ADD: 支持ETF、 LOF基金！

fund_service.py

@@ -0,0 +1,51 @@
+import akshare as ak
+import pandas as pd
+
+class FundService:
+    def search_funds(self, keyword, market_type='ETF'):
+        """
+        搜索基金代码
+        :param keyword: 搜索关键词
+        :return: 匹配的基金列表
+        """
+        try:
+            # 获取ETF和LOF数据
+            if market_type == 'ETF':
+                df = ak.fund_etf_spot_em()
+            else:
+                df = ak.fund_lof_spot_em()
+            
+            # 转换列名
+            df = df.rename(columns={
+                "代码": "symbol",
+                "名称": "name",
+                "最新价": "price",
+                "涨跌额": "price_change",
+                "涨跌幅": "price_change_percent",
+                "成交量": "volume",
+                "流通市值": "market_value",
+                "总市值": "total_value",
+                "基金折价率": "discount_rate",
+            })
+            
+            # 模糊匹配搜索（同时匹配代码和名称）
+            mask = (df['name'].str.contains(keyword, case=False, na=False) | 
+                   df['symbol'].str.contains(keyword, case=False, na=False))
+            results = df[mask]
+            
+            # 格式化返回结果并处理 NaN 值
+            formatted_results = []
+            for _, row in results.iterrows():
+                formatted_results.append({
+                    'name': row['name'] if pd.notna(row['name']) else '',
+                    'symbol': str(row['symbol']) if pd.notna(row['symbol']) else '',
+                    'price': float(row['price']) if pd.notna(row['price']) else 0.0,
+                    'volume': float(row['volume']) if pd.notna(row['volume']) else 0.0,
+                    'market_value': float(row['market_value']) if pd.notna(row['market_value']) else 0.0,
+                    'total_value': float(row['total_value']) if pd.notna(row['total_value']) else 0.0,
+                })
+                
+            return formatted_results
+            
+        except Exception as e:
+            raise Exception(f"搜索基金代码失败: {str(e)}")

stock_analyzer.py

@@ -37,8 +37,8 @@ class StockAnalyzer:
         }
 
         
-    def get_stock_data(self, stock_code, market_type='A', start_date=None, end_date=None, ):
+    def get_stock_data(self, stock_code, market_type='A', start_date=None, end_date=None):
-        """获取股票数据"""
+        """获取股票或基金数据"""
         import akshare as ak
         
         if start_date is None:
@@ -55,7 +55,6 @@ class StockAnalyzer:
                     end_date=end_date,
                     adjust="qfq"
                 )
-                # A股数据列名映射
             elif market_type == 'HK':
                 df = ak.stock_hk_daily(
                     symbol=stock_code,
@@ -68,10 +67,22 @@ class StockAnalyzer:
                     end_date=end_date,
                     adjust="qfq"
                 )
-            # elif market_type == 'CRYPTO':
+            elif market_type == 'ETF':
-            #     df = ak.crypto_js_spot(
+                df = ak.fund_etf_hist_em(
-            #         symbol=stock_code
+                    symbol=stock_code,
-            #     )
+                    period="daily",
+                    start_date=start_date,
+                    end_date=end_date,
+                    adjust="qfq"
+                )
+            elif market_type == 'LOF':
+                df = ak.fund_lof_hist_em(
+                    symbol=stock_code,
+                    period="daily",
+                    start_date=start_date,
+                    end_date=end_date,
+                    adjust="qfq"
+                )
             else:
                 raise ValueError(f"不支持的市场类型: {market_type}")
             
@@ -214,10 +225,10 @@ class StockAnalyzer:
             print(f"计算评分时出错: {str(e)}")
             raise
             
-    def get_ai_analysis(self, df, stock_code, stream=False):
+    def get_ai_analysis(self, df, stock_code, market_type='A', stream=False):
         """使用 OpenAI 进行 AI 分析"""
         try:
-            logger.info(f"开始AI分析股票 {stock_code}, 流式模式: {stream}")
+            logger.info(f"开始AI分析 {stock_code}, 流式模式: {stream}")
             recent_data = df.tail(14).to_dict('records')
             
             technical_summary = {
@@ -227,8 +238,70 @@ class StockAnalyzer:
                 'rsi_level': df.iloc[-1]['RSI']
             }
             
