1 line
11 KiB
JSON
1 line
11 KiB
JSON
{"repo": "15973081/ai-stock-analysis-eastmoney", "files": {"README.md": {"1d895e13937a3c9ca5b0cd8792471ea31f7a6a29": {"t": 1785747226.0216298, "n": 2735, "h": "f6d95ccc31cda9e2", "c": "\n# AI‑Stock‑Analysis‑EastMoney 📊\n\n## 一、项目背景\n\n散户投资者常见经历：\n\n* **跟风**：依赖抖音/微信群荐股，不懂技术面/基本面；\n* **爆赚 & 大亏**：市场忽上忽下，经验教训痛苦；\n* **觉醒**：股市不是赌场，而是以概率、纪律、数据、趋势为驱动的复杂系统。\n\n**目标**：提供一个从“信口说股”到“理性解读数据”的低门槛、可视化、自动化分析入口。帮助散户建立“数字化认知”，科学建仓并避雷。\n\n---\n\n## 二、功能概述\n\n| 模块 | 功能说明 |\n| ------ | --------------------------- |\n| 数据提取 | 自动读取东方财富导出的 CSV（行情+基本面因子） |\n| 多维指标融合 | 涨跌幅、市盈率、换手率、行业等技术+基本面指标 |\n| 可视化分析 | matplotlib绘制玫瑰图/柱状图，适配不同数据量 |\n| 自然语言总结 | GPT-4o 接口生成中文格调建议并解释 |\n| 避雷机制 | 标记高波动、异常换手、负涨跌个股，自动提示风险 |\n| 高可解释性 | 所有分析均有数据支撑，无玄学成分 |\n| 易用性 | 一键运行，无需专业背景；后续可接流数据/UI |\n| 扩展性 | 可增加 Web 界面、自动报表、情绪面分析等 |\n\n---\n\n## 三、研究方法对比\n\n| 方法 | 优点 | 缺点 |\n| ----------- | ------------ | ------------ |\n| 手动看盘 + 炒股软件 | 可灵活操作，适合懂K线者 | 门槛高、主观性强、易误判 |\n| 专家荐股/股评节目 | 易获取、覆盖面广 | 利益相关、难验证、套路多 |\n| 财报 + 行业分析 | 逻辑完整、系统性强 | 金融知识要求高、入门难 |\n| Python量化 | 数据驱动、支持回测 | 代码复杂、门槛高 |\n\n**本项目**兼具数据驱动、自动化、解释性和易用性，是散户和量化初学者的理想起点。\n\n---\n\n## 四、可行性与实现步骤\n\n### 4.1 方法可行性\n\n* **数据源**：东方财富CSV清晰、稳定；\n* **工具**：pandas读取、matplotlib作图；\n* **AI赋能**：GPT-4o 自动生成中文报告；\n* **日志+接口**：调试、审计与自动化部署方便；\n* **技术架构**：支持本地脚本、Notebook、Web或桌面端扩展。\n\n### 4.2 实施步骤\n\n1. **设计数据接口**：支持用户上传标准CSV；\n2. **数据清洗**：列名规范化、异常值处理；\n3. **图形分析**：动态绘制玫瑰图/柱状图；\n4. **标签策略**：涨跌/风险标红绿提示；\n5. **Prompt 模板**：引导AI提炼趋势、避雷；\n6. **GPT 集成**：自动输出中文分析；\n7. **日志系统**：记录分析与时间戳；\n8. **模块封装**：支持批量与定时分析；\n9. **测试稳定性**：针对不同规模（10–200只）；\n10. **扩展UI**：后续加入Streamlit 或 PyQt支持。