shiyue/stock-scanner
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

fix: 修复前端显示问题

Browse Source
This commit is contained in:
Cassianvale
2025-03-06 20:30:54 +08:00
parent 35cf295b29
commit ff5b820a57
4 changed files with 608 additions and 117 deletions
Download Patch File Download Diff File Expand all files Collapse all files

335
frontend/src/components/StockAnalysisApp.vue
View File

@@ -76,6 +76,45 @@
<!-- 右侧结果区域 -->
<n-grid-item :span="24" :lg-span="16">
<div class="results-section">
<div class="results-header">
<n-space align="center" justify="space-between">
<n-text>分析结果 ({{ analyzedStocks.length }})</n-text>
<n-space>
<n-select
v-model:value="displayMode"
size="small"
style="width: 120px"
:options="[
{ label: '卡片视图', value: 'card' },
{ label: '表格视图', value: 'table' }
]"
/>
<n-button
size="small"
:disabled="analyzedStocks.length === 0"
@click="copyAnalysisResults"
>
复制结果
</n-button>
<n-dropdown
trigger="click"
:disabled="analyzedStocks.length === 0"
:options="exportOptions"
@select="handleExportSelect"
>
<n-button size="small" :disabled="analyzedStocks.length === 0">
导出
<template #icon>
<n-icon>
<DownloadIcon />
</n-icon>
</template>
</n-button>
</n-dropdown>
</n-space>
</n-space>
</div>
<template v-if="analyzedStocks.length === 0 && !isAnalyzing">
<n-empty description="尚未分析股票" size="large">
<template #icon>
@@ -84,13 +123,25 @@
</n-empty>
</template>
<template v-else>
<template v-else-if="displayMode === 'card'">
<n-grid :cols="1" :x-gap="16" :y-gap="16" :lg-cols="2">
<n-grid-item v-for="stock in analyzedStocks" :key="stock.code">
<StockCard :stock="stock" />
</n-grid-item>
</n-grid>
</template>
<template v-else>
<n-data-table
:columns="stockTableColumns"
:data="analyzedStocks"
:pagination="{ pageSize: 10 }"
:row-key="(row) => row.code"
:bordered="false"
:single-line="false"
striped
/>
</template>
</div>
</n-grid-item>
</n-grid>
@@ -101,7 +152,7 @@
</template>
<script setup lang="ts">
import { ref, onMounted } from 'vue';
import { ref, onMounted, onBeforeUnmount } from 'vue';
import {
NLayout,
NLayoutContent,
@@ -115,12 +166,18 @@ import {
NInput,
NButton,
NEmpty,
useMessage
useMessage,
NSpace,
NText,
NDataTable,
NDropdown,
type DataTableColumns
} from 'naive-ui';
import { useClipboard } from '@vueuse/core'
import {
BarChart as BarChartIcon,
DocumentText as DocumentTextIcon
BarChartOutline as BarChartIcon,
DocumentTextOutline as DocumentTextIcon,
DownloadOutline as DownloadIcon
} from '@vicons/ionicons5';
import AnnouncementBanner from './AnnouncementBanner.vue';
@@ -148,6 +205,7 @@ const marketType = ref('A');
const stockCodes = ref('');
const isAnalyzing = ref(false);
const analyzedStocks = ref<StockInfo[]>([]);
const displayMode = ref<'card' | 'table'>('card');
// API配置
const apiConfig = ref<ApiConfig>({
@@ -167,6 +225,136 @@ const marketOptions = [
{ label: 'LOF', value: 'LOF' }
];
// 表格列定义
const stockTableColumns = ref<DataTableColumns<StockInfo>>([
{
title: '代码',
key: 'code',
width: 100,
fixed: 'left'
},
{
title: '状态',
key: 'analysisStatus',
width: 100,
render(row: StockInfo) {
const statusMap = {
'waiting': '等待分析',
'analyzing': '分析中',
'completed': '已完成',
'error': '出错'
};
return statusMap[row.analysisStatus] || row.analysisStatus;
}
},
{
title: '价格',
key: 'price',
width: 100,
render(row: StockInfo) {
return row.price !== undefined ? row.price.toFixed(2) : '--';
}
},
{
title: '涨跌幅',
key: 'changePercent',
width: 100,
render(row: StockInfo) {
if (row.changePercent === undefined) return '--';
const sign = row.changePercent > 0 ? '+' : '';
return `${sign}${row.changePercent.toFixed(2)}%`;
}
},
{
title: 'RSI',
key: 'rsi',
width: 80,
render(row: StockInfo) {
