ChanAnalyzer - A股缠论分析系统

本项目基于 Vespa314/chan.py 进行二次开发

原项目链接: https://github.com/Vespa314/chan.py | 本项目仓库: https://github.com/164149043/chananalyzer

二次开发内容

基于原始 chan.py 项目，本版本进行了以下增强和改进：

🤖 AI 智能分析模块 - 集成多个 AI 模型进行协作分析
📡 多数据源支持 - 支持 Tushare、Akshare 等多种数据源
🌐 FastAPI Web 界面 - 现代化的 Web 分析平台
🖥️ A股买卖点扫描器 GUI - PyQt6 图形化扫描工具
⚡ 缓存优化 - 数据库缓存提升分析速度
📊 可视化增强 - 改进的图表和交互体验

基于缠论（缠中说禅）技术分析的 A 股行情分析工具，支持笔、线段、中枢、买卖点自动识别。

特性

缠论核心分析：自动识别笔、线段、中枢结构
多买卖点检测：支持一/二/三类买卖点识别
多周期分析：支持 1分钟到周线多级别联立
技术指标：MACD、布林带、RSI、KDJ 等
本地缓存：SQLite 本地缓存，离线快速分析
批量扫描：一键扫描全市场买卖点信号
AI 智能分析：多 AI 协作分析，给出交易策略建议
GUI 界面：可视化 K 线图表，缠论结构一目了然
Web 界面：基于浏览器的一站式分析平台 ⭐新增

快速开始

方式一：Web 界面（推荐）

# 启动 Web 服务器
python web/start_server.py

# 或直接启动 API
cd web && python api.py

然后访问：http://localhost:8000

Web 功能包括：

📊 仪表盘 - 市场概况、买卖点统计、热门板块
📈 个股分析 - 输入股票代码，多 AI 协作分析
⚡ 买点扫描 - 一买、二买、三买批量扫描
💰 卖点扫描 - 二卖批量扫描
📊 智能筛选 - 行业/地区筛选 + 每日排行榜

方式二：命令行

1. 安装依赖

pip install -r requirements.txt

2. 配置 Token

# Windows PowerShell
$env:TUSHARE_TOKEN="你的token"

# Linux/Mac
export TUSHARE_TOKEN="你的token"

获取 Token：访问 Tushare Pro 注册并获取 API Token

2.5 配置 AI API（可选）

如需使用 AI 智能分析功能，配置 DeepSeek API Key：

# Windows PowerShell
$env:DEEPSEEK_API_KEY="your_deepseek_key"

# Linux/Mac
export DEEPSEEK_API_KEY="your_deepseek_key"

获取 API Key：访问 DeepSeek Platform 注册并获取 API Key

3. 运行分析

from ChanAnalyzer import ChanAnalyzer

analyzer = ChanAnalyzer(code="000001")
print(analyzer.get_summary())

命令行使用

扫描器选择

系统提供两种扫描器，可根据需求选择：

扫描器	数据源	速度	功能	适用场景
`scan_stocks_cache.py`	本地数据库 + Tushare	快	买卖点+行业/地区+资金流向	推荐日常使用
`scan_stocks.py`	Tushare API	慢	全功能	需要实时数据

本地缓存扫描器（推荐）

使用本地 chan.db 进行 K 线分析，速度快无需联网（可选获取行业/资金流向）。

# 扫描所有股票（从本地数据库）
python scan_stocks_cache.py

# 扫描指定股票
python scan_stocks_cache.py --codes 000001 000002 600000

# 按行业筛选
python scan_stocks_cache.py --industry 电子 计算机

# 按地区筛选
python scan_stocks_cache.py --area 深圳 上海

# 排除ST股票
python scan_stocks_cache.py --exclude-st

# 显示资金流向并排序
python scan_stocks_cache.py --show-money-flow --sort-by-money-flow

# 筛选特定买点
python scan_stocks_cache.py --buy 1 2 3a

# 保存结果
python scan_stocks_cache.py --output results.txt

# 按行业分组显示
python scan_stocks_cache.py --group-by industry

# 组合使用：电子行业 + 二买三买 + 主力流入
python scan_stocks_cache.py --industry 电子 --buy 2 3a 3b --min-money-flow 500 --sort-by-money-flow