+            # 根据市场类型调整分析提示
+            if market_type in ['ETF', 'LOF']:
                 prompt = f"""
-            分析股票 {stock_code}：
+                分析基金 {stock_code}：
+
+                技术指标概要：
+                {technical_summary}
+                
+                近14日交易数据：
+                {recent_data}
+                
+                请提供：
+                1. 净值走势分析（包含支撑位和压力位）
+                2. 成交量分析及其对净值的影响
+                3. 风险评估（包含波动率和折溢价分析）
+                4. 短期和中期净值预测
+                5. 关键价格位分析
+                6. 申购赎回建议（包含止损位）
+                
+                请基于技术指标和市场表现进行分析，给出具体数据支持。
+                """
+            elif market_type == 'US':
+                prompt = f"""
+                分析美股 {stock_code}：
+
+                技术指标概要：
+                {technical_summary}
+                
+                近14日交易数据：
+                {recent_data}
+                
+                请提供：
+                1. 趋势分析（包含支撑位和压力位，美元计价）
+                2. 成交量分析及其含义
+                3. 风险评估（包含波动率和美股市场特有风险）
+                4. 短期和中期目标价位（美元）
+                5. 关键技术位分析
+                6. 具体交易建议（包含止损位）
+                
+                请基于技术指标和美股市场特点进行分析，给出具体数据支持。
+                """
+            elif market_type == 'HK':
+                prompt = f"""
+                分析港股 {stock_code}：
+
+                技术指标概要：
+                {technical_summary}
+                
+                近14日交易数据：
+                {recent_data}
+                
+                请提供：
+                1. 趋势分析（包含支撑位和压力位，港币计价）
+                2. 成交量分析及其含义
+                3. 风险评估（包含波动率和港股市场特有风险）
+                4. 短期和中期目标价位（港币）
+                5. 关键技术位分析
+                6. 具体交易建议（包含止损位）
+                
+                请基于技术指标和港股市场特点进行分析，给出具体数据支持。
+                """
+            else:  # A股
+                prompt = f"""
+                分析A股 {stock_code}：
 
                 技术指标概要：
                 {technical_summary}
@@ -244,7 +317,7 @@ class StockAnalyzer:
                 5. 关键技术位分析
                 6. 具体交易建议（包含止损位）
                 
-            请基于技术指标和市场动态进行分析，给出具体数据支持。
+                请基于技术指标和A股市场特点进行分析，给出具体数据支持。
                 """
             
             logger.debug(f"生成的AI分析提示词: {self._truncate_json_for_logging(prompt, 100)}...")
@@ -381,7 +454,7 @@ class StockAnalyzer:
     
     def _process_ai_stream(self, response, stock_code) -> Generator[str, None, None]:
         """处理AI流式响应"""
-        logger.info(f"开始处理股票 {stock_code} 的AI流式响应")
+        logger.info(f"开始处理 {stock_code} 的AI流式响应")
         buffer = ""
         chunk_count = 0
         
@@ -457,49 +530,45 @@ class StockAnalyzer:
             return '强烈建议卖出'
     
     def analyze_stock(self, stock_code, market_type='A', stream=False):
-        """分析单个股票"""
+        """分析股票或基金"""
         try:
-            logger.info(f"开始分析股票: {stock_code}, 市场: {market_type}, 流式模式: {stream}")
+            logger.info(f"开始分析: {stock_code}, 市场: {market_type}, 流式模式: {stream}")
             
-            # 获取股票数据
+            # 获取数据
-            logger.debug(f"获取股票 {stock_code} 数据")
+            logger.debug(f"获取 {stock_code} 数据")
             df = self.get_stock_data(stock_code, market_type)
             
             # 计算技术指标
-            logger.debug(f"计算股票 {stock_code} 技术指标")
+            logger.debug(f"计算 {stock_code} 技术指标")
             df = self.calculate_indicators(df)
             
             # 评分系统
-            logger.debug(f"计算股票 {stock_code} 评分")
+            logger.debug(f"计算 {stock_code} 评分")
             score = self.calculate_score(df)
-            logger.info(f"股票 {stock_code} 评分结果: {score}")
+            logger.info(f"{stock_code} 评分结果: {score}")
             