return row.rsi !== undefined ? row.rsi.toFixed(2) : '--';
}
},
{
title: '均线趋势',
key: 'ma_trend',
width: 100,
render(row: StockInfo) {
const trendMap: Record<string, string> = {
'UP': '上升',
'DOWN': '下降',
'NEUTRAL': '平稳'
};
return row.ma_trend ? trendMap[row.ma_trend] || row.ma_trend : '--';
}
},
{
title: 'MACD信号',
key: 'macd_signal',
width: 100,
render(row: StockInfo) {
const signalMap: Record<string, string> = {
'BUY': '买入',
'SELL': '卖出',
'HOLD': '持有',
'NEUTRAL': '中性'
};
return row.macd_signal ? signalMap[row.macd_signal] || row.macd_signal : '--';
}
},
{
title: '评分',
key: 'score',
width: 80,
render(row: StockInfo) {
return row.score !== undefined ? row.score : '--';
}
},
{
title: '推荐',
key: 'recommendation',
width: 100
},
{
title: '分析日期',
key: 'analysis_date',
width: 120,
render(row: StockInfo) {
if (!row.analysis_date) return '--';
try {
const date = new Date(row.analysis_date);
if (isNaN(date.getTime())) {
return row.analysis_date;
}
return date.toISOString().split('T')[0];
} catch (e) {
return row.analysis_date;
}
}
},
{
title: '分析结果',
key: 'analysis',
ellipsis: {
tooltip: true
}
}
]);
// 导出选项
const exportOptions = [
{
label: '导出为CSV',
key: 'csv'
},
{
label: '导出为Excel',
key: 'excel'
},
{
label: '导出为PDF',
key: 'pdf'
}
];
// 更新API配置
function updateApiConfig(config: ApiConfig) {
apiConfig.value = { ...config };
@@ -200,6 +388,22 @@ function processStreamData(text: string) {
} else if (data.stock_code) {
// 更新消息
handleStreamUpdate(data as StreamAnalysisUpdate);
} else if (data.scan_completed) {
// 扫描完成消息
message.success(`分析完成，共扫描 ${data.total_scanned} 只股票，符合条件 ${data.total_matched} 只`);
// 将所有分析中的股票状态更新为已完成
analyzedStocks.value.forEach((stock, index) => {
if (stock.analysisStatus === 'analyzing') {
const updatedStock = {
...stock,
analysisStatus: 'completed' as const
};
analyzedStocks.value[index] = updatedStock;
}
});
isAnalyzing.value = false;
}
} catch (e) {
console.error('解析流数据出错:', e);
@@ -414,13 +618,7 @@ async function analyzeStocks() {
processStreamData(buffer);
}
// 将所有分析中的股票状态更新为已完成
analyzedStocks.value.forEach((stock, index) => {
if (stock.analysisStatus === 'analyzing') {
const updatedStock = { ...stock, analysisStatus: 'completed' };
analyzedStocks.value[index] = updatedStock;
}
});
// 注意：不再需要在这里更新状态，因为已经在processStreamData中处理了scan_completed消息
message.success('分析完成');
} catch (error: any) {
@@ -547,6 +745,108 @@ function restoreLocalApiConfig() {
}
}
// 处理导出选择
function handleExportSelect(key: string) {
switch (key) {
case 'csv':
exportToCSV();
break;
case 'excel':
message.info('Excel导出功能即将推出');
break;
case 'pdf':
message.info('PDF导出功能即将推出');
break;
}
}
// 导出为CSV
function exportToCSV() {
if (analyzedStocks.value.length === 0) {
message.warning('没有可导出的分析结果');
return;
}
try {
// 创建CSV内容
const headers = ['代码', '名称', '价格', '涨跌幅', 'RSI', '均线趋势', 'MACD信号', '成交量状态', '评分', '推荐', '分析日期'];
let csvContent = headers.join(',') + '\n';
// 添加数据行
analyzedStocks.value.forEach(stock => {
const row = [
`"${stock.code}"`,
`"${stock.name || ''}"`,
stock.price !== undefined ? stock.price.toFixed(2) : '',
stock.changePercent !== undefined ? `${stock.changePercent > 0 ? '+' : ''}${stock.changePercent.toFixed(2)}%` : '',
stock.rsi !== undefined ? stock.rsi.toFixed(2) : '',
stock.ma_trend ? getChineseTrend(stock.ma_trend) : '',
stock.macd_signal ? getChineseSignal(stock.macd_signal) : '',
stock.volume_status ? getChineseVolumeStatus(stock.volume_status) : '',
stock.score !== undefined ? stock.score : '',
`"${stock.recommendation || ''}"`,
stock.analysis_date || ''
];
csvContent += row.join(',') + '\n';
});
// 创建Blob对象
const blob = new Blob([csvContent], { type: 'text/csv;charset=utf-8;' });
const url = URL.createObjectURL(blob);
// 创建下载链接
