aaron/stock-ai-agent
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

update

Browse Source
This commit is contained in:
aaron 2026-02-20 23:56:02 +08:00
parent 21ccd2aca3
commit 01a0d1fdfc
4 changed files with 151 additions and 46 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

126
backend/app/crypto_agent/llm_signal_analyzer.py
View File

@ -56,10 +56,16 @@ class LLMSignalAnalyzer:
- **旗形整理**：趋势中的健康回调 - **旗形整理**：趋势中的健康回调
## 三、技术指标分析 ## 三、技术指标分析
### RSI（相对强弱指标） ### RSI（相对强弱指标）- 使用 Wilder's Smoothing 标准算法
- RSI < 30：超卖区，关注反弹机会 **RSI 是最重要的超买超卖指标，请注意细节：**
- RSI > 70：超买区，关注回落风险 - **RSI < 30**：超卖区，关注反弹机会
- RSI 背离：价格与 RSI 走势相反 = 重要反转信号 - RSI 从 30 以下回升，交叉上穿 30：买入信号
- RSI 底背离（价格新低但 RSI 未创新低）：强买入信号
- **RSI > 70**：超买区，关注回落风险
- RSI 从 70 以上回落，交叉下穿 70：卖出信号
- RSI 顶背离（价格新高但 RSI 未创新高）：强卖出信号
- **RSI 40-60**：震荡区，观望为主
- **RSI 趋势**：RSI 自身的趋势变化比单一数值更重要
### MACD ### MACD
- 金叉（DIF 上穿 DEA）：做多信号 - 金叉（DIF 上穿 DEA）：做多信号
@ -74,11 +80,20 @@ class LLMSignalAnalyzer:
- 布林带收口：即将变盘 - 布林带收口：即将变盘
- 布林带开口：趋势启动 - 布林带开口：趋势启动
### 均线系统 ### 均线系统（重要）
- 多头排列（MA5>MA10>MA20）：上涨趋势 **均线系统是趋势判断的核心，请仔细分析：**
- 空头排列（MA5<MA10<MA20）：下跌趋势 - **多头排列**（MA5 > MA10 > MA20 > MA50）：强势上涨趋势，回调做多
- 价格回踩均线支撑：低吸机会 - **空头排列**（MA5 < MA10 < MA20 < MA50）：强势下跌趋势，反弹做空
- 价格反弹均线压力：做空机会 - **价格与 MA 的关系**：
- 价格站稳 MA5/MA10 上方：短线上涨
- 价格突破 MA20：中线转多
- 价格跌破 MA20：中线转空
- MA50 是中期趋势的分水岭
- **均线金叉死叉**：
- MA5 上穿 MA10：短线买入信号
- MA5 下穿 MA10：短线卖出信号
- MA10 上穿 MA20：中线买入信号
- MA10 下穿 MA20：中线卖出信号
## 四、新闻舆情分析 ## 四、新闻舆情分析
结合最新市场新闻判断： 结合最新市场新闻判断：
@ -87,10 +102,33 @@ class LLMSignalAnalyzer:
- **市场情绪**：恐慌指数、社交媒体热度 - **市场情绪**：恐慌指数、社交媒体热度
- **大户动向**：鲸鱼转账、交易所流入流出 - **大户动向**：鲸鱼转账、交易所流入流出
## 五、多周期共振 ## 五、多周期共振（关键分析框架）
- 4H + 1H 同向 = 中线信号更可靠 **多周期共振是提高信号质量的核心方法：**
- 1H + 15M 同向 = 短线信号更可靠
- 多周期 RSI 同时超买/超卖 = 强反转信号 ### 周期层级关系
- **4h（趋势层）**：决定中期大方向
- **1h（主周期）**：主要交易周期
- **15m（入场层）**：寻找入场时机
- **5m（精确入场）**：确认最佳入场点
### 共振判断标准
**强共振（A级信号）**：
- 所有周期趋势同向（如 4h多 + 1h多 + 15m多）
- 多周期 RSI 同时超买/超卖后出现背离
- 多周期 MA 同时金叉/死叉
**中等共振（B级信号）**：
- 大周期（4h+1h）同向
- 主周期（1h）技术指标明确
**弱共振（C级信号）**：
- 只有单一周期信号
- 多周期方向不一致