在线扫描器（原版）

直接调用 Tushare API，数据实时但速度较慢。

### 首次使用完整流程

```bash
# 1. 同步股票基本信息（名称、行业、地区）- 首次使用必做
python -m scripts.cache_stock_info

# 2. 查看所有行业（确认股票池正常）
python scan_stocks.py --list-industries

# 2. 测试缓存 100 只股票
python -m scripts.cache_all_stocks --all --kl-types DAY --limit 100 --delay 0.3

# 3. 扫描前 50 只股票测试
python scan_stocks.py --limit 50

批量扫描买卖点

# 按行业筛选扫描
python scan_stocks.py --industry 半导体 --limit 50
python scan_stocks.py --industry 元器件 半导体 --limit 100

# 按地区筛选扫描
python scan_stocks.py --area 深圳 上海 --limit 50

# 复合筛选（行业 + 地区 + 排除ST）
python scan_stocks.py --industry 电子 --area 深圳 --exclude-st --limit 50

# 按市场筛选
python scan_stocks.py --market 创业板 科创板 --limit 50

# 指定股票扫描
python scan_stocks.py --codes 000001 000002 600000

# 扫描所有A股（限制数量）
python scan_stocks.py --limit 100

# 筛选特定买卖点类型
python scan_stocks.py --limit 100 --buy 2 3a 3b

# 按行业分组显示结果
python scan_stocks.py --industry 半导体 --limit 50 --group-by industry

股票池查询

# 列出所有行业及股票数量
python scan_stocks.py --list-industries

# 显示板块资金流向（需要 Tushare 一定权限）
python scan_stocks.py --show-flow

资金流向分析（需要 2000 积分权限）

# 扫描时显示个股资金流向
python scan_stocks.py --codes 000001 000002 --show-money-flow

# 按主力净流入排序（主力=特大单+大单）
python scan_stocks.py --industry 半导体 --limit 50 --sort-by-money-flow

# 筛选主力净流入大于 1000 万的股票
python scan_stocks.py --industry 电子 --min-money-flow 1000 --limit 100

# 组合使用：二买+三买 + 主力流入
python scan_stocks.py --buy 2 3a 3b --min-money-flow 500 --sort-by-money-flow

资金流向说明：

主力资金 = 特大单 + 大单（机构、大户资金）
散户资金 = 中单 + 小单
正数表示净流入，负数表示净流出
数据缓存 10 分钟，避免频繁 API 调用

分析单只股票

# 查看文本摘要
python -c "
from ChanAnalyzer import ChanAnalyzer
analyzer = ChanAnalyzer(code='000001')
print(analyzer.get_summary())
"

AI 智能分析

系统提供两种 AI 分析模式：

单 AI 分析

使用单个 AI 模型分析缠论数据：

# 交互模式
python -m scripts.ai_analyze

# 命令行模式
python -m scripts.ai_analyze --code 000001

# 多周期分析
python -m scripts.ai_analyze --code 000001 --multi

# 保存结果
python -m scripts.ai_analyze --code 000001 --output report.txt

多 AI 协作分析

两个分析师 AI 并行分析 + 一个决策者 AI 综合判断：

# 基本用法
python -m scripts.multi_ai_analyze --code 000001

# 多周期分析
python -m scripts.multi_ai_analyze --code 000001 --multi

# 使用自定义配置
python -m scripts.multi_ai_analyze --code 000001 --config my_config.yaml

# 保存结果
python -m scripts.multi_ai_analyze --code 000001 --output report.txt

多 AI 分析流程：

缠论数据 → [分析师A + 分析师B] 并行分析 → 决策者综合 → 最终建议
           (deepseek-chat)                   (deepseek-reasoner)
           温度: 0.4 / 0.7

配置文件 (ai_config.yaml)：

# 分析师配置
analysts:
  model: deepseek-chat
  temperatures: [0.4, 0.7]  # 两个分析师的温度
  max_tokens: 2000

# 决策者配置
decision_maker:
  model: deepseek-reasoner
  temperature: 0.3