             # 获取最新数据
             latest = df.iloc[-1]
             prev = df.iloc[-2]
             
-            # 处理 RSI 的 NaN 值
+            # 生成报告
-            rsi_value = latest['RSI']
-            if pd.isna(rsi_value):
-                rsi_value = None  
-            
-            # 生成报告（保持原有格式）
             report = {
                 'stock_code': stock_code,
+                'market_type': market_type,  # 添加市场类型
                 'analysis_date': datetime.now().strftime('%Y-%m-%d'),
                 'score': score,
                 'price': latest['close'],
                 'price_change': (latest['close'] - prev['close']) / prev['close'] * 100,
                 'ma_trend': 'UP' if latest['MA5'] > latest['MA20'] else 'DOWN',
-                'rsi': rsi_value,  # 使用处理后的 RSI 值
+                'rsi': latest['RSI'] if not pd.isna(latest['RSI']) else None,
                 'macd_signal': 'BUY' if latest['MACD'] > latest['Signal'] else 'SELL',
                 'volume_status': 'HIGH' if latest['Volume_Ratio'] > 1.5 else 'NORMAL',
                 'recommendation': self.get_recommendation(score)
             }
-            logger.debug(f"生成股票 {stock_code} 基础报告: {self._truncate_json_for_logging(report, 100)}...")
+            logger.debug(f"生成 {stock_code} 基础报告: {self._truncate_json_for_logging(report, 100)}...")
             
             if stream:
-                logger.info(f"以流式模式返回股票 {stock_code} 分析结果")
+                logger.info(f"以流式模式返回 {stock_code} 分析结果")
                 # 先返回基本报告结构
                 base_report = dict(report)
                 base_report['ai_analysis'] = ''
@@ -509,21 +578,21 @@ class StockAnalyzer:
                 yield base_report_json
                 
                 # 然后流式返回AI分析部分
-                logger.debug(f"开始获取股票 {stock_code} 的流式AI分析")
+                logger.debug(f"开始获取 {stock_code} 的流式AI分析")
                 ai_chunks_count = 0
-                for ai_chunk in self.get_ai_analysis(df, stock_code, stream=True):
+                for ai_chunk in self.get_ai_analysis(df, stock_code, market_type, stream=True):
                     ai_chunks_count += 1
                     yield ai_chunk
-                logger.info(f"股票 {stock_code} 流式AI分析完成，共发送 {ai_chunks_count} 个块")
+                logger.info(f" {stock_code} 流式AI分析完成，共发送 {ai_chunks_count} 个块")
             else:
-                logger.info(f"以非流式模式返回股票 {stock_code} 分析结果")
+                logger.info(f"以非流式模式返回 {stock_code} 分析结果")
-                logger.debug(f"开始获取股票 {stock_code} 的AI分析")
+                logger.debug(f"开始获取 {stock_code} 的AI分析")
-                report['ai_analysis'] = self.get_ai_analysis(df, stock_code)
+                report['ai_analysis'] = self.get_ai_analysis(df, stock_code, market_type)
                 logger.debug(f"AI分析结果长度: {len(report['ai_analysis'])}")
                 return report
             
         except Exception as e:
-            error_msg = f"分析股票 {stock_code} 时出错: {str(e)}"
+            error_msg = f"分析 {stock_code} 时出错: {str(e)}"
             logger.error(error_msg)
             logger.exception(e)
             
@@ -535,23 +604,23 @@ class StockAnalyzer:
                 raise
             
     def scan_market(self, stock_list, min_score=60, market_type='A', stream=False):
-        """扫描市场，寻找符合条件的股票"""
+        """扫描市场，寻找符合条件的"""
-        logger.info(f"开始扫描市场，股票数量: {len(stock_list)}, 最低分数: {min_score}, 市场: {market_type}, 流式模式: {stream}")
+        logger.info(f"开始扫描市场，数量: {len(stock_list)}, 最低分数: {min_score}, 市场: {market_type}, 流式模式: {stream}")
         
         if not stream:
             recommendations = []
             