### 实战策略
- **顺势交易**：4h 和 1h 同向时，在 15m/5m 寻找入场点
- **逆势谨慎**：只有 1h 信号但 4h 反向时，降低置信度
- **突破交易**：多周期同时突破关键位，信号最强
## 六、入场方式 ## 六、入场方式
- **market**：现价立即入场 - 信号已经触发，建议立即开仓 - **market**：现价立即入场 - 信号已经触发，建议立即开仓
@ -247,10 +285,16 @@ class LLMSignalAnalyzer:
- **箱体震荡**：震荡区间，突破后选择方向 - **箱体震荡**：震荡区间，突破后选择方向
## 三、技术指标分析 ## 三、技术指标分析
### RSI（相对强弱指标） ### RSI（相对强弱指标）- 使用 Wilder's Smoothing 标准算法
- RSI < 30：超卖区，关注反弹机会 **RSI 是最重要的超买超卖指标，请注意细节：**
- RSI > 70：超买区，关注回落风险 - **RSI < 30**：超卖区，关注反弹机会
- RSI 背离：价格与 RSI 走势相反 = 重要反转信号 - RSI 从 30 以下回升，交叉上穿 30：买入信号
- RSI 底背离（价格新低但 RSI 未创新低）：强买入信号
- **RSI > 70**：超买区，关注回落风险
- RSI 从 70 以上回落，交叉下穿 70：卖出信号
- RSI 顶背离（价格新高但 RSI 未创新高）：强卖出信号
- **RSI 40-60**：震荡区，观望为主
- **RSI 趋势**：RSI 自身的趋势变化比单一数值更重要
- 股票市场中 RSI 极端值比加密货币更可靠 - 股票市场中 RSI 极端值比加密货币更可靠
### MACD ### MACD
@ -267,21 +311,51 @@ class LLMSignalAnalyzer:
- 布林带开口：趋势启动 - 布林带开口：趋势启动
### 均线系统（重要） ### 均线系统（重要）
- 多头排列（MA5>MA10>MA20>MA50）：上涨趋势 **均线系统是趋势判断的核心，请仔细分析：**
- 空头排列（MA5<MA10<MA20<MA50）：下跌趋势 - **多头排列**（MA5 > MA10 > MA20 > MA50）：强势上涨趋势，回调做多
- 价格回踩 MA20/MA50：重要支撑位 - **空头排列**（MA5 < MA10 < MA20 < MA50）：强势下跌趋势，反弹做空
- 价格反弹 MA20/MA50：重要阻力位 - **价格与 MA 的关系**：
- 均线金叉/死叉：重要趋势信号 - 价格站稳 MA5/MA10 上方：短线上涨
- 价格突破 MA20：中线转多
- 价格跌破 MA20：中线转空
- MA20/MA50 是中期趋势的分水岭
- **均线金叉死叉**：
- MA5 上穿 MA10：短线买入信号
- MA5 下穿 MA10：短线卖出信号
- MA10 上穿 MA20：中线买入信号
- MA10 下穿 MA20：中线卖出信号
### 成交量分析 ### 成交量分析
- **量价配合**：价格上涨+放量或下跌+缩量是健康的 - **量价配合**：价格上涨+放量或下跌+缩量是健康的
- **量价背离**：价格上涨+缩量或下跌+放量要警惕 - **量价背离**：价格上涨+缩量或下跌+放量要警惕
- **换手率**：换手率过低说明关注度不够，换手率过高可能是投机 - **换手率**：换手率过低说明关注度不够，换手率过高可能是投机
## 四、多周期共振 ## 四、多周期共振（关键分析框架）
- 日线 + 周线同向 = 中长线信号更可靠 **多周期共振是提高信号质量的核心方法：**
- 日线 + 4小时同向 = 短线信号更可靠
- 多周期 RSI 同时超买/超卖 = 强反转信号 ### 周期层级关系
- **日线（趋势层）**：决定中长期大方向
- **4h/1h（主周期）**：主要交易周期
- **15m/5m（入场层）**：寻找最佳入场时机
### 共振判断标准
**强共振（A级信号）**：
- 所有周期趋势同向（如日线多 + 4h多 + 1h多）
- 多周期 RSI 同时超买/超卖后出现背离
- 多周期 MA 同时金叉/死叉
**中等共振（B级信号）**：
- 大周期（日线+4h）同向
- 主周期技术指标明确
**弱共振（C级信号）**：
- 只有单一周期信号
- 多周期方向不一致
### 实战策略
- **顺势交易**：大周期和小周期同向时，信号最强
- **逆势谨慎**：只有小周期信号但大周期反向时，降低置信度
- **突破交易**：多周期同时突破关键位，信号最可靠
- 大周期决定方向，小周期决定入场时机 - 大周期决定方向，小周期决定入场时机
## 五、股票市场特殊性 ## 五、股票市场特殊性