  max_tokens: 2000

# 提示词配置
prompts:
  analyst_system: |
    你是一位专业的股票技术分析师，精通缠论理论...
  decision_maker_system: |
    你是一位资深的投资决策专家...

Web 界面 ⭐推荐

基于浏览器的现代化分析平台，采用 Neumorphism 设计风格。

启动 Web 服务

# 方式1：使用启动脚本（推荐）
python web/start_server.py

# 方式2：直接运行 API
cd web && python api.py

然后访问：http://localhost:8000

功能模块

模块	功能	说明
📊 仪表盘	市场概览	指数概览、买卖点统计、热门板块、买点推荐
📈 个股分析	AI 分析	双分析师 + 决策者模式，支持温度调节
⚡ 买点扫描	批量扫描	一买、二买、三买 A/B
💰 卖点扫描	批量扫描	二卖（当前仅支持二卖）
📊 智能筛选	行业/地区筛选	按行业和地区筛选股票，支持每日排行榜
📉 K线图表	可视化	K 线图表展示（开发中）

Web API 端点

# 买卖点扫描 API
POST /api/scan/buy/start   # 启动买点扫描
POST /api/scan/sell/start  # 启动卖点扫描
GET  /api/scan/status      # 获取扫描状态
GET  /api/scan/buy/results # 获取买点扫描结果
GET  /api/scan/sell/results # 获取卖点扫描结果

# 个股分析 API
POST /api/ai/analyze       # AI 分析股票
GET  /api/ai/config        # 获取 AI 配置

# 股票信息 API
GET  /api/stock/info/:code # 获取股票信息
GET  /api/stock/analysis/:code # 获取股票分析数据

# 筛选和排行 API
GET  /api/industries        # 获取行业列表及股票数量
GET  /api/areas             # 获取地区列表及股票数量
GET  /api/ranking           # 获取每日排行榜（涨跌幅/成交额/换手率）

Web 扫描参数

买点扫描：

买点类型：一买(1)、二买(2)、三买A(3a)、三买B(3b)
扫描数量：前100只 / 前500只 / 前1000只 / 全市场

卖点扫描：

卖点类型：二卖(2s)
扫描数量：前100只 / 前500只 / 前1000只 / 全市场

智能筛选：

行业筛选：多选行业（电子、计算机、医药等）
地区筛选：多选地区（深圳、上海、北京等）
排除ST：可选排除ST股票
每日排行榜：涨跌幅榜、成交额榜、换手率榜

扫描结果展示

结果按最新信号日期排序（最近的在前），包含：

股票代码和名称
当前价格
买点/卖点类型
信号日期
信号价格

批量扫描买卖点

# 扫描指定股票（有缓存时无需延迟）
python scan_stocks.py --codes 000001 000002 600000

# 扫描所有A股（限制数量）
python scan_stocks.py --limit 100

# 筛选二买、三买股票
python scan_stocks.py --limit 300 --buy 2 3a 3b

# 保存结果
python scan_stocks.py --limit 100 --output results.txt

提示：扫描前请先执行 cache_all_stocks.py 缓存数据，扫描时将直接从 SQLite 读取，无需调用 API。

数据缓存管理

首次批量缓存（推荐先用）

# 只缓存日线数据（推荐：API 调用少，速度快）
python -m scripts.cache_all_stocks --all --kl-types DAY --delay 0.3

# 缓存日线 + 周线数据
python -m scripts.cache_all_stocks --all --kl-types DAY WEEK --delay 0.3

# 测试：先缓存 100 只股票
python -m scripts.cache_all_stocks --all --kl-types DAY --limit 100 --delay 0.3

# 缓存指定股票
python -m scripts.cache_all_stocks --codes 000001 000002 --kl-types DAY

参数说明：

--kl-types DAY - 只缓存日线（推荐：约 5000 次调用）
--kl-types DAY WEEK - 缓存日线+周线（约 10000 次调用）
--delay 0.3 - 每股间隔 0.3 秒，避免触发频次限制
--limit 100 - 限制数量，测试用

日常更新数据

# 更新所有已缓存的股票（每日收盘后执行）
python -m scripts.update_data --all

# 更新指定股票
python -m scripts.update_data --codes 000001 000002

# 清除缓存后重新获取
python -m scripts.update_data --codes 000001 --refresh

多周期分析

from ChanAnalyzer import MultiChanAnalyzer

# 同时分析周线、日线
analyzer = MultiChanAnalyzer(code="000001")
print(analyzer.get_summary())

项目结构

chan.py/
├── ChanAnalyzer/           # 分析模块
│   ├── analyzer.py         # 核心分析器
