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
skillhub install @user_814dbe54/aistockresearcher
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/ETF | 6 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_PYTHON | Windows 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 | CLI | python 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/analyzetheme | v9.0 深度板块 |
| 指数深度 | classifymarketregime/analyzevolatility/analyzemarketinternals/classifyindex_valuation | v9.0 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 |
|---|---|---|
market | cn | 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_n | 20(筛选)/ 5(板块) | 返回前 N 条 |
horizon | 1d~6M 全周期 | MultiHorizonForecaster 默认输出 1d/3d/5d/1M/3M/6M |
regime | None(=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) |
strict | False | True 拒绝估算值(estimated)只保留 actual/derived |
distribution | normal | 蒙特卡洛可选 t(肥尾)+ use_jumps=True(跳跃扩散) |
track | False | True 写入 PredictionTracker(进化闭环) |
| 缓存 TTL | 300 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:
- 标的概览 — 代码 / 名称 / 市场 / 最新价 / 涨跌幅 / 数据时效(
data_freshness) - 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)
- 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) - 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)
- 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_optimize | MVO(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 🆕 | MoneyFundAnalyzer | 7 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_themes | AI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 🆕 | VolatilityRegimeAnalyzer | 20/60d 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_scenarios | 6 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 --voice | Windows 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 | MultiHorizonForecaster | 1d~6M 十维信号融合(技术/资金/政策/舆情/宏观等) |
| 因子库 | FactorLibrary / EnhancedFactorLibrary | 5 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 / BacktestEngine | RSI/MACD/双均线 P&L 模拟 + 漫步前向命中率 |
| 价值投资 | ValueInvestingDecision | DCF/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.data | MarketData / FundamentalData / MoneyFlowData / sourcemanager / akshareprovider |
| 量化 | stock_researcher.quantitative | computequantmetrics / quantanalyzeasset / allocateportfolio / analyzebond / MoneyFundAnalyzer / ConvertibleBondAnalyzer / quickscenarioforecast |
| 预测 | stock_researcher.fusion | MultiHorizonForecaster |
| 价值 | stockresearcher.valueinvesting | ValueInvestingDecision |
| 基金 | pkg.fund_analyzer | scorefundv3 / 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 ›AIGC创作过程自动存证技能。自动识别创作平台与生成工具,将创作过程记录存证并盖有公安备案电子印章,具备可信时间戳,可以在全国电子印章互
13 703.7万 反诈专家反电信网络诈骗(反诈)专家技能。当用户描述一个疑似诈骗的场景、短信、电话、链接、聊天记录、App、投资平台、招聘信息或转账要求,并询问「
5 171.1万 全国电子印章互认平台电子印章公安备案、全网互认,实现所有格式文件电子签章与视频确权,覆盖全国所有CA厂商自2005年以来的全量电子签章数据,无论由哪个地区、
10 169.2万 包拯.SKILL包拯.Skills你身边的专家律师团 — 专业法律咨询 + 要素式/通用起诉状起草 + 刑事专项材料辅助 + 法条分析与法规检索。flk
65 85.5万 律师助手律师AI办案工作台:从接案到结案全流程提效——案件分析、要件梳理、文书初稿、证据质证、法庭攻防演练、赔偿与费用计算、期限提醒、复盘归档;
88 68万 baozheng-skills包拯.Skills你身边的专家律师团 — 专业法律咨询 + 要素式/通用起诉状起草 + 刑事专项材料辅助 + 法条分析与法规检索。flk
2 54.2万