const link = document.createElement('a');
link.setAttribute('href', url);
link.setAttribute('download', `股票分析结果_${new Date().toISOString().split('T')[0]}.csv`);
link.style.visibility = 'hidden';
// 添加到文档并触发点击
document.body.appendChild(link);
link.click();
// 清理
document.body.removeChild(link);
URL.revokeObjectURL(url);
message.success('已导出CSV文件');
} catch (error) {
message.error('导出失败');
console.error('导出CSV时出错:', error);
}
}
// 辅助函数：获取中文趋势描述
function getChineseTrend(trend: string): string {
const trendMap: Record<string, string> = {
'UP': '上升',
'DOWN': '下降',
'NEUTRAL': '平稳'
};
return trendMap[trend] || trend;
}
// 辅助函数：获取中文信号描述
function getChineseSignal(signal: string): string {
const signalMap: Record<string, string> = {
'BUY': '买入',
'SELL': '卖出',
'HOLD': '持有',
'NEUTRAL': '中性'
};
return signalMap[signal] || signal;
}
// 辅助函数：获取中文成交量状态描述
function getChineseVolumeStatus(status: string): string {
const statusMap: Record<string, string> = {
'HIGH': '放量',
'LOW': '缩量',
'NORMAL': '正常'
};
return statusMap[status] || status;
}
// 页面加载时获取默认配置和公告
onMounted(async () => {
try {
@@ -615,4 +915,15 @@ onMounted(async () => {
padding: 0.5rem;
min-height: 200px;
}
.results-header {
margin-bottom: 1rem;
}
.n-data-table .analysis-cell {
max-width: 300px;
white-space: nowrap;
overflow: hidden;
text-overflow: ellipsis;
}
</style>

30
frontend/src/components/StockCard.vue
View File

@@ -536,6 +536,36 @@ function getChineseVolumeStatus(status: string): string {
overflow-y: auto;
word-break: break-word;
hyphens: auto;
/* 自定义滚动条样式 */
scrollbar-width: thin; /* Firefox */
scrollbar-color: rgba(32, 128, 240, 0.3) transparent; /* Firefox */
}
/* Webkit浏览器的滚动条样式 */
.analysis-result::-webkit-scrollbar {
width: 6px;
height: 6px;
}
.analysis-result::-webkit-scrollbar-track {
background: transparent;
border-radius: 3px;
}
.analysis-result::-webkit-scrollbar-thumb {
background-color: rgba(32, 128, 240, 0.3);
border-radius: 3px;
transition: background-color 0.3s ease;
}
.analysis-result::-webkit-scrollbar-thumb:hover {
background-color: rgba(32, 128, 240, 0.5);
}
/* 在不滚动时隐藏滚动条，滚动时显示 */
.analysis-result:not(:hover)::-webkit-scrollbar-thumb {
background-color: rgba(32, 128, 240, 0.1);
}
.analysis-streaming {

293
services/ai_analyzer.py
View File

@@ -4,10 +4,12 @@ import os
import json
import asyncio
import httpx
import re
from typing import Dict, List, Optional, Any, Generator, AsyncGenerator
from dotenv import load_dotenv
from logger import get_logger
from utils.api_utils import APIUtils
from datetime import datetime
# 获取日志器
logger = get_logger()
@@ -55,6 +57,26 @@ class AIAnalyzer:
try:
logger.info(f"开始AI分析 {stock_code}, 流式模式: {stream}")
# 提取关键技术指标
latest_data = df.iloc[-1]
# 计算技术指标
rsi = latest_data.get('RSI')
price = latest_data.get('Close')
price_change = latest_data.get('Change')
# 确定MA趋势
ma_trend = 'UP' if latest_data.get('MA5', 0) > latest_data.get('MA20', 0) else 'DOWN'
# 确定MACD信号
macd = latest_data.get('MACD', 0)
macd_signal = latest_data.get('MACD_Signal', 0)
macd_signal_type = 'BUY' if macd > macd_signal else 'SELL'
# 确定成交量状态
volume_ratio = latest_data.get('Volume_Ratio', 1)
volume_status = 'HIGH' if volume_ratio > 1.5 else ('LOW' if volume_ratio < 0.5 else 'NORMAL')
# AI 分析内容
# 最近14天的股票数据记录
recent_data = df.tail(14).to_dict('records')
@@ -78,25 +100,19 @@ class AIAnalyzer:
近14日交易数据：
{recent_data}
请分析该基金的技术面状况，包括：
1. 趋势分析：判断基金当前的趋势方向
2. 动量分析：基于RSI和交易量评估基金动量
3. 支撑与阻力位：确定关键价格位
4. 技术面总结
5. 投资建议
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）
将分析结果格式化为JSON，像这样：
{{
"trend_analysis": "趋势分析结果...",
"momentum_analysis": "动量分析结果...",
"support_resistance": "支撑阻力位分析...",
"technical_summary": "技术面总结...",
"investment_advice": "投资建议..."
