AI 投资系统-基于人工智能的投资系统概念验证项目python源码

源码资源网 · 发表于 3 小时前

一个基于人工智能的投资系统概念验证项目。项目目标是探索如何使用 AI 来辅助投资决策。本项目仅用于教育目的，不适用于实际交易或投资。

系统组成

系统由以下几个协同工作的 agent 组成：

Market Data Analyst：负责收集和预处理市场数据
Valuation Agent：计算股票内在价值并生成交易信号
Sentiment Agent：分析市场情绪并生成交易信号
Fundamentals Agent：分析基本面数据并生成交易信号
Technical Analyst：分析技术指标并生成交易信号
Risk Manager：计算风险指标并设置仓位限制
Portfolio Manager：制定最终交易决策并生成订单

AI 投资系统-基于人工智能的投资系统概念验证项目python源码

注意：系统仅模拟交易决策，不进行实际交易。
免责声明

本项目仅用于教育和研究目的。

不适用于实际交易或投资
不提供任何保证
过往业绩不代表未来表现
创建者不承担任何财务损失责任
投资决策请咨询专业理财顾问

使用本软件即表示您同意仅将其用于学习目的。

安装

克隆仓库：
下载源码
安装 Poetry（如果尚未安装）：
1. curl -sSL https://install.python-poetry.org | python3 -
复制代码
安装依赖：
1. poetry install
复制代码
设置环境变量：
1. # 创建.env文件用于存储API密钥
2. cp .env.example .env
4. # 从 https://platform.deepseek.com/ 获取DeepSeek API密钥
5. export DEEP_SEEK_API_KEY='your-deepseek-api-key-here'
6. export DEEP_SEEK_MODEL='deepseek-chat'
复制代码

DeepSeek API 申请指南

访问 DeepSeek 平台
注册或登录您的账户
进入 API Keys 页面
点击 "Create new API key" 按钮
复制生成的 API key
将 API key 填入 .env 文件中的 DEEP_SEEK_API_KEY 变量

使用说明运行对冲基金

系统支持多种运行方式，可以根据需要组合使用不同的参数：

基本运行
1. poetry run python src/main.py --ticker 301155
复制代码
这将使用默认参数运行系统，包括：
- 默认分析 5 条新闻（num_of_news=5）
- 不显示详细分析过程（show_reasoning=False）
- 使用默认的初始资金（initial_capital=100,000）
显示分析推理过程
poetry run python src/main.py --ticker 301155 --show-reasoning
复制代码
这将显示每个智能体（Market Data Agent、Technical Analyst、Fundamentals Agent、Sentiment Agent、Risk Manager、Portfolio Manager）的分析过程和推理结果。
这允许你设置：
- initial_capital: 初始现金金额（可选，默认为 100,000）
自定义新闻分析数量和具体日期的投资建议
1. poetry run python src/main.py --ticker 301157 --show-reasoning --end-date 2024-12-11 --num-of-news 20
复制代码
这将：
- 分析指定日期范围内最近的 20 条新闻进行情绪分析
- start-date 和 end-date 格式为 YYYY-MM-DD
回测功能
poetry run python src/backtester.py --ticker 301157 --start-date 2024-12-11 --end-date 2025-01-07 --num-of-news 20
复制代码

回测功能支持以下参数：

ticker: 股票代码
start-date: 回测开始日期（YYYY-MM-DD）
end-date: 回测结束日期（YYYY-MM-DD）
initial-capital: 初始资金（可选，默认为 100,000）
num-of-news: 情绪分析使用的新闻数量（可选，默认为 5，最大为 100）

参数说明

--ticker: 股票代码（必需）
--show-reasoning: 显示分析推理过程（可选，默认为 false）
--initial-capital: 初始现金金额（可选，默认为 100,000）
--num-of-news: 情绪分析使用的新闻数量（可选，默认为 5，最大为 100）
--start-date: 开始日期，格式 YYYY-MM-DD（可选）
--end-date: 结束日期，格式 YYYY-MM-DD（可选）

输出说明

系统会输出以下信息：

基本面分析结果
估值分析结果
技术分析结果
情绪分析结果
风险管理评估
最终交易决策

如果使用了--show-reasoning参数，还会显示每个智能体的详细分析过程。

Example Output:

正在获取 301157 的历史行情数据...
开始日期：2024-12-11
结束日期：2024-12-11
成功获取历史行情数据，共 242 条记录
警告：以下指标存在NaN值：
- momentum_1m: 20条
- momentum_3m: 60条
- momentum_6m: 120条
...（这些警告是正常的，是由于某些技术指标需要更长的历史数据才能计算）
正在获取 301157 的财务指标数据...
获取实时行情...
成功获取实时行情数据
获取新浪财务指标...
成功获取新浪财务指标数据，共 3 条记录
最新数据日期：2024-09-30 00:00:00
获取利润表数据...
成功获取利润表数据
构建指标数据...
成功构建指标数据
Final Result:
{
"action": "buy",
"quantity": 12500,
"confidence": 0.42,
"agent_signals": [
{
"agent": "Technical Analysis",
"signal": "bullish",
"confidence": 0.6
},
{
"agent": "Fundamental Analysis",
"signal": "neutral",
"confidence": 0.5
},
{
"agent": "Sentiment Analysis",
"signal": "neutral",
"confidence": 0.8
},
{
"agent": "Valuation Analysis",
"signal": "bearish",
"confidence": 0.99
},
{
"agent": "Risk Management",
"signal": "buy",
"confidence": 1.0
}
],
"reasoning": "Risk Management allows a buy action with a maximum quantity of 12500..."
}