49
backend/app/services/binance_service.py
View File

@ -93,7 +93,7 @@ class BinanceService:
for interval in ['5m', '15m', '1h', '4h']: for interval in ['5m', '15m', '1h', '4h']:
df = self.get_klines(symbol, interval, limit=limits.get(interval, 100)) df = self.get_klines(symbol, interval, limit=limits.get(interval, 100))
if not df.empty: if not df.empty:
df = self.calculate_indicators(df) df = self.calculate_indicators(df, interval) # 传递 interval 参数
data[interval] = df data[interval] = df
logger.info(f"获取 {symbol} 多周期数据完成") logger.info(f"获取 {symbol} 多周期数据完成")
@ -124,12 +124,13 @@ class BinanceService:
return df return df
def calculate_indicators(self, df: pd.DataFrame) -> pd.DataFrame: def calculate_indicators(self, df: pd.DataFrame, interval: str = '1h') -> pd.DataFrame:
""" """
计算技术指标 计算技术指标
Args: Args:
df: K线数据 DataFrame df: K线数据 DataFrame
interval: K线周期，用于调整 MA 参数
Returns: Returns:
添加了技术指标的 DataFrame 添加了技术指标的 DataFrame
@ -137,17 +138,28 @@ class BinanceService:
if df.empty: if df.empty:
return df return df
# 移动平均线 # 根据周期调整 MA 参数
df['ma5'] = self._calculate_ma(df['close'], 5) # 短周期（5m, 15m）使用较短的 MA，长周期使用较长的 MA
df['ma10'] = self._calculate_ma(df['close'], 10) ma_config = {
df['ma20'] = self._calculate_ma(df['close'], 20) '5m': {'ma_short': 5, 'ma_mid': 10, 'ma_long': 20, 'ma_extra': 50},
df['ma50'] = self._calculate_ma(df['close'], 50) '15m': {'ma_short': 5, 'ma_mid': 10, 'ma_long': 20, 'ma_extra': 50},
'1h': {'ma_short': 5, 'ma_mid': 10, 'ma_long': 20, 'ma_extra': 50},
'4h': {'ma_short': 5, 'ma_mid': 10, 'ma_long': 20, 'ma_extra': 50},
}
config = ma_config.get(interval, ma_config['1h'])
# 移动平均线（统一命名，便于 LLM 分析）
df['ma5'] = self._calculate_ma(df['close'], config['ma_short'])
df['ma10'] = self._calculate_ma(df['close'], config['ma_mid'])
df['ma20'] = self._calculate_ma(df['close'], config['ma_long'])
df['ma50'] = self._calculate_ma(df['close'], config['ma_extra'])
# EMA # EMA
df['ema12'] = self._calculate_ema(df['close'], 12) df['ema12'] = self._calculate_ema(df['close'], 12)
df['ema26'] = self._calculate_ema(df['close'], 26) df['ema26'] = self._calculate_ema(df['close'], 26)
# RSI # RSI（使用 Wilder's Smoothing）
df['rsi'] = self._calculate_rsi(df['close'], 14) df['rsi'] = self._calculate_rsi(df['close'], 14)
# MACD # MACD
@ -181,12 +193,25 @@ class BinanceService:
@staticmethod @staticmethod
def _calculate_rsi(data: pd.Series, period: int = 14) -> pd.Series: def _calculate_rsi(data: pd.Series, period: int = 14) -> pd.Series:
"""RSI 指标""" """
RSI 指标 - 使用 Wilder's Smoothing 方法
这是标准 RSI 计算方法，比简单平均更准确
"""
delta = data.diff() delta = data.diff()
gain = (delta.where(delta > 0, 0)).rolling(window=period).mean()
loss = (-delta.where(delta < 0, 0)).rolling(window=period).mean() # 分离涨跌
rs = gain / loss gain = delta.where(delta > 0, 0)
loss = -delta.where(delta < 0, 0)
# 使用 Wilder's Smoothing (EMA) 而不是简单平均
# alpha = 1/period
avg_gain = gain.ewm(alpha=1/period, adjust=False).mean()
avg_loss = loss.ewm(alpha=1/period, adjust=False).mean()
# 计算 RS 和 RSI
rs = avg_gain / avg_loss
rsi = 100 - (100 / (1 + rs)) rsi = 100 - (100 / (1 + rs))
return rsi return rsi
@staticmethod @staticmethod