│   ├── ai_analyzer.py      # AI分析器
│   ├── multi_ai_analyzer.py # 多AI协作分析器
│   ├── prompts/            # AI提示词模板
│   │   ├── analyst.py      # 分析师提示词
│   │   └── decision_maker.py # 决策者提示词
│   ├── database.py         # 数据库模型
│   ├── data_manager.py     # 数据管理器
│   └── formatter.py        # 格式化输出
├── Common/                 # 公共模块
│   ├── CEnum.py           # 枚举定义
│   └── CTime.py           # 时间处理
├── KLine/                  # K线处理
│   ├── KLine_Unit.py      # K线单元
│   ├── KLine_List.py      # K线列表
│   └── KLine.py           # K线实体
├── Bi/                     # 笔
├── Seg/                    # 线段
├── Zs/                     # 中枢
├── Math/                   # 技术指标
├── DataAPI/                # 数据源
│   ├── TushareAPI.py      # Tushare 接口
│   ├── AkshareAPI.py      # Akshare 接口
│   └── CacheDBAPI.py      # 本地数据库接口
├── App/                    # GUI应用
│   └── ashare_bsp_scanner_gui.py  # 缠论买点扫描器GUI
├── web/                    # Web界面 ⭐新增
│   ├── api.py             # FastAPI 后端
│   ├── start_server.py    # 服务器启动脚本
│   ├── static/            # 前端静态文件
│   │   ├── index.html     # 主页面（含智能筛选）
│   │   ├── app.js         # 仪表盘逻辑
│   │   ├── auth.js        # 用户认证模块
│   │   ├── individual.js  # 个股分析逻辑
│   │   └── scan.js        # 扫描功能逻辑
│   └── cache/             # 扫描结果缓存
├── scripts/                # 脚本工具
│   ├── ai_analyze.py      # AI分析脚本
│   ├── multi_ai_analyze.py # 多AI协作分析脚本
│   ├── cache_all_stocks.py # 批量缓存K线数据
│   ├── cache_stock_info.py # 缓存股票基本信息
│   └── update_data.py     # 数据更新脚本
├── scan_stocks.py         # 在线扫描器（Tushare API）
├── scan_stocks_cache.py   # 本地缓存扫描器
├── ai_config.yaml         # AI配置文件
├── test_analyzer.py       # 测试脚本
└── chan.db                # 本地K线缓存数据库

缓存机制

系统使用 SQLite (chan.db) 存储历史 K 线数据，避免重复 API 调用：

场景	首次运行	再次运行
000001 日线	0.25s	0.01s
加速比	-	42.5x

本地数据库结构

CREATE TABLE kline_data (
    code VARCHAR(10),        -- 股票代码
    kl_type VARCHAR(10),     -- K线类型 (DAY/WEEK)
    date VARCHAR(20),        -- 日期
    open FLOAT,              -- 开盘价
    high FLOAT,              -- 最高价
    low FLOAT,               -- 最低价
    close FLOAT,             -- 收盘价
    volume FLOAT,            -- 成交量
    amount FLOAT,            -- 成交额
    ...
);

缓存策略

存储位置: ./chan.db
支持周期: 日线(DAY)、周线(WEEK)
数据来源: Tushare Pro API
更新方式: 使用 cache_all_stocks.py 或 update_data.py

默认数据范围

周期	默认开始日期	说明
日线	2023-01-01	约 3 年历史数据
周线	2023-01-01	建议与日线保持一致

注意：首次缓存周线数据时，确保使用 --begin 2023-01-01 参数，否则可能只获取最近几天的数据。

使用本地数据库

from Chan import CChan
from ChanConfig import CChanConfig
from Common.CEnum import DATA_SRC, KL_TYPE, AUTYPE

# 方式1：直接使用本地数据库
chan = CChan(
    code="000001",