复制代码

日志文件说明

系统会在 logs/ 目录下生成以下类型的日志文件：

回测日志
- 文件名格式：backtest_{股票代码}_{当前日期}_{回测开始日期}_{回测结束日期}.log
- 示例：backtest_301157_20250107_20241201_20241230.log
- 包含：每个交易日的分析结果、交易决策和投资组合状态
API 调用日志
- 文件名格式：api_calls_{当前日期}.log
- 示例：api_calls_20250107.log
- 包含：所有 API 调用的详细信息和响应

所有日期格式均为 YYYY-MM-DD。如果使用了 --show-reasoning 参数，详细的分析过程也会记录在日志文件中。

项目结构

ai-hedge-fund/
├── src/ # 源代码目录
│ ├── agents/ # agent定义和工作流
│ │ ├── fundamentals.py # 基本面分析Agent
│ │ ├── market_data.py # 市场数据分析Agent
│ │ ├── portfolio_manager.py # 投资组合管理Agent
│ │ ├── risk_manager.py # 风险管理Agent
│ │ ├── sentiment.py # 情绪分析Agent
│ │ ├── state.py # Agent状态管理
│ │ ├── technicals.py # 技术分析Agent
│ │ └── valuation.py # 估值分析Agent
│ ├── data/ # 数据存储目录
│ │ ├── sentiment_cache.json # 情绪分析缓存
│ │ └── stock_news/ # 股票新闻数据
│ ├── tools/ # 工具和功能模块
│ │ ├── api.py # API接口和数据获取
│ │ ├── data_analyzer.py # 数据分析工具
│ │ ├── news_crawler.py # 新闻爬取工具
│ │ ├── openrouter_config.py # OpenRouter配置
│ │ └── test_*.py # 测试文件
│ ├── utils/ # 通用工具函数
│ ├── backtester.py # 回测系统
│ └── main.py # 主程序入口
├── logs/ # 日志文件目录
│ ├── api_calls_*.log # API调用日志
│ └── backtest_*.log # 回测结果日志
├── .env # 环境变量配置
├── .env.example # 环境变量示例
├── poetry.lock # Poetry依赖锁定文件
├── pyproject.toml # Poetry项目配置
└── README.md # 项目文档

复制代码

各Agent功能说明

市场数据分析Agent
- 系统入口，负责数据采集和预处理
- 通过akshare API获取A股市场数据
- 数据来源包括：
  - 东方财富
  - 新浪财经
  - 同花顺
技术分析Agent
- 分析以下技术指标：
  - 价格趋势
  - 成交量
  - 动量指标
- 生成技术分析交易信号
- 关注短期市场走势
基本面分析Agent
- 分析公司财务指标：
  - 盈利能力
  - 成长性
  - 财务健康状况
- 评估公司长期发展潜力
- 生成基本面交易信号
情绪分析Agent
- 分析市场新闻和舆论
- 评估市场情绪
- 生成情绪交易信号
- 支持多数据源：
  - 新浪财经
  - 东方财富
  - 雪球
估值分析Agent
- 进行公司估值分析
- 评估股票内在价值
- 主要估值方法：
  - DCF模型
  - 相对估值法
  - 市场比较法
风险管理Agent
- 整合各Agent信号
- 评估潜在风险
- 设置风险控制参数：
  - 最大持仓限制
  - 止损止盈水平
  - 交易规模限制
投资组合管理Agent
- 最终决策者
- 综合考虑：
  - 各Agent信号
  - 风险因素
  - 投资组合状态
- 生成交易决策：
  - 买入
  - 卖出
  - 持有