11
backend/app/services/us_stock_service.py
View File

@ -171,11 +171,14 @@ class USStockService:
ma20 = close.rolling(window=20).mean().iloc[-1] if len(close) >= 20 else None ma20 = close.rolling(window=20).mean().iloc[-1] if len(close) >= 20 else None
ma60 = close.rolling(window=60).mean().iloc[-1] if len(close) >= 60 else None ma60 = close.rolling(window=60).mean().iloc[-1] if len(close) >= 60 else None
# 计算RSI # 计算RSI（使用 Wilder's Smoothing 方法）
delta = close.diff() delta = close.diff()
gain = (delta.where(delta > 0, 0)).rolling(window=14).mean() gain = delta.where(delta > 0, 0)
loss = (-delta.where(delta < 0, 0)).rolling(window=14).mean() loss = -delta.where(delta < 0, 0)
rs = gain / loss # 使用 EMA (Wilder's Smoothing) 而不是简单平均
avg_gain = gain.ewm(alpha=1/14, adjust=False).mean()
avg_loss = loss.ewm(alpha=1/14, adjust=False).mean()
rs = avg_gain / avg_loss
rsi = 100 - (100 / (1 + rs)) rsi = 100 - (100 / (1 + rs))
rsi_value = rsi.iloc[-1] if len(rsi) >= 14 else None rsi_value = rsi.iloc[-1] if len(rsi) >= 14 else None

11
backend/app/services/yfinance_service.py
View File

@ -196,11 +196,14 @@ class YFinanceService:
df['ma20'] = df['close'].rolling(window=20).mean() df['ma20'] = df['close'].rolling(window=20).mean()
df['ma50'] = df['close'].rolling(window=50).mean() df['ma50'] = df['close'].rolling(window=50).mean()
# RSI # RSI（使用 Wilder's Smoothing 方法）
delta = df['close'].diff() delta = df['close'].diff()
gain = (delta.where(delta > 0, 0)).rolling(window=14).mean() gain = delta.where(delta > 0, 0)
loss = (-delta.where(delta < 0, 0)).rolling(window=14).mean() loss = -delta.where(delta < 0, 0)
rs = gain / loss # 使用 EMA (Wilder's Smoothing) 而不是简单平均
avg_gain = gain.ewm(alpha=1/14, adjust=False).mean()
avg_loss = loss.ewm(alpha=1/14, adjust=False).mean()
rs = avg_gain / avg_loss
df['rsi'] = 100 - (100 / (1 + rs)) df['rsi'] = 100 - (100 / (1 + rs))
# MACD (使用与 binance_service 相同的计算方法) # MACD (使用与 binance_service 相同的计算方法)