tushare/docs

LJWX-Stock 文档中心

📚 文档导航

🎯 核心功能文档

📋 完整功能目录 ⭐ 最新完整版

系统功能完整清单与技术架构深度分析

• 系统架构与组件分析
• 数据管理功能详解 (7大数据类别)
• AI/ML能力完整列表 (10+模型架构)
• WebSocket实时系统 (10秒级更新)
• API接口全面文档 (500+接口端点)
• 部署选项与配置管理

🤖 AI股票推荐系统 ⭐ AI核心

完整的AI大模型股票推荐系统详解

• 智能推荐引擎架构
• 多策略分析系统
• 实时数据流处理
• 推荐跟踪与回测
• API接口完整文档
• 移动端应用开发

📊 功能概览 ⭐ 快速入门

核心功能快速浏览和技术特性

• 智能推荐引擎详解
• 实时数据系统
• 专业分析工具
• 交互式界面
• 性能指标和优化
• 未来发展规划

📖 技术规格书

完整的系统技术规格和架构说明

• 系统架构设计
• 核心模块详解
• AI模型技术栈
• 数据库设计
• 部署和运维指南
• 性能指标和优化

👥 用户使用手册

面向投资者和分析师的使用指南

• 快速入门指南
• 核心功能详解
• AI推荐系统使用
• 策略管理操作
• 常见问题解答
• 最佳实践建议

🔌 API接口文档

完整的REST API和WebSocket接口说明

• API概览和认证
• 核心接口详解
• WebSocket实时接口
• 错误码说明
• SDK使用示例
• 请求限制和规范

---

🏗️ 系统概述

LJWX-Stock是一个基于人工智能大模型的股票分析与推荐系统，具备以下核心特性：

✨ 主要功能

• 🤖 AI智能推荐 - 基于大语言模型的股票投资建议
• 📊 技术分析 - 50+项技术指标的专业分析
• 📈 策略管理 - 自定义交易策略和回测验证
• 🔄 实时数据 - 实时市场数据获取和分析
• 📱 多端支持 - Web端、移动端、API接口
• 🧪 回测验证 - 历史数据验证推荐效果

🎯 技术亮点

• Apple M2 Ultra优化 - 专门针对Apple Silicon优化
• 大规模训练 - 50,000+训练样本，覆盖5,000+只股票
• 5年历史数据 - 基于5年全市场历史数据训练
• 多模型支持 - 传统ML + 深度学习 + 大语言模型
• 企业级架构 - 分布式部署、高可用设计

📊 性能指标

• 推荐命中率: 65%+ (历史平均)
• 数据处理: 5000+股票，1000万+记录
• 响应速度: API响应 < 200ms
• 系统可用性: 99.5%+

---

🚀 快速开始

1. 系统要求

硬件要求:
- CPU: Apple Silicon M2 Ultra (推荐)
- 内存: 32GB+ 
- 存储: 100GB+ 可用空间

软件要求:
- macOS 13.0+ (Ventura)
- Python 3.12+
- MySQL 8.0+
- Ollama (AI模型服务)

2. 安装部署

# 1. 克隆项目
git clone https://github.com/your-org/ljwx-stock.git
cd ljwx-stock

# 2. 创建虚拟环境
python3 -m venv venv_m2_native
source venv_m2_native/bin/activate

# 3. 安装依赖
pip install -r requirements.txt

# 4. 初始化数据库
python scripts/data_initialization.py

# 5. 启动服务
python unified_app.py

3. 访问系统

• Web界面: http://localhost:5005
• 移动端API: http://localhost:5005/api/mobile/
• 管理界面: http://localhost:5005/admin

---

📁 项目结构

ljwx-stock/
├── 📄 unified_app.py          # 统一应用入口
├── ⚙️ config.py               # 系统配置
├── 🤖 ai/                     # AI模型模块
│   ├── unified_trainer.py     # 统一训练器
│   └── model_evaluation.py    # 模型评估
├── 🧠 llm/                    # 大语言模型
│   ├── intelligent_recommender.py  # 智能推荐
│   ├── stock_analyzer.py      # 股票分析器
│   └── tushare_data_extractor.py   # 数据提取
├── 📊 analysis/               # 分析模块
│   ├── recommender.py         # 推荐分析
│   └── technical_indicators.py     # 技术指标
├── 🎯 strategy/               # 策略模块
│   ├── strategy_engine.py     # 策略引擎
│   └── strategy_models.py     # 策略模型
├── 💾 database/               # 数据库模块
│   └── db_manager.py          # 数据库管理
├── 🌐 api/                    # API接口
│   └── unified_api.py         # 统一API
├── 📈 frontend/               # 前端模块
│   └── chart_generator.py     # 图表生成
├── ⏰ scheduler/              # 调度模块
│   └── daily_tasks.py         # 定时任务
├── 🔄 recommendation_backtest/ # 推荐回测
│   ├── recommendation_tracker.py   # 推荐跟踪
│   └── model_recommender.py   # 模型推荐器
├── 🛠️ utils/                  # 工具模块
├── 📝 templates/              # 前端模板
├── 📊 data/                   # 数据目录
├── 📋 logs/                   # 日志目录
└── 📚 docs/                   # 文档目录
    ├── README.md              # 文档索引
    ├── ljwx-stock-technical-specification.md  # 技术规格
    ├── ljwx-stock-user-manual.md              # 用户手册
    └── ljwx-stock-api-documentation.md        # API文档