}}
请基于技术指标和市场表现进行分析，给出具体数据支持。
"""
else:
elif market_type == 'US':
prompt = f"""
分析股票 {stock_code}：
分析美股 {stock_code}：
技术指标概要：
{technical_summary}
@@ -104,25 +120,55 @@ class AIAnalyzer:
近14日交易数据：
{recent_data}
请分析该股票的技术面状况，包括：
1. 趋势分析：当前趋势方向及强度
2. 动量分析：基于MACD、RSI等指标
3. 支撑与阻力位：关键价格位分析
4. 成交量分析：交易量的变化及意义
5. 波动性评估：ATR和波动率分析
6. 技术面总结
7. 投资建议：根据技术分析给出操作建议
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）
将分析结果格式化为JSON，像这样：
{{
"trend_analysis": "趋势分析结果...",
"momentum_analysis": "动量分析结果...",
"support_resistance": "支撑阻力位分析...",
"volume_analysis": "成交量分析...",
"volatility_assessment": "波动性评估...",
"technical_summary": "技术面总结...",
"investment_advice": "投资建议..."
}}
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}
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）
2. 成交量分析及其含义
3. 风险评估（包含波动率分析）
4. 短期和中期目标价位
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A股市场特点进行分析，给出具体数据支持。
"""
# 格式化API URL
@@ -142,11 +188,27 @@ class AIAnalyzer:
"Authorization": f"Bearer {self.API_KEY}"
}
# 获取当前日期作为分析日期
analysis_date = datetime.now().strftime("%Y-%m-%d")
# 异步请求API
async with httpx.AsyncClient(timeout=self.API_TIMEOUT) as client:
# 记录请求
logger.debug(f"发送AI请求: URL={api_url}, MODEL={self.API_MODEL}, STREAM={stream}")
# 先发送技术指标数据
yield json.dumps({
"stock_code": stock_code,
"status": "analyzing",
"rsi": rsi,
"price": price,
"price_change": price_change,
"ma_trend": ma_trend,
"macd_signal": macd_signal_type,
"volume_status": volume_status,
"analysis_date": analysis_date
})
if stream:
# 流式响应处理
async with client.stream("POST", api_url, json=request_data, headers=headers) as response:
@@ -155,12 +217,17 @@ class AIAnalyzer:
error_data = json.loads(error_text)
error_message = error_data.get('error', {}).get('message', '未知错误')
logger.error(f"AI API请求失败: {response.status_code} - {error_message}")
yield json.dumps({"error": f"API请求失败: {error_message}"})
yield json.dumps({
"stock_code": stock_code,
"error": f"API请求失败: {error_message}",
"status": "error"
})
return
# 处理流式响应
buffer = ""
collected_messages = []
chunk_count = 0
async for chunk in response.aiter_text():
if chunk:
@@ -169,6 +236,7 @@ class AIAnalyzer:
chunk_str = chunk_str[6:] # 去除"data: "前缀
if chunk_str == "[DONE]":
logger.debug("收到流结束标记 [DONE]")
continue
try:
@@ -178,48 +246,47 @@ class AIAnalyzer:
content = delta.get("content", "")
if content:
chunk_count += 1
buffer += content
# 尝试提取完整的JSON
if buffer.strip().startswith("{") and buffer.strip().endswith("}"):
try:
result_json = json.loads(buffer)
yield json.dumps({
"stock_code": stock_code,
"analysis": result_json
})
buffer = "" # 重置缓冲区
except json.JSONDecodeError:
# JSON不完整，继续收集
pass
collected_messages.append(content)
# 达到一定长度就输出
if len(buffer) > 100:
# 直接发送每个内容片段，不累积
yield json.dumps({
"stock_code": stock_code,
"ai_analysis_chunk": buffer
"ai_analysis_chunk": content,
"status": "analyzing"
})
collected_messages.append(buffer)
buffer = ""
except json.JSONDecodeError:
# 忽略无法解析的块
logger.error(f"JSON解析错误，块内容: {chunk_str[:100]}...")