             for stock_code in stock_list:
                 try:
-                    logger.debug(f"分析股票: {stock_code}")
+                    logger.debug(f"分析: {stock_code}")
                     report = self.analyze_stock(stock_code, market_type)
                     if report['score'] >= min_score:
-                        logger.info(f"股票 {stock_code} 评分 {report['score']} >= {min_score}，添加到推荐列表")
+                        logger.info(f" {stock_code} 评分 {report['score']} >= {min_score}，添加到推荐列表")
                         recommendations.append(report)
                     else:
-                        logger.debug(f"股票 {stock_code} 评分 {report['score']} < {min_score}，不添加到推荐列表")
+                        logger.debug(f" {stock_code} 评分 {report['score']} < {min_score}，不添加到推荐列表")
                 except Exception as e:
-                    logger.error(f"分析股票 {stock_code} 时出错: {str(e)}")
+                    logger.error(f"分析 {stock_code} 时出错: {str(e)}")
                     logger.exception(e)
                     continue
                     
@@ -565,16 +634,16 @@ class StockAnalyzer:
             stock_count = 0
             for stock_code in stock_list:
                 stock_count += 1
-                logger.debug(f"流式分析股票 {stock_code} ({stock_count}/{len(stock_list)})")
+                logger.debug(f"流式分析 {stock_code} ({stock_count}/{len(stock_list)})")
                 try:
                     # 分析单只股票并获取流式结果
                     chunk_count = 0
                     for chunk in self.analyze_stock(stock_code, market_type, stream=True):
                         chunk_count += 1
                         yield chunk
-                    logger.debug(f"股票 {stock_code} 流式分析完成，共 {chunk_count} 个块")
+                    logger.debug(f" {stock_code} 流式分析完成，共 {chunk_count} 个块")
                 except Exception as e:
-                    error_msg = f"分析股票 {stock_code} 时出错: {str(e)}"
+                    error_msg = f"分析 {stock_code} 时出错: {str(e)}"
                     logger.error(error_msg)
                     logger.exception(e)
                     error_json = json.dumps({'stock_code': stock_code, 'error': error_msg})

templates/index.html

@@ -301,29 +301,28 @@
                         <option value="A">A股</option>
                         <option value="HK">港股</option>
                         <option value="US">美股</option>
+                        <option value="ETF">ETF基金</option>
+                        <option value="LOF">LOF基金</option>
                     </select>
                 </div>
 
-                <!-- 美股搜索框 -->
+                <!-- 搜索框 -->
-                <div id="usStockSearch" class="mb-4 hidden">
+                <div id="searchContainer" class="mb-4 hidden">
                     <div class="relative">
                         <input type="text" 
                             id="searchInput"
                             class="w-full p-2 border rounded bg-white focus:ring-2 focus:ring-blue-500 focus:border-blue-500"
-                            placeholder="输入美股名称搜索（中文和英文都试下）"
+                            placeholder="输入名称回车搜索"
-                            oninput="handleSearchInput(event)">
+                            onkeydown="handleKeyDown(event)">
-                        <!-- 添加搜索 loading 图标 -->
                         <div id="searchLoading" class="absolute right-3 top-2.5 hidden">
                             <svg class="animate-spin h-5 w-5 text-blue-500" xmlns="http://www.w3.org/2000/svg" fill="none" viewBox="0 0 24 24">
                                 <circle class="opacity-25" cx="12" cy="12" r="10" stroke="currentColor" stroke-width="4"></circle>
                                 <path class="opacity-75" fill="currentColor" d="M4 12a8 8 0 018-8V0C5.373 0 0 5.373 0 12h4zm2 5.291A7.962 7.962 0 014 12H0c0 3.042 1.135 5.824 3 7.938l3-2.647z"></path>
                             </svg>
                         </div>
-                        <!-- 搜索结果下拉框 -->
+                        <div id="searchResults" class="absolute z-10 w-full mt-1 bg-white border rounded-md shadow-lg hidden max-h-80 overflow-y-auto">
-                        <div id="searchResults" 
+                        </div>
-                             class="absolute z-10 w-full mt-1 bg-white border rounded-md shadow-lg hidden">
                         </div>
-                        <!-- 添加错误提示 -->
                         <div id="searchError" class="hidden absolute z-10 w-full mt-1 p-3 bg-red-50 text-red-600 rounded-md border border-red-200">
                         </div>
                     </div>
@@ -342,6 +341,17 @@
                         };
                     }
 