---

🔧 核心模块说明

🤖 AI智能推荐模块

• 智能推荐器 (llm/intelligent_recommender.py)

  • 基于Ollama的多模态分析
  • 市场环境智能感知
  • 综合评分和风险评估

• 股票分析器 (llm/stock_analyzer.py)

  • 自然语言股票分析
  • 多维度分析报告
  • 智能问答交互

📊 数据处理模块

• 数据提取器 (llm/tushare_data_extractor.py)

  • TuShare Pro API集成
  • 技术指标自动计算
  • 批量数据处理优化

• 数据库管理 (database/db_manager.py)

  • MySQL分表存储策略
  • 批量操作优化
  • 连接池管理

🎯 策略引擎模块

• 策略引擎 (strategy/strategy_engine.py)

  • 多种技术指标支持
  • 信号生成和评分
  • 回测引擎集成

• 推荐分析 (analysis/recommender.py)

  • 多策略综合评分
  • 推荐排序算法
  • 实时推荐生成

🌐 Web服务模块

• 统一应用 (unified_app.py)

  • Flask Web服务器
  • Socket.IO实时通信
  • 多端API支持

• 图表生成器 (frontend/chart_generator.py)

  • Plotly专业图表
  • K线和技术指标可视化
  • 交互式图表支持

---

📊 功能特性

🎯 自定义AI策略

# 策略定义示例
strategy = {
    "name": "MA双线策略",
    "buy_conditions": [
        "MA5 > MA20",           # 5日均线大于20日均线
        "RSI < 70",             # RSI不超买
        "Volume > AvgVolume*1.2" # 成交量放大
    ],
    "sell_conditions": [
        "MA5 < MA20",           # 均线死叉
        "Price < StopLoss"      # 止损
    ],
    "risk_management": {
        "stop_loss": 0.05,      # 5%止损
        "take_profit": 0.10     # 10%止盈
    }
}

🤖 自动推荐流程

1. 数据获取 - 实时获取市场数据
2. 特征工程 - 提取50+项技术特征
3. AI分析 - 大语言模型深度分析
4. 风险评估 - 多维度风险量化
5. 推荐生成 - 生成投资建议
6. 回测验证 - 历史数据验证效果

📈 技术指标支持

• 趋势指标: MA、EMA、MACD、ADX
• 动量指标: RSI、KDJ、ROC、MFI
• 波动指标: 布林带、ATR、VIX
• 成交量指标: OBV、VWAP、PVT
• 支撑阻力: 斐波那契、关键价位

---

🛠️ 开发指南

环境配置

# M2 Ultra优化配置
export ARCHFLAGS="-arch arm64"
export CPPFLAGS="-I/opt/homebrew/include"
export LDFLAGS="-L/opt/homebrew/lib"

# Python环境
python3 -m venv venv_m2_native
source venv_m2_native/bin/activate
pip install --upgrade pip

代码规范

• Python: 遵循PEP 8标准
• 注释: 中文注释，详细说明
• 类型提示: 使用类型注解
• 错误处理: 完善的异常处理
• 日志记录: 结构化日志输出

测试指南

# 运行单元测试
python -m pytest tests/ -v

# 集成测试
python test_integration.py

# 性能测试
python test_m2_ultra_performance.py

# AI系统测试
python test_ai_system.py

---

📞 技术支持

📚 学习资源

• 系统架构文档
• M2优化指南
• WebSocket开发指南
• Web界面使用指南

🐛 问题反馈

• GitHub Issues: https://github.com/your-org/ljwx-stock/issues
• 技术支持: tech-support@ljwx.com
• 功能建议: feedback@ljwx.com

💬 社区支持

• 开发者交流群: 微信群二维码
• 用户社区: 官方论坛链接
• 知识库: 常见问题解答

---

📄 许可证

本项目采用 MIT 许可证。详见 LICENSE 文件。

🤝 贡献指南

欢迎提交Pull Request和Issue。请阅读 CONTRIBUTING.md 了解贡献指南。

📈 更新日志

查看 CHANGELOG.md 了解版本更新历史。

---

📊 系统监控

实时状态检查

# 检查系统状态
curl http://localhost:5005/api/status

# 检查健康状态  
python utils/system_monitor.py --health-check

# 查看性能指标
python utils/system_monitor.py --metrics

日志监控

# 应用日志
tail -f logs/api_server.log

# 训练日志
tail -f logs/ai_training.log

# 错误日志
grep -i error logs/*.log

---

⚠️ 免责声明: 本系统提供的股票分析和投资建议仅供参考，不构成投资建议。投资有风险，决策需谨慎。用户应根据自身情况独立判断，系统开发者不承担任何投资损失责任。

---

文档最后更新: 2025-08-05
系统版本: v2.0.0
维护团队: LJWX开发团队