v9.2: financial_report + v9.4: voice_interface 语音交互
scripts/stock_predict.py   # CLI 预测引擎(零依赖,--sector-ranking/--masters/--timing 等)
pkg/fund_analyzer.py       # 基金深度分析
tests/                     # 691 测试(python runtests.py)

❓ 常见问题与避坑指南(FAQ)

Q1: 开了代理(VPN)后数据获取失败?

A: 腾讯/东财数据源只接受国内 IP,开启代理反而会失败。解决方案:关闭代理后再运行,或设置代理绕过国内地址。

Q2: 港股/美股代码怎么写?

A: 必须加市场前缀:

python scripts/stockpredict.py hk:00700 # 港股腾讯 python scripts/stockpredict.py us:AAPL # 美股苹果 python scripts/stock_predict.py "600519,hk:00700,us:AAPL" # 批量

Q3: 全球指数代码怎么写?

A: 用 idx: 前缀 + 指数代码:

python scripts/stockpredict.py idx:N225 # 日经225 python scripts/stockpredict.py idx:SPX # 标普500 python scripts/stock_predict.py idx:上证指数 # 中文名也行

Q4: 预测评分 70 分是不是一定会涨?

A: 不是。 评分 70 表示历史上相似条件下约 70% 的情况上涨,不保证未来。请结合基本面、政策、市场情绪综合判断。

Q5: 返回的数据是实时的吗?

A: 不是。腾讯/东财接口延迟约 3~5 秒,非交易时段返回上一交易日收盘价。不适合做高频交易参考。

Q6: akshare 相关功能报错?

A: akshare 是可选依赖,未安装时自动降级;如需启用执行 pip install akshare。

Q7: 速度太慢怎么办?

A: 用 --simple --quick 跳过蒙特卡洛与全球风险偏好(提速约 60%);v9.5 起行情+K线已并行拉取、批量标的自动并发,可加 --timing 查看耗时定位瓶颈。

📘 更多问题请查看 README.md 或运行 python runtests.py 验证环境。


免责声明

⚠️ 本工具仅供学习参考,不构成任何形式的投资建议。 股市有风险,投资需谨慎。

同分类其他技能

查看全部 ›