continue
# 处理最后的缓冲区
if buffer:
logger.info(f"AI流式处理完成，共收到 {chunk_count} 个内容片段，总长度: {len(buffer)}")
# 如果buffer不为空且不以换行符结束，发送一个换行符
if buffer and not buffer.endswith('\n'):
logger.debug("发送换行符")
yield json.dumps({
"stock_code": stock_code,
"ai_analysis_chunk": buffer
"ai_analysis_chunk": "\n",
"status": "analyzing"
})
collected_messages.append(buffer)
# 尝试从整个内容中提取JSON
full_content = "".join(collected_messages)
# 完整的分析内容
full_content = buffer
# 如果没有成功解析JSON，返回原始内容
if not full_content.strip().startswith("{"):
# 尝试从分析内容中提取投资建议
recommendation = self._extract_recommendation(full_content)
# 计算分析评分
score = self._calculate_analysis_score(full_content, technical_summary)
# 发送完成状态和评分、建议
yield json.dumps({
"stock_code": stock_code,
"raw_analysis": full_content
"status": "completed",
"score": score,
"recommendation": recommendation
})
else:
# 非流式响应处理
@@ -229,32 +296,100 @@ class AIAnalyzer:
error_data = response.json()
error_message = error_data.get('error', {}).get('message', '未知错误')
logger.error(f"AI API请求失败: {response.status_code} - {error_message}")
yield json.dumps({"error": f"API请求失败: {error_message}"})
yield json.dumps({
"stock_code": stock_code,
"error": f"API请求失败: {error_message}",
"status": "error"
})
return
response_data = response.json()
analysis_text = response_data.get("choices", [{}])[0].get("message", {}).get("content", "")
try:
# 尝试解析JSON
analysis_json = json.loads(analysis_text)
yield json.dumps({
"stock_code": stock_code,
"analysis": analysis_json
})
except json.JSONDecodeError:
# 返回原始文本
yield json.dumps({
"stock_code": stock_code,
"raw_analysis": analysis_text
})
# 尝试从分析内容中提取投资建议
recommendation = self._extract_recommendation(analysis_text)
logger.info(f"完成对 {stock_code} 的AI分析")
# 计算分析评分
score = self._calculate_analysis_score(analysis_text, technical_summary)
# 发送完整的分析结果
yield json.dumps({
"stock_code": stock_code,
"status": "completed",
"analysis": analysis_text,
"score": score,
"recommendation": recommendation,
"rsi": rsi,
"price": price,
"price_change": price_change,
"ma_trend": ma_trend,
"macd_signal": macd_signal_type,
"volume_status": volume_status,
"analysis_date": analysis_date
})
except Exception as e:
logger.error(f"AI分析 {stock_code} 时出错: {str(e)}")
logger.exception(e)
yield json.dumps({"error": f"分析出错: {str(e)}"})
logger.error(f"AI分析出错: {str(e)}", exc_info=True)
yield json.dumps({
"stock_code": stock_code,
"error": f"分析出错: {str(e)}",
"status": "error"
})
def _extract_recommendation(self, analysis_text: str) -> str:
"""从分析文本中提取投资建议"""
# 查找投资建议部分
investment_advice_pattern = r"##\s*投资建议\s*\n(.*?)(?:\n##|\Z)"
match = re.search(investment_advice_pattern, analysis_text, re.DOTALL)
if match:
advice_text = match.group(1).strip()
# 提取关键建议
if "买入" in advice_text or "增持" in advice_text:
return "买入"
elif "卖出" in advice_text or "减持" in advice_text:
return "卖出"
elif "持有" in advice_text:
return "持有"
else:
return "观望"
return "观望" # 默认建议
def _calculate_analysis_score(self, analysis_text: str, technical_summary: dict) -> int:
"""计算分析评分"""
score = 50 # 基础分数
# 根据技术指标调整分数
if technical_summary['trend'] == 'upward':
