基于大模型的智能股票分析工具

一、立项背景与目标
背景
传统股票技术分析工具存在数据获取不稳定、多周期联动分析困难、筛选条件单一等痛点。投资者往往需要在多个软件之间切换，手动对比不同周期的技术指标，效率低下且容易错失交易机会。

目标
打造一款智能、高效、全周期覆盖的股票技术分析辅助系统，实现数据自动化采集、多维度条件筛选、可视化图表展示，并通过AI大模型赋能，为投资者提供智能化的交易决策支持。

二、核心功能模块
2.1 数据智能采集模块
多源数据接入（东方财富、新浪财经等）

全周期覆盖（30分钟/日线/周线/月线）

智能增量更新，避免重复下载

本地化存储，数据安全可控

2.2 多周期SKDJ分析模块
自动计算K值与D值

独立周期条件设置

趋势智能识别（上升/下降/震荡）

成交量异动检测

2.3 AI大模型智能分析模块
智能信号解读：接入大模型，自动解读SKDJ金叉/死叉信号，生成自然语言分析报告

多周期共振分析：AI自动识别30分钟、日线、周线三个周期的信号一致性，判断共振强度

趋势预测辅助：基于历史SKDJ走势，大模型给出短期趋势概率评估

个性化策略推荐：根据用户筛选条件，AI推荐适配的交易策略（超跌反弹/强势追涨/趋势跟踪）

异动预警：结合成交量异动与SKDJ位置，AI自动标记异常波动股票

智能问答：用户可直接提问（如"当前超卖股票中哪些有放量迹象"），大模型实时分析并返回结果

2.4 可视化图表模块
K线图+成交量+SKDJ三图合一

多周期标签页切换

最后30根K线高亮标记

超买超卖区域可视化

三、业务流程
3.1 数据采集流程
用户启动系统 → 选择更新范围 → 系统自动获取股票列表 → 增量下载缺失数据 → 本地存储 → 更新完成

3.2 筛选分析流程
选择周期（30分钟/日线/周线）→ 设置筛选条件（K值范围/趋势/成交量）→ 点击扫描 → 系统读取本地数据 → 计算SKDJ指标 → 应用筛选条件 → 展示结果列表

3.3 AI智能分析流程
筛选出结果列表 → 点击「AI分析」按钮 → 系统将股票数据发送至大模型 → AI自动分析多周期共振情况 → 生成智能解读报告 → 推送交易建议 → 用户参考决策

3.4 详细查看流程
点击股票「详情」→ 系统加载多周期K线数据 → 展示三图合一图表 → 用户查看技术形态 → AI同步生成该股票的技术分析简报 → 辅助投资决策

四、技术优势
特性 说明
零成本 完全免费，无需付费数据接口
本地化 数据存储在本地，隐私安全
高效率 增量更新机制，每日更新仅需数分钟
智能化 接入大模型AI，提供智能分析辅助
全周期 支持30分钟/日线/周线/月线四周期联动
可视化 三图合一，直观展示技术形态

一、整体架构
采用数据-业务-展示三层解耦架构：

数据层：AkShare多源采集 + 本地CSV分级存储 + 增量更新机制

业务层：SKDJ指标计算 + 多周期独立筛选 + 异步数据加载

展示层：PyQt5 GUI + Matplotlib可视化 + 三图合一渲染

AI层：DeepSeek大模型接入 + 智能信号解读 + 自然语言交互

二、核心技术栈
层级 技术
前端 PyQt5、Matplotlib
后端 Python、Pandas、NumPy
数据源 AkShare（东方财富/新浪）
AI引擎 DeepSeek API
三、关键技术难点与解决方案
1. 数据源稳定性问题

难点：BaoStock频繁报socket错误，连接被重置

方案：替换为AkShare，增加重试机制与随机延迟，30分钟线限制时间窗口

2. 界面响应卡顿

难点：全量数据加载导致界面假死10秒以上

方案：QThread异步加载 + 数据缓存 + K线图限流显示（最多200条）

3. SKDJ趋势误判

难点：传统算法对V型反转识别不准

方案：采用5周期多数原则（3/5 K>D判定上升）

4. 大模型接入挑战

难点：API延迟高、Token限制、成本控制

方案：批量分析 + 结构化Prompt + 结果缓存 + 按需调用

5. 多周期筛选复杂

难点：30分钟/日线/周线条件需独立设置并组合

方案：条件封装为独立控件，逐周期串行校验

6. 数据存储混乱

难点：多周期多股票文件难以管理

方案：分级目录 + 日期粒度切片存储