    begin_time="2024-01-01",
    end_time="2024-12-31",
    data_src=DATA_SRC.CACHE_DB,  # 使用本地数据库
    lv_list=[KL_TYPE.K_DAY],
    autype=AUTYPE.QFQ,
)

# 获取买卖点
bsp_list = chan.get_latest_bsp(number=0)
for bsp in bsp_list:
    print(f"{bsp.type2str()}: {bsp.klu.time}")

Tushare 权限参考

权限等级	每分钟频次	每日总量	适用场景
免费账户	200 次	10,000 次	测试、个人使用
普通用户	500 次	100,000 次	推荐
会员用户	1000 次	200,000 次	专业用户

API 调用估算：

只缓存日线全市场：~5,000 次调用
缓存日线+周线全市场：~10,000 次调用
有缓存后扫描：0 次调用

买卖点类型

支持的买卖点类型

类型	代码	说明	方向
一买	`1`, `1p`	第一类买点及衍生	买入
二买	`2`	第二类买点	买入
三买A	`3a`	第三类买点A型	买入
三买B	`3b`	第三类买点B型	买入
二卖	`2s`	第二类卖点	卖出

注意：当前版本的缠论库仅支持 二卖 (2s) 作为卖点类型。一卖和三卖暂未实现。

使用示例

# 扫描所有买点类型
python scan_stocks_cache.py --buy 1 1p 2 3a 3b

# 只扫描二买和三买
python scan_stocks_cache.py --buy 2 3a 3b

# 扫描卖点（仅支持二卖）
python scan_stocks_cache.py --sell 2s

常用行业名称

行业	说明
半导体	芯片行业
元器件	电子元器件
通信设备	通信设备制造
软件	软件服务
电气设备	电力设备

查看完整行业列表：python scan_stocks.py --list-industries

命令参数完整说明

scan_stocks_cache.py 参数（本地缓存版，推荐）

参数	说明	示例
`--codes`	指定股票代码	`--codes 000001 000002`
`--buy`	筛选买入类型	`--buy 2 3a 3b`
`--sell`	筛选卖出类型	`--sell 2s 3a`
`--weekly`	使用周线分析	`--weekly`
`--no-strict`	关闭笔严格模式	`--no-strict`
`--industry`	按行业筛选	`--industry 电子半导体`
`--area`	按地区筛选	`--area 深圳上海`
`--exclude-st`	排除ST股票	`--exclude-st`
`--group-by`	按行业/地区分组	`--group-by industry`
`--show-money-flow`	显示个股资金流向	`--show-money-flow`
`--sort-by-money-flow`	按主力净流入排序	`--sort-by-money-flow`
`--min-money-flow`	最小主力净流入（万元）	`--min-money-flow 1000`
`--output`	保存结果到文件	`--output results.txt`

scan_stocks.py 参数（在线版）

参数	说明	示例
`--codes`	指定股票代码	`--codes 000001 000002`
`--industry`	按行业筛选	`--industry 半导体元器件`
`--area`	按地区筛选	`--area 深圳上海`
`--exclude-st`	排除ST股票	`--exclude-st`
`--market`	按市场筛选	`--market 创业板科创板`
`--limit`	限制扫描数量	`--limit 100`
`--buy`	筛选买入类型	`--buy 2 3a 3b`
`--sell`	筛选卖出类型	`--sell 2s 3a`
`--group-by`	按行业/地区分组	`--group-by industry`
`--list-industries`	列出所有行业	`--list-industries`
`--show-flow`	显示板块资金流向	`--show-flow`
`--show-money-flow`	显示个股资金流向	`--show-money-flow`
`--sort-by-money-flow`	按主力净流入排序	`--sort-by-money-flow`
`--min-money-flow`	最小主力净流入（万元）	`--min-money-flow 1000`
`--output`	保存结果到文件	`--output results.txt`

cache_all_stocks.py 参数

参数	说明	示例
`--all`	缓存所有A股	`--all`
`--codes`	指定股票代码	`--codes 000001`
`--limit`	限制数量	`--limit 100`
`--kl-types`	K线周期类型	`--kl-types DAY WEEK`
`--delay`	请求延迟（秒）	`--delay 0.3`
`--begin`	开始日期（默认2023-01-01）	`--begin 2023-01-01`
`--end`	结束日期（默认今天）	`--end 2024-12-31`

update_data.py 参数

参数	说明	示例
`--all`	更新所有已缓存股票	`--all`
`--codes`	指定股票代码	`--codes 000001`
`--kl-types`	K线周期类型	`--kl-types DAY WEEK`
`--refresh`	清除缓存后重新获取	`--refresh`
`--verbose`	显示详细日志	`--verbose`

