# AI 金融分析平台

基于 tushare 数据接口的智能股票筛选和分析系统，支持多种投资策略的量化评分和综合评估。

## 功能特性

- **三维度综合分析**: 价值投资、成长投资、技术分析三大策略综合评估
- **智能筛选**: AI算法自动筛选优质股票，无需手动选择策略
- **交易信号分析**: 提供买入/卖出信号、止盈止损建议
- **实时数据**: 基于 tushare API 获取最新股票数据
- **智能评分**: AI 算法对股票进行综合评分和排名
- **可视化分析**: 直观的图表展示和财务指标分析
- **缓存优化**: Redis 缓存提升数据查询性能

## 技术栈

- **后端**: FastAPI + Python 3.9+
- **前端**: Flask + HTML/CSS/JavaScript
- **数据源**: Tushare API
- **数据处理**: pandas, numpy, scikit-learn
- **缓存**: Redis
- **数据库**: SQLAlchemy (支持 SQLite/PostgreSQL)
- **可视化**: Chart.js

## 快速开始

### 1. 环境配置

```bash
# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 安装依赖
pip install -r requirements.txt

# 配置环境变量
cp .env.example .env
# 编辑 .env 文件，设置你的 tushare token
```

### 2. 配置 tushare token

在 `.env` 文件中设置：
```
TUSHARE_TOKEN=your_tushare_token_here
```

### 3. 启动服务

```bash
# 启动后端 API 服务
python main.py

# 启动前端 Web 服务 (新终端)
cd web && python app.py
```

### 4. 访问应用

- **Web界面**: http://localhost:5001 (主要入口)
- **API文档**: http://localhost:8000/docs (后端API)

## 投资策略详解

### 价值投资策略 (40%权重)
- **关注指标**: PE、PB、ROE、负债率、净利率、现金流
- **适合场景**: 寻找被低估的优质股票，长期投资
- **评分标准**: PE<15(优) PB<2(优) ROE>15%(优) 负债率<50%(优)

### 成长投资策略 (30%权重)  
- **关注指标**: 营收增长率、利润增长率、ROE、毛利率趋势
- **适合场景**: 寻找高成长潜力的股票，中长期投资
- **评分标准**: 营收增长>20%(优) 利润增长>15%(优) ROE>20%(优)

### 技术分析策略 (30%权重)
- **关注指标**: 移动平均线、RSI、MACD、成交量、布林带、ADX
- **适合场景**: 短期交易和趋势跟踪，交易时机判断
- **评分标准**: 趋势向上(25%) 动量健康(20%) 成交量配合(15%)

## 主要功能

### 🔍 智能筛选
- **综合评分**: 三种策略加权平均，智能筛选优质股票
- **固定标准**: 综合评分≥60分，最多返回50只股票
- **自动识别**: 输入6位股票代码，自动识别交易所

### 📊 综合分析
- **多维评估**: 同时从价值、成长、技术三个角度分析
- **详细评分**: 显示各策略的具体得分和综合评分
- **投资建议**: 基于评分给出BUY/HOLD/WATCH建议

### 💹 交易信号
- **买卖时机**: 基于技术分析提供具体的买入/卖出信号
- **价格建议**: 智能推荐买入价格和卖出价格
- **风险管理**: 提供止盈止损建议和仓位管理
- **市场时机**: 评估当前市场环境和交易时机

## API 接口

### 单股综合分析
```http
POST /api/analyze
Content-Type: application/json

{
  "ts_code": "000001",
  "strategy": "technical"  # value/growth/technical
}
```

### 智能综合筛选
```http
POST /api/screen
Content-Type: application/json

{
  "strategy": "comprehensive",
  "min_score": 60,
  "limit": 50
}
```

### 获取股票基础数据
```http
GET /api/stocks
```

## 项目结构

```
StockAgent/
├── src/
│   ├── data/           # 数据获取和存储
│   │   ├── tushare_client.py    # Tushare数据接口
│   │   ├── database.py          # 数据库操作
│   │   └── redis_cache.py       # Redis缓存
│   ├── analysis/       # 分析计算模块
│   │   ├── financial_indicators.py  # 财务指标计算
│   │   ├── technical_indicators.py  # 技术指标计算
│   │   └── trading_signals.py       # 交易信号分析
│   ├── strategies/     # 投资策略实现
│   │   ├── value_strategy.py        # 价值投资策略
│   │   ├── growth_strategy.py       # 成长投资策略
│   │   └── technical_strategy.py    # 技术分析策略
│   └── utils/          # 工具函数
├── web/               # Web前端
│   ├── app.py         # Flask应用
│   ├── templates/     # HTML模板
│   └── static/        # CSS/JS静态文件
├── config/            # 配置文件
├── main.py           # FastAPI后端主程序
└── requirements.txt  # 依赖包
```

## 使用示例

### Python API调用
```python
from src.data import TushareClient
from src.strategies import ValueStrategy, GrowthStrategy, TechnicalStrategy

# 初始化
client = TushareClient()
value_strategy = ValueStrategy()
growth_strategy = GrowthStrategy()
technical_strategy = TechnicalStrategy()

# 获取股票数据
financial_data = client.get_financial_data('000001.SZ')
daily_data = client.get_stock_daily('000001.SZ')

# 多策略评分
stock_data = {
    'ts_code': '000001.SZ',
    'financial_ratios': financial_data,
    'technical_indicators': daily_data
}

value_score = value_strategy.calculate_score(stock_data)
growth_score = growth_strategy.calculate_score(stock_data)
technical_score = technical_strategy.calculate_score(stock_data)

# 综合评分 (40% + 30% + 30%)
comprehensive_score = value_score * 0.4 + growth_score * 0.3 + technical_score * 0.3

print(f"价值投资评分: {value_score}")
print(f"成长投资评分: {growth_score}")
print(f"技术分析评分: {technical_score}")
print(f"综合评分: {comprehensive_score}")
```

### Web界面使用
1. **访问**: 打开 http://localhost:5001
2. **筛选**: 点击"开始智能筛选"获取优质股票列表
3. **分析**: 输入股票代码进行单股详细分析
4. **决策**: 查看交易信号和投资建议

## 特色功能

### 🤖 智能化特性
- **自动股票代码识别**: 输入6位数字自动添加交易所后缀
- **综合策略评估**: 无需选择策略，自动三维度分析
- **智能交易建议**: 根据综合评分智能调整交易信号强度

### 🛡️ 风险控制
- **多重验证**: 三种策略交叉验证，提高准确性
- **止损建议**: 基于ATR、布林带等技术指标动态计算
- **仓位管理**: 根据风险评级提供合理的仓位建议

### ⚡ 性能优化
- **缓存机制**: Redis缓存减少重复计算
- **批量处理**: 限制处理数量避免超时
- **防重复提交**: 前端防重复点击，后端缓存复用

## 许可证

MIT License