+                    function handleKeyDown(event) {
+                        // 检查是否按下回车键且不在输入法编辑状态
+                        if (event.key === 'Enter' && !event.isComposing) {
+                            event.preventDefault(); // 阻止默认行为
+                            const keyword = event.target.value.trim();
+                            if (keyword) {
+                                debouncedSearch(keyword);
+                            }
+                        }
+                    }
+
                     // 使用防抖包装搜索函数
                     const debouncedSearch = debounce(async (keyword) => {
                         if (!keyword) {
@@ -350,20 +360,26 @@
                             return;
                         }
 
-                        // 显示 loading
+                        const marketType = document.getElementById('marketType').value;
                         document.getElementById('searchLoading').classList.remove('hidden');
-                        // 隐藏之前的错误信息
                         document.getElementById('searchError').classList.add('hidden');
 
                         try {
-                            const response = await fetch(`/search_us_stocks?keyword=${encodeURIComponent(keyword)}`);
+                            let endpoint = '';
+                            if (marketType === 'US') {
+                                endpoint = '/search_us_stocks';
+                            } else if (['ETF', 'LOF'].includes(marketType)) {
+                                endpoint = '/search_funds';
+                            }
+
+                            const response = await fetch(`${endpoint}?market_type=${marketType}&keyword=${encodeURIComponent(keyword)}`);
                             const data = await response.json();
                             
                             if (!response.ok) {
                                 throw new Error(data.error || '搜索失败');
                             }
 
-                            displaySearchResults(data.results);
+                            displaySearchResults(data.results, marketType);
                         } catch (error) {
                             console.error('搜索出错:', error);
                             const errorDiv = document.getElementById('searchError');
@@ -373,12 +389,8 @@
                         } finally {
                             document.getElementById('searchLoading').classList.add('hidden');
                         }
-                    }, 500); // 设置500ms的防抖延迟
+                    }, 500);
 
-                    // 修改输入事件处理函数
-                    function handleSearchInput(event) {
-                        debouncedSearch(event.target.value);
-                    }
                 </script>
                 <div class="mb-4">
                     <label for="batchStocks" class="block text-sm font-medium text-gray-700 mb-2">
@@ -395,12 +407,28 @@
                     
                     function handleMarketTypeChange() {
                         const marketType = document.getElementById('marketType').value;
-                        const searchDiv = document.getElementById('usStockSearch');
+                        const searchContainer = document.getElementById('searchContainer');
-                        searchDiv.classList.toggle('hidden', marketType !== 'US');
+                        const searchInput = document.getElementById('searchInput');
+                        const batchStocks = document.getElementById('batchStocks');
                         
-                        // 清空搜索结果
+                        // 显示/隐藏搜索框
+                        searchContainer.classList.toggle('hidden', !['US', 'ETF', 'LOF'].includes(marketType));
+                        
+                        // 更新搜索框提示文本
+                        if (marketType === 'US') {
+                            searchInput.placeholder = '输入美股名称回车搜索（中文和英文都试下）';
+                        } else if (marketType === 'ETF') {
+                            searchInput.placeholder = '输入ETF基金名称回车搜索';
+                        } else if (marketType === 'LOF') {
+                            searchInput.placeholder = '输入LOF基金名称回车搜索';
+                        }
+                        
+                        // 清空搜索结果和输入
                         document.getElementById('searchResults').innerHTML = '';
-                        document.getElementById('searchInput').value = '';
+                        searchInput.value = '';
+                        
+                        // 清空代码输入框
+                        batchStocks.value = '';
                     }
 
                     function debounceSearch(event) {
@@ -410,7 +438,7 @@
                         }, 300);
                     }
 
-                    function displaySearchResults(results) {
+                    function displaySearchResults(results, marketType) {
                         const resultsDiv = document.getElementById('searchResults');
                         