score += 10
else:
score -= 10
if technical_summary['volume_trend'] == 'increasing':
score += 5
else:
score -= 5
rsi = technical_summary['rsi_level']
if rsi < 30: # 超卖
score += 15
elif rsi > 70: # 超买
score -= 15
# 根据分析文本中的关键词调整分数
if "强烈买入" in analysis_text or "显著上涨" in analysis_text:
score += 20
elif "买入" in analysis_text or "看涨" in analysis_text:
score += 10
elif "强烈卖出" in analysis_text or "显著下跌" in analysis_text:
score -= 20
elif "卖出" in analysis_text or "看跌" in analysis_text:
score -= 10
# 确保分数在0-100范围内
return max(0, min(100, score))
def _truncate_json_for_logging(self, json_obj, max_length=500):
"""

45
services/stock_analyzer_service.py
View File

@@ -159,10 +159,10 @@ class StockAnalyzerService:
try:
logger.info(f"开始批量扫描 {len(stock_codes)} 只股票, 市场: {market_type}")
# 输出初始状态
# 输出初始状态 - 发送批量分析初始化消息
yield json.dumps({
"status": "scanning",
"total_stocks": len(stock_codes),
"stream_type": "batch",
"stock_codes": stock_codes,
"market_type": market_type,
"min_score": min_score
})
@@ -177,6 +177,12 @@ class StockAnalyzerService:
stock_with_indicators[code] = self.indicator.calculate_indicators(df)
except Exception as e:
logger.error(f"计算 {code} 技术指标时出错: {str(e)}")
# 发送错误状态
yield json.dumps({
"stock_code": code,
"error": f"计算技术指标时出错: {str(e)}",
"status": "error"
})
# 评分股票
results = self.scorer.batch_score_stocks(stock_with_indicators)
@@ -184,30 +190,39 @@ class StockAnalyzerService:
# 过滤低于最低评分的股票
filtered_results = [r for r in results if r[1] >= min_score]
# 输出评分结果
# 为每只股票发送基本评分和推荐信息
for code, score, rec in results:
df = stock_with_indicators.get(code)
if df is not None and len(df) > 0:
# 获取最新数据
latest_data = df.iloc[-1]
# 发送股票基本信息和评分
yield json.dumps({
"scan_results": [
{
"stock_code": code,
"score": score,
"recommendation": rec
} for code, score, rec in filtered_results
],
"total_matched": len(filtered_results),
"total_scanned": len(results)
"recommendation": rec,
"price": float(latest_data.get('Close', 0)),
"price_change": float(latest_data.get('Change', 0)),
"rsi": float(latest_data.get('RSI', 0)) if 'RSI' in latest_data else None,
"ma_trend": "UP" if latest_data.get('MA5', 0) > latest_data.get('MA20', 0) else "DOWN",
"macd_signal": "BUY" if latest_data.get('MACD', 0) > latest_data.get('MACD_Signal', 0) else "SELL",
"volume_status": "HIGH" if latest_data.get('Volume_Ratio', 1) > 1.5 else ("LOW" if latest_data.get('Volume_Ratio', 1) < 0.5 else "NORMAL"),
"status": "completed" if score < min_score else "waiting"
})
# 如果需要进一步分析，对评分较高的股票进行AI分析
if stream and filtered_results:
top_stocks = filtered_results[:3] # 只分析前3只评分最高的股票
# 只分析前5只评分最高的股票，避免分析过多导致前端卡顿
top_stocks = filtered_results[:5]
for stock_code, score, _ in top_stocks:
df = stock_with_indicators.get(stock_code)
if df is not None:
# 输出正在分析的股票信息
yield json.dumps({
"analyzing": stock_code,
"score": score
"stock_code": stock_code,
"status": "analyzing"
})
# AI分析
@@ -216,7 +231,7 @@ class StockAnalyzerService:
# 输出扫描完成信息
yield json.dumps({
"status": "completed",
"scan_completed": True,
"total_scanned": len(results),
"total_matched": len(filtered_results)
})