配置选项

环境变量 (.env)

# Tushare Token
TUSHARE_TOKEN=your_token_here

# DeepSeek API Key（AI 分析功能）
DEEPSEEK_API_KEY=your_deepseek_key_here

# 数据库（可选，默认 SQLite）
DATABASE_URL=sqlite:///./chan.db

# Redis（可选，用于高级缓存）
REDIS_URL=redis://localhost:6379/0

缠论配置

from ChanAnalyzer import ChanAnalyzer
from Common.CEnum import KL_TYPE

config = {
    "bi_strict": True,           # 严格笔模式
    "bs_type": "1,1p,2,2s,3a,3b",  # 买卖点类型
    "macd": {"fast": 12, "slow": 26, "signal": 9},  # MACD 参数
}

analyzer = ChanAnalyzer(
    code="000001",
    kl_types=KL_TYPE.K_DAY,
    begin_date="2024-01-01",
    config=config
)

Web 服务配置

编辑 web/api.py 可配置 Web 服务参数：

# 服务器配置
HOST = "0.0.0.0"      # 监听地址
PORT = 8000           # 监听端口
RELOAD = True         # 开发模式自动重载

# 扫描配置
DEFAULT_SCAN_LIMIT = 100     # 默认扫描数量
MAX_SCAN_LIMIT = 5000        # 最大扫描数量
SCAN_CACHE_TTL = 3600        # 扫描结果缓存时间（秒）

AI 配置文件 (ai_config.yaml)

# 分析师配置
analysts:
  model: deepseek-chat
  temperatures: [0.4, 0.7]  # 两个分析师的温度
  max_tokens: 2000

# 决策者配置
decision_maker:
  model: deepseek-reasoner
  temperature: 0.3
  max_tokens: 2000

定时任务

Windows 任务计划

# 每个交易日 15:30 更新数据
schtasks /create /tn "更新K线数据" /tr "python C:\path\to\scripts\update_data.py --all" /sc weekly /d mon-fri /st 15:30

Linux Cron

# 每个交易日 15:30 更新数据
30 15 * * 1-5 cd /path/to/chan.py && python -m scripts.update_data --all

API 示例

单周期分析

from ChanAnalyzer import ChanAnalyzer

analyzer = ChanAnalyzer(code="000001")

# 获取文本报告
summary = analyzer.get_summary()

# 获取结构化数据
data = analyzer.get_analysis()

# 获取买卖点
bs_points = analyzer.get_bs_points()
for bs in bs_points:
    direction = "买入" if bs['is_buy'] else "卖出"
    print(f"{bs['type']}类{direction}: {bs['date']} @ {bs['price']:.2f}")

多周期分析

from ChanAnalyzer import MultiChanAnalyzer

analyzer = MultiChanAnalyzer(code="000001")
data = analyzer.get_analysis()

# 查看各周期数据
for level in data['levels']:
    kl_type = level['kl_type']
    print(f"{kl_type}: {len(level['bi_list'])} 笔, {len(level['seg_list'])} 线段")

缓存管理

from ChanAnalyzer import data_manager
from Common.CEnum import KL_TYPE

# 查看缓存信息
info = data_manager.get_cache_info("000001", KL_TYPE.K_DAY)
print(f"缓存: {info['count']} 条 ({info['first_date']} ~ {info['last_date']})")

# 清除缓存
data_manager.clear_cache("000001")

AI 分析

from ChanAnalyzer import ChanAnalyzer, AIAnalyzer, MultiAIAnalyzer
from ChanAnalyzer.sector_flow import get_stock_money_flow

# 获取缠论数据
analyzer = ChanAnalyzer(code="000001")
analysis = analyzer.get_analysis()

# 获取资金流向
money_flow = get_stock_money_flow("000001", days=5)

# 单 AI 分析
ai = AIAnalyzer(provider="deepseek")