                         if (!results || results.length === 0) {
@@ -418,18 +446,32 @@
                             return;
                         }
 
-                        let html = '<div class="py-1">';
+                        let html = '<div class="divide-y divide-gray-100">'; // 添加分割线
-                        results.forEach(stock => {
+                        results.forEach(item => {
+                            let rightContent = '';
+                            if (marketType === 'US') {
+                                rightContent = `
+                                    <div class="font-medium">$${item.price}</div>
+                                    <div class="text-sm text-gray-500">市值: ${formatMarketValue(item.market_value)}</div>
+                                `;
+                            } else {
+                                rightContent = `
+                                    <div class="font-medium">¥${item.price}</div>
+                                    <div class="text-sm text-gray-500">
+                                        ${item.discount_rate ? `折价率: ${item.discount_rate}%` : ''}
+                                    </div>
+                                `;
+                            }
+
                             html += `
                                 <div class="px-4 py-2 hover:bg-gray-100 cursor-pointer flex justify-between items-center"
-                                     onclick="selectStock('${stock.symbol}')">
+                                    onclick="selectStock('${item.symbol}')">
                                     <div>
-                                        <div class="font-medium">${stock.name}</div>
+                                        <div class="font-medium">${item.name}</div>
-                                        <div class="text-sm text-gray-500">${stock.symbol}</div>
+                                        <div class="text-sm text-gray-500">${item.symbol}</div>
                                     </div>
                                     <div class="text-right">
-                                        <div class="font-medium">$${stock.price}</div>
+                                        ${rightContent}
-                                        <div class="text-sm text-gray-500">市值: ${formatMarketValue(stock.market_value)}</div>
                                     </div>
                                 </div>
                             `;
@@ -686,10 +728,10 @@
                     errorCard = document.createElement('div');
                     errorCard.id = `error-${stockCode}`;
                     errorCard.className = 'bg-red-50 p-4 rounded-lg text-red-600';
-                    errorCard.innerHTML = `分析股票 ${stockCode} 出错: ${chunk.error}`;
+                    errorCard.innerHTML = `分析 ${stockCode} 出错: ${chunk.error}`;
                     container.appendChild(errorCard);
                 } else {
-                    errorCard.innerHTML = `分析股票 ${stockCode} 出错: ${chunk.error}`;
+                    errorCard.innerHTML = `分析 ${stockCode} 出错: ${chunk.error}`;
                 }
                 return;
             }

web_server.py

@@ -1,6 +1,7 @@
 from flask import Flask, render_template, request, jsonify, Response, stream_with_context
 from stock_analyzer import StockAnalyzer
 from us_stock_service import USStockService
+from fund_service import FundService  # 新增导入
 import threading
 import os
 import traceback
@@ -18,6 +19,7 @@ logger = get_logger()
 app = Flask(__name__)
 analyzer = StockAnalyzer()
 us_stock_service = USStockService()
+fund_service = FundService()  # 新增服务实例
 
 @app.route('/')
 def index():
@@ -102,7 +104,7 @@ def analyze():
         return Response(stream_with_context(generate()), mimetype='application/json')
             
     except Exception as e:
-        error_msg = f"分析股票时出错: {str(e)}"
+        error_msg = f"分析时出错: {str(e)}"
         logger.error(error_msg)
         logger.exception(e)
         return jsonify({'error': error_msg}), 500
@@ -121,6 +123,22 @@ def search_us_stocks():
         print(f"搜索美股代码时出错: {str(e)}")
         return jsonify({'error': str(e)}), 500
 
+# 添加基金搜索路由
+@app.route('/search_funds', methods=['GET'])
+def search_funds():
+    try:
+        keyword = request.args.get('keyword', '')
+        market_type = request.args.get('market_type', '')
+        if not keyword:
+            return jsonify({'error': '请输入搜索关键词'}), 400
+            
+        results = fund_service.search_funds(keyword, market_type)
+        return jsonify({'results': results})
+        
+    except Exception as e:
+        logger.error(f"搜索基金代码时出错: {str(e)}")
+        return jsonify({'error': str(e)}), 500
+
 @app.route('/test_api_connection', methods=['POST'])
 def test_api_connection():
     """测试API连接"""