\n\n---\n\n## 五、使用前景与问题解决\n\n### 5.1 应用场景\n\n* 日常复盘选股参考\n* 投资社群自动报告生成\n* 金融初学者养成数据思维\n* 内容创作者分析辅助\n* 教育培训中使用\n\n### 5.2 潜在问题 & 解决策略\n\n| 问题 | 解决方案 |\n| ---------- | ------------------ |\n| Token 长度溢出 | 选择重要列、限 Top‑N 个股 |\n| API 限流/断网 | 增离线模式，仅导图输出 |\n| 列名不规范 | 标准化映射机制统一处理 |\n| 数据失真风险 | 支持雪球、Tushare等备用接口 |\n| 图表理解障碍 | 加入图例+最简解说 |\n| AI 输出冗长 | Prompt 限制“简明、结构清晰” |\n\n---\n\n## 六、使用指南\n\n### 6.1 安装依赖\n\n```bash\npip install pandas matplotlib pyecharts requests openai\n```\n\n### 6.2 运行主脚本\n\n```bash\npython main.py # 自动抓取数据并生成 CSV\npython 可视化模块.py # 生成并展示柱状图\npython ai_analysis.py # 调用 GPT 输出中文分析\n```\n\n### 6.3 日志查看\n\n分析结果输出于控制台，并写入 `logs.txt`，包括时间戳、建议、避雷提示与免责声明。\n\n### 6.4 注意事项\n\n* API 密钥请写入 `config/api_keys.json`，不上传 GitHub，或者更换新的github网站；\n* 数据列名保持 UTF‑8 编码；\n* 本地运行环境推荐 Python‑3.10+。\n\n---\n\n## 七、项目结构\n\n```text\n.\n├─ main.py # 抓取+存储数据\n├─ chatgpt.py # 调用gpt，同下deepseek\n├─ deepseek.py # GPT 自然语言分析\n├─ 东方财富_data.csv # 抓取后行情数据\n├─ b.txt # 分析日志输出 logs\n├─ 图形可视化模块.py #直观，更容易分析，柱状图/玫瑰图生成\n└─ README.md # 项目说明文件\n```\n\n---\n\n## 八、未来拓展方向\n\n* **定时任务**：用 crontab 实现每日自动执行；\n* **数据库支持**：CSV→MySQL/MongoDB，便于历史对比；\n* **Web Dashboard**：用 Flask + Echarts 展示全面分析；\n* **自然语言问答接口**：用户可按需查询走势分析；\n* **自动回测模块**：支持历史回测及策略验证。\n\n---\n"}, "fb81a75ec7ec9c88edefcd4728519cb1dbcda391": {"t": 1785771483.1513612, "n": 2745, "h": "e8f0d3619e47c9fc", "c": "\n# AI‑Stock‑Analysis‑EastMoney 📊\n\n## 一、项目背景\n\n散户投资者常见经历：\n\n* **跟风**：依赖抖音/微信群荐股，不懂技术面/基本面；\n* **爆赚 & 大亏**：市场忽上忽下，经验教训痛苦；\n* **觉醒**：股市不是赌场，而是以概率、纪律、数据、趋势为驱动的复杂系统。\n\n**目标**：提供一个从“信口说股”到“理性解读数据”的低门槛、可视化、自动化分析入口。帮助散户建立“数字化认知”，科学建仓并避雷。\n\n---\n\n## 二、功能概述\n\n| 模块 | 功能说明 |\n| ------ | --------------------------- |\n| 数据提取 | 自动读取东方财富导出的 CSV（行情+基本面因子） |\n| 多维指标融合 | 涨跌幅、市盈率、换手率、行业等技术+基本面指标 |\n| 可视化分析 | matplotlib绘制玫瑰图/柱状图，适配不同数据量 |\n| 自然语言总结 | GPT-4o 接口生成中文格调建议并解释 |\n| 避雷机制 | 标记高波动、异常换手、负涨跌个股，自动提示风险 |\n| 高可解释性 | 所有分析均有数据支撑，无玄学成分 |\n| 易用性 | 一键运行，无需专业背景；后续可接流数据/UI |\n| 扩展性 | 可增加 Web 界面、自动报表、情绪面分析等 |\n\n---\n\n## 三、研究方法对比\n\n| 方法 | 优点 | 缺点 |\n| ----------- | ------------ | ------------ |\n| 手动看盘 + 炒股软件 | 可灵活操作，适合懂K线者 | 门槛高、主观性强、易误判 |\n| 专家荐股/股评节目 | 易获取、覆盖面广 | 利益相关、难验证、套路多 |\n| 财报 + 行业分析 | 逻辑完整、系统性强 | 金融知识要求高、入门难 |\n| Python量化 | 数据驱动、支持回测 | 代码复杂、门槛高 |\n\n**本项目**兼具数据驱动、自动化、解释性和易用性，是散户和量化初学者的理想起点。