result = ai.analyze(analysis, money_flow=money_flow)
print(result)

# 多 AI 协作分析
multi_ai = MultiAIAnalyzer()
result = multi_ai.analyze(analysis, money_flow=money_flow)
print(result.decision)

# 查看分析师意见
for opinion in result.analyst_opinions:
    print(f"{opinion.analyst_name}: {opinion.opinion}")

常见问题

Q: 首次使用应该执行哪些命令？

# 1. 设置 Token（只需一次）
$env:TUSHARE_TOKEN="你的token"

# 2. 列出行业（测试股票池）
python scan_stocks.py --list-industries

# 3. 小批量测试缓存
python -m scripts.cache_all_stocks --all --kl-types DAY --limit 100 --delay 0.3

# 4. 测试扫描
python scan_stocks.py --limit 50

Q: 数据获取失败？

A: 检查 Tushare Token 是否正确，免费账户有请求频率限制。

Q: 如何获取周线数据？

from ChanAnalyzer import ChanAnalyzer
from Common.CEnum import KL_TYPE

analyzer = ChanAnalyzer(code="000001", kl_types=KL_TYPE.K_WEEK)

Q: 缓存存储在哪里？

A:

K线数据：./chan.db
股票信息：~/.chan/cache/stock_info.json

Q: 如何更新所有股票数据？

python -m scripts.update_data --all

Q: 板块资金流向无法获取？

A: 申万行业指数接口需要一定权限，可以：

升级 Tushare 账户权限
或者忽略该功能，直接使用行业筛选

Q: 个股资金流向需要什么权限？

A: 个股资金流向使用 moneyflow 接口，需要 2000 积分权限。

主力资金 = 特大单 + 大单（机构资金流向）
散户资金 = 中单 + 小单
数据缓存 10 分钟，避免频繁调用

Q: 扫描结果在哪里？

A:

控制台显示：扫描完成后直接输出
文件保存：scan_results.txt（默认）
自定义路径：--output my_results.txt

Q: 如何使用 GUI 可视化？

A:

# 启动缠论买点扫描器 GUI
python App/ashare_bsp_scanner_gui.py

# 功能：
# - 批量扫描全市场股票
# - 实时显示扫描进度
# - 点击股票查看 K 线图表
# - 图表包含：笔、线段、中枢、买卖点、MACD

Q: 如何使用 Web 界面？

A:

# 启动 Web 服务器
python web/start_server.py

# 访问 http://localhost:8000

Web 功能：

📊 仪表盘 - 市场概况、买卖点统计、热门板块
📈 个股分析 - 输入代码，多 AI 协作分析
⚡ 买点扫描 - 一买、二买、三买批量扫描
💰 卖点扫描 - 二卖批量扫描

Q: Web 界面和命令行有什么区别？

A:

特性	命令行	Web 界面
交互方式	终端命令	浏览器 GUI
可视化	文本输出	图表、卡片
AI 分析	✅	✅
批量扫描	✅	✅
实时进度	终端输出	进度条
适用场景	批量任务、脚本	日常分析、可视化

Q: Web 扫描结果为什么是 0？

A: 可能原因：

未缓存 K 线数据 - 先运行 python -m scripts.cache_all_stocks --all --kl-types DAY --limit 100
筛选条件过于严格 - 尝试减少选择的买卖点类型
数据库路径问题 - 确保 chan.db 在项目根目录

Q: 扫描结果显示的股票名称和代码一样，没有显示名称？

A: 需要先同步股票基本信息：

# 同步股票名称、行业、地区到数据库
python -m scripts.cache_stock_info

此命令会将股票的基本信息存储到 chan.db 的 stock_info 表中。

Q: scan_stocks.py 和 scan_stocks_cache.py 有什么区别？

A:

特性	scan_stocks.py	scan_stocks_cache.py
K线数据	Tushare API	本地 chan.db
扫描速度	慢（受API限制）	快
行业筛选	✅	✅
资金流向	✅	✅
离线使用	❌	✅（K线部分）
推荐场景	实时数据	日常分析

建议：先使用 cache_all_stocks.py 缓存数据，然后使用 scan_stocks_cache.py 快速扫描。

Q: AI 分析功能如何使用？

A:

# 单 AI 分析
python -m scripts.ai_analyze --code 000001

# 多 AI 协作分析（推荐）
python -m scripts.multi_ai_analyze --code 000001

需要设置环境变量 DEEPSEEK_API_KEY，获取 API Key: https://platform.deepseek.com/api_keys

Q: 多 AI 协作分析有什么优势？

A:

两个分析师 AI 使用不同温度（0.4 / 0.7）并行分析，获得多样化观点
决策者 AI（deepseek-reasoner 深度推理模型）综合分析师意见做出最终决策
比单 AI 分析更全面、更可靠

Q: 如何修改 AI 模型参数？

A: 编辑 ai_config.yaml:

analysts:
