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
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
- ⚡ 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。仅支持日线级别分析。
- 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
- 日线分析：专注日线级别，5年历史数据
- 技术指标：MACD、量价分析
- 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
- Web 界面：基于浏览器的一站式分析平台
# 启动 Web 服务器
python web/start_server.py
# 或直接启动 API
cd web && python api.pyWeb 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
pip install -r requirements.txt# 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
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
from ChanAnalyzer import ChanAnalyzer
analyzer = ChanAnalyzer(code="000001")
print(analyzer.get_summary())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 |
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# 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. 缓存日线数据（5年）
python -m scripts.cache_all_stocks --all --kl-types DAY --begin 2021-04-01 --delay 0.3
# 3. 测试扫描
python scan_stocks_cache.py --codes 000001 000002 600000# 查看文本摘要
python -c "
from ChanAnalyzer import ChanAnalyzer
analyzer = ChanAnalyzer(code='000001')
print(analyzer.get_summary())
"系统提供两种 AI 分析模式：
# 交互模式
python -m scripts.ai_analyze
# 命令行模式
python -m scripts.ai_analyze --code 000001
# 保存结果
python -m scripts.ai_analyze --code 000001 --output report.txt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
# 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...基于浏览器的现代化分析平台。
# 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
# 局域网访问
python -m uvicorn web.api:app --host 0.0.0.0| 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 |
# 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/stock/analyze # AI 分析股票（SSE 流式）
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）# 缓存5年日线数据（推荐）
python -m scripts.cache_all_stocks --all --kl-types DAY --begin 2021-04-01 --delay 0.3
# 测试：先缓存 100 只股票
python -m scripts.cache_all_stocks --all --kl-types DAY --begin 2021-04-01 --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- 缓存日线（推荐：约 5000 次调用）--begin 2021-04-01- 从5年前开始获取--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
# 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 --refreshchan.py/
├── ChanAnalyzer/ # 分析模块
│ ├── analyzer.py # 核心分析器（仅日线）
│ ├── 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
├── Bi/ # 笔
├── Seg/ # 线段
├── Zs/ # 中枢
├── DataAPI/ # 数据源
│ ├── TushareAPI.py # Tushare 接口
│ └── CacheDBAPI.py # 本地数据库接口
├── web/ # Web界面
│ ├── 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
│ │ ├── app.js # 仪表盘逻辑
│ │ ├── 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
├── scan_stocks_cache.py # 本地缓存扫描器（推荐）
├── ai_config.yaml # AI配置文件
└── chan.db # 本地K线缓存数据库
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 |
- 存储位置:
./chan.db - 分析周期: 仅日线(DAY)
- 数据来源: Tushare Pro API
- 更新方式: 使用
cache_all_stocks.py或update_data.py
| 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 |
API 调用估算：
- 缓存全市场日线5年：~5,000 次调用
- 有缓存后扫描：0 次调用
| 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：当前版本仅支持 二卖 (2s) 作为卖点类型。一卖和三卖暂未实现。
| 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
| 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 |
--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 |
| 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 |
--begin |
开始日期（默认2023-01-01） | --begin 2021-04-01 |
--delay |
请求延迟（秒） | --delay 0.3 |
| 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 |
--refresh |
清除缓存后重新获取 | --refresh |
--verbose |
显示详细日志 | --verbose |
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}")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（推荐）
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}")# 1. 设置 Token（只需一次）
$env:TUSHARE_TOKEN="你的token"
# 2. 同步股票基本信息
python -m scripts.cache_stock_info
# 3. 缓存5年日线数据
python -m scripts.cache_all_stocks --all --kl-types DAY --begin 2021-04-01 --delay 0.3
# 4. 测试扫描
python scan_stocks_cache.py --codes 000001 000002A: 检查 Tushare Token 是否正确，免费账户有请求频率限制。
A:
- K线数据：
./chan.db - 股票信息：
~/.chan/cache/stock_info.json
python -m scripts.update_data --allA: 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
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
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 --begin 2021-04-01 - 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
A: 需要先同步股票基本信息：
python -m scripts.cache_stock_infoA:
# 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
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
python -m uvicorn web.api:app --host 0.0.0.0 python web/start_server.py --host 0.0.0.0
python>=3.9
tushare>=1.2.60
pandas>=2.0.0,<3.0.0
numpy>=1.24.0
sqlalchemy>=2.0.0
fastapi>=0.104.0
uvicorn>=0.24.0
pydantic>=2.0.0
python-multipart>=0.0.6
openai>=1.0.0 # OpenAI 兼容 API 客户端
pyyaml>=6.0.0 # YAML 配置文件解析
# 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 pyyamlMIT License
- chan.py - 缠论
- Tushare Pro - 数据接口
- DeepSeek Platform - AI API
- Web 文档 - Web API 文档（启动服务后访问）