\n\n---\n\n## 四、可行性与实现步骤\n\n### 4.1 方法可行性\n\n* **数据源**：东方财富CSV清晰、稳定；\n* **工具**：pandas读取、matplotlib作图；\n* **AI赋能**：GPT-4o 自动生成中文报告；\n* **日志+接口**：调试、审计与自动化部署方便；\n* **技术架构**：支持本地脚本、Notebook、Web或桌面端扩展。\n\n### 4.2 实施步骤\n\n1. **设计数据接口**：支持用户上传标准CSV；\n2. **数据清洗**：列名规范化、异常值处理；\n3. **图形分析**：动态绘制玫瑰图/柱状图；\n4. **标签策略**：涨跌/风险标红绿提示；\n5. **Prompt 模板**：引导AI提炼趋势、避雷；\n6. **GPT 集成**：自动输出中文分析；\n7. **日志系统**：记录分析与时间戳；\n8. **模块封装**：支持批量与定时分析；\n9. **测试稳定性**：针对不同规模（10–200只）；\n10. **扩展UI**：后续加入Streamlit 或 PyQt支持。\n\n---\n\n## 五、使用前景与问题解决\n\n### 5.1 应用场景\n\n* 日常复盘选股参考\n* 投资社群自动报告生成\n* 金融初学者养成数据思维\n* 内容创作者分析辅助\n* 教育培训中使用\n\n### 5.2 潜在问题 & 解决策略\n\n| 问题 | 解决方案 |\n| ---------- | ------------------ |\n| Token 长度溢出 | 选择重要列、限 Top‑N 个股 |\n| API 限流/断网 | 增离线模式，仅导图输出 |\n| 列名不规范 | 标准化映射机制统一处理 |\n| 数据失真风险 | 支持雪球、Tushare等备用接口 |\n| 图表理解障碍 | 加入图例+最简解说 |\n| AI 输出冗长 | Prompt 限制“简明、结构清晰” |\n\n---\n\n## 六、使用指南\n\n### 6.1 安装依赖\n\n```bash\npip install pandas matplotlib pyecharts requests openai\n```\n\n### 6.2 运行主脚本\n\n```bash\npython main.py # 自动抓取数据并生成 CSV\npython 可视化模块.py # 生成并展示柱状图\npython ai_analysis.py # 调用 GPT 输出中文分析\n```\n\n### 6.3 日志查看\n\n分析结果输出于控制台，并写入 `logs.txt`，包括时间戳、建议、避雷提示与免责声明。\n\n### 6.4 注意事项\n\n* API 密钥请写入 `config/api_keys.json`，不上传 GitHub，或者更换新的github网站；\n* 数据列名保持 UTF‑8 编码；\n* 本地运行环境推荐 Python‑3.10+。\n\n---\n\n## 七、项目结构\n\n```text\n.\n├─ main.py # 抓取+存储数据\n├─ 可视化模块.py # 柱状图/玫瑰图生成\n├─ ai_analysis.py # GPT 自然语言分析\n├─ config/\n│ └─ api_keys.json # GPT/DeepSeek 密钥\n├─ 东方财富_data.csv # 抓取后行情数据\n├─ logs.txt # 分析日志输出\n└─ README.md # 项目说明文件\n```\n\n---\n\n## 八、未来拓展方向\n\n* **定时任务**：用 crontab 实现每日自动执行；\n* **数据库支持**：CSV→MySQL/MongoDB，便于历史对比；\n* **Web Dashboard**：用 Flask + Echarts 展示全面分析；\n* **自然语言问答接口**：用户可按需查询走势分析；\n* **自动回测模块**：支持历史回测及策略验证。\n\n---\n"}}}} |