数据处理流程数据类型说明

市场数据
{ "market_cap": float, # 总市值 "volume": float, # 成交量 "average_volume": float, # 平均成交量 "fifty_two_week_high": float, # 52周最高价 "fifty_two_week_low": float # 52周最低价}
财务指标数据
{ # 市场数据 "market_cap": float, # 总市值 "float_market_cap": float, # 流通市值 # 盈利数据 "revenue": float, # 营业总收入 "net_income": float, # 净利润 "return_on_equity": float, # 净资产收益率 "net_margin": float, # 销售净利率 "operating_margin": float, # 营业利润率 # 增长指标 "revenue_growth": float, # 主营业务收入增长率 "earnings_growth": float, # 净利润增长率 "book_value_growth": float, # 净资产增长率 # 财务健康指标 "current_ratio": float, # 流动比率 "debt_to_equity": float, # 资产负债率 "free_cash_flow_per_share": float, # 每股经营性现金流 "earnings_per_share": float, # 每股收益 # 估值比率 "pe_ratio": float, # 市盈率（动态） "price_to_book": float, # 市净率 "price_to_sales": float # 市销率}
财务报表数据
{ "net_income": float, # 净利润 "operating_revenue": float, # 营业总收入 "operating_profit": float, # 营业利润 "working_capital": float, # 营运资金 "depreciation_and_amortization": float, # 折旧和摊销 "capital_expenditure": float, # 资本支出 "free_cash_flow": float # 自由现金流}
交易信号数据
{ "action": str, # 交易动作：买入/卖出/持有 "quantity": int, # 交易数量 "confidence": float, # 置信度 (0-1) "agent_signals": [ # 各Agent信号 { "agent": str, # Agent名称 "signal": str, # 信号类型：看涨/看跌/中性 "confidence": float # 置信度 (0-1) } ], "reasoning": str # 决策理由}

数据处理流程

数据采集
- 通过akshare API获取以下数据：
  - 实时行情数据
  - 历史行情数据
  - 财务指标数据
  - 财务报表数据
- 通过新浪财经API获取新闻数据
- 数据标准化处理
数据分析
- 技术分析：
  - 计算技术指标
  - 分析价格模式
  - 生成交易信号
- 基本面分析：
  - 分析财务报表
  - 评估公司基本面
  - 生成交易信号
- 情绪分析：
  - 分析市场新闻
  - 评估市场情绪
  - 生成交易信号
- 估值分析：
  - 计算估值指标
  - 进行DCF估值
  - 生成交易信号
风险管理
- 评估市场风险
- 计算头寸规模
- 设置止损止盈
- 控制投资组合风险
投资决策
- 综合各Agent信号
- 评估市场状况
- 考虑投资组合状态
- 生成最终交易决策
数据存储
- 情绪分析结果缓存
- 新闻数据存储
- 日志文件记录
- API调用记录
系统监控
- API调用监控
- Agent分析追踪
- 决策过程记录
- 回测结果评估

Agent协作机制信息共享

所有Agent共享同一个状态对象
通过消息传递机制进行通信
每个Agent都可以访问必要的历史数据

决策权重

投资组合管理Agent在做决策时考虑不同信号的权重：

估值分析：35%
基本面分析：30%
技术分析：25%
情绪分析：10%

风险控制

强制性风险限制
最大持仓限制
交易规模限制
止损和止盈设置

系统特点

模块化设计
- 每个Agent都是独立的模块
- 易于维护和升级
- 可以单独测试和优化
可扩展性
- 可以轻松添加新的分析师
- 支持添加新的数据源
- 可以扩展决策策略
风险管理
- 多层次的风险控制
- 实时风险评估
- 自动止损机制
智能决策
- 基于多维度分析
- 考虑多个市场因素
- 动态调整策略

未来展望

数据源扩展
- 添加更多A股数据源
- 接入更多财经数据平台
- 增加社交媒体情绪数据
- 扩展到港股、美股市场
功能增强
- 添加更多技术指标
- 实现自动化回测
- 支持多股票组合管理
性能优化
- 提高数据处理效率
- 优化决策算法
- 增加并行处理能力

情感分析功能

情感分析代理（Sentiment Agent）是系统中的关键组件之一，负责分析市场新闻和舆论对股票的潜在影响。

功能特点

新闻数据采集
- 自动抓取最新的股票相关新闻
- 支持多个新闻源
- 实时更新新闻数据
情感分析处理
- 使用先进的AI模型分析新闻情感
- 情感分数范围：-1（极其消极）到1（极其积极）
- 考虑新闻的重要性和时效性
交易信号生成
- 基于情感分析结果生成交易信号
- 包含信号类型（看涨/看跌）
- 提供置信度评估
- 附带详细的分析理由

情感分数说明[td]

分数范围	情感等级	典型场景
1.0	极其积极	重大利好消息、超预期业绩、行业政策支持
0.5 到 0.9	积极	业绩增长、新项目落地、获得订单
0.1 到 0.4	轻微积极	小额合同签订、日常经营正常
0.0	中性	日常公告、人事变动、无重大影响的新闻
-0.1 到 -0.4	轻微消极	小额诉讼、非核心业务亏损
-0.5 到 -0.9	消极	业绩下滑、重要客户流失、行业政策收紧
-1.0	极其消极	重大违规、核心业务严重亏损、被监管处罚

链接：https://pan.quark.cn/s/9c67f927ebc7
提取码下载：

文件名称:提取码下载.txt
下载次数:0 文件大小:16 Bytes 售价:19金钱 [记录]
下载权限: 不限 [购买VIP] [充值] [在线充值] 【VIP会员6折；永久VIP4折】

安全检测，请放心下载

		自动登录	找回密码
密码			立即注册

AI 投资系统-基于人工智能的投资系统概念验证项目python源码

相关帖子