  model: deepseek-chat
  temperatures: [0.4, 0.7]
  max_tokens: 2000

decision_maker:
  model: deepseek-reasoner
  temperature: 0.3
  max_tokens: 2000

局域网启动命令： python -m uvicorn web.api:app --host 0.0.0.0 python web/start_server.py --host 0.0.0.0

依赖项

核心依赖

python>=3.9
tushare>=1.2.60
akshare>=1.11.0
pandas>=2.0.0,<3.0.0
numpy>=1.24.0
sqlalchemy>=2.0.0

Web 界面（推荐）

fastapi>=0.104.0
uvicorn>=0.24.0
pydantic>=2.0.0
python-multipart>=0.0.6

AI 分析（可选）

openai>=1.0.0   # OpenAI 兼容 API 客户端
pyyaml>=6.0.0   # YAML 配置文件解析

GUI 可视化（可选）

matplotlib>=3.7.0
PyQt6>=6.6.0

安装命令

# 安装全部依赖
pip install -r requirements.txt

# 仅安装核心依赖
pip install tushare pandas numpy sqlalchemy

# 安装Web界面依赖
pip install fastapi uvicorn pydantic python-multipart

# 安装AI分析依赖
pip install openai pyyaml

# 安装GUI依赖
pip install matplotlib PyQt6

许可证

MIT License

参考

chan.py - 缠论
Tushare Pro - 数据接口
DeepSeek Platform - AI API
USAGE.md - 详细使用文档
Web 文档 - Web API 文档（启动服务后访问）

Name		Name	Last commit message	Last commit date
Latest commit History 29 Commits
App		App
Bi		Bi
BuySellPoint		BuySellPoint
ChanAnalyzer		ChanAnalyzer
ChanModel		ChanModel
Combiner		Combiner
Common		Common
DataAPI		DataAPI
Debug		Debug
KLine		KLine
Math		Math
Plot		Plot
Seg		Seg
ZS		ZS
scripts		scripts
web		web
.env.example		.env.example
.gitignore		.gitignore
Chan.py		Chan.py
ChanConfig.py		ChanConfig.py
README.md		README.md
ai_config.yaml		ai_config.yaml
main.py		main.py
requirements.txt		requirements.txt
scan_stocks.py		scan_stocks.py
scan_stocks_cache.py		scan_stocks_cache.py
前端web页面风格		前端web页面风格
改进意见		改进意见
输出内容		输出内容

Folders and files

Latest commit

History

Repository files navigation

ChanAnalyzer - A股缠论分析系统

二次开发内容

特性

快速开始

方式一：Web 界面（推荐）

方式二：命令行

1. 安装依赖

2. 配置 Token

2.5 配置 AI API（可选）

3. 运行分析

命令行使用

扫描器选择

本地缓存扫描器（推荐）

在线扫描器（原版）

批量扫描买卖点

股票池查询

资金流向分析（需要 2000 积分权限）

分析单只股票

AI 智能分析

单 AI 分析

多 AI 协作分析

Web 界面 ⭐推荐

启动 Web 服务

功能模块

Web API 端点

Web 扫描参数

扫描结果展示

批量扫描买卖点

数据缓存管理

首次批量缓存（推荐先用）

日常更新数据

多周期分析

项目结构

缓存机制

本地数据库结构

缓存策略

默认数据范围

使用本地数据库

Tushare 权限参考

买卖点类型

支持的买卖点类型

使用示例

常用行业名称

命令参数完整说明

scan_stocks_cache.py 参数（本地缓存版，推荐）

scan_stocks.py 参数（在线版）

cache_all_stocks.py 参数

update_data.py 参数

配置选项

环境变量 (.env)

缠论配置

Web 服务配置

AI 配置文件 (ai_config.yaml)

定时任务

Windows 任务计划

Linux Cron

API 示例

单周期分析

多周期分析

缓存管理

AI 分析

常见问题

Q: 首次使用应该执行哪些命令？

Q: 数据获取失败？

Q: 如何获取周线数据？

Q: 缓存存储在哪里？

Q: 如何更新所有股票数据？

Q: 板块资金流向无法获取？

Q: 个股资金流向需要什么权限？

Q: 扫描结果在哪里？

Q: 如何使用 GUI 可视化？

Q: 如何使用 Web 界面？

Q: Web 界面和命令行有什么区别？

Q: Web 扫描结果为什么是 0？

Q: 扫描结果显示的股票名称和代码一样，没有显示名称？

Q: scan_stocks.py 和 scan_stocks_cache.py 有什么区别？

Packages