Skip to content

kavenGw/GSStock

BranchesTags

Repository files navigation

GSStock

个人股票管理工具，支持 A股/美股/港股 多账户持仓管理。

功能

  • 持仓管理 — 上传持仓截图 OCR 自动识别，多账户合并（数量相加、成本加权平均）
  • 实时行情 — A股(akshare) + 美股/港股(yfinance)，统一数据接口，多源负载均衡
  • 威科夫分析 — 自动识别市场阶段，多周期信号检测
  • 操作建议 — 记录支撑位、压力位、交易策略
  • 每日记录 — 持仓快照、盈亏统计、资产走势
  • 每日简报 — 市场概况、持仓分析、预警汇总
  • 板块管理 — 股票分类、板块评级
  • 预警系统 — 涨跌幅预警、价格突破预警、威科夫信号
  • 期货/贵金属 — 指数、期货、贵金属走势追踪
  • 新闻看板 — 财经快讯、兴趣关键词过滤、公司新闻聚合、财报对比分析、AI 摘要
  • 盯盘助手 — 实时分时走势、日K+布林带、支撑阻力位标注、三维度 AI 分析、预置商品/指数监控
  • 交易策略 — 策略记录与管理
  • 再平衡 — 持仓配置建议
  • 利润统计 — 交易利润分析
  • 策略插件 — 自动发现注册，Cron 定时执行，内置六种策略（涨跌预警/价格预警/每日简报/威科夫信号/AI走势信号/盯盘助手）
  • 通知推送 — Slack 推送，与策略引擎集成
  • AI 分析 — 智谱 GLM 分层路由（Flash/Premium），支持本地 LLM（llama-server）替代 Flash 层
  • AI 走势预测 — PyTorch 时序 Transformer，基于 OHLCV + 技术指标生成买/卖/持有信号（GPU 训练推理）

环境要求

  • Python 3.10+
  • 支持 Windows / Debian (Linux)

安装步骤（Windows）

1. 安装 Python 依赖

pip install -r requirements.txt

首次运行会自动下载 RapidOCR 中文模型。

2. 环境配置

复制环境配置示例文件：

cp .env.sample .env

编辑 .env 文件，完整配置项见 .env.sample 注释。核心配置：

配置项 说明 默认值
READONLY_MODE 只读模式，不从服务器获取数据 false
SECRET_KEY Flask 密钥，留空则自动生成 自动生成
DATABASE_URL 公共数据库路径 sqlite:///data/stock.db
PRIVATE_DATABASE_URL 私有数据库路径 sqlite:///data/private.db
TWELVE_DATA_API_KEY Twelve Data 密钥（可选，美股/港股） 空
POLYGON_API_KEY Polygon.io 密钥（可选，仅美股） 空
ZHIPU_API_KEY 智谱 GLM 密钥（可选，AI 分析） 空
LLM_DAILY_BUDGET LLM 日预算上限（美元） 无上限
LLM_REQUEST_TIMEOUT LLM API 请求超时（秒） 300
LLAMA_SERVER_ENABLED 启用本地 llama-server（可选） false
LLAMA_SERVER_URL llama-server 地址 http://127.0.0.1:8080
SLACK_WEBHOOK_URL Slack 推送（可选） 空
WATCH_INTERVAL_MINUTES 盯盘刷新间隔（分钟） 1
NEWS_INTERVAL_MINUTES 新闻后台轮询间隔（分钟） 10
NEWS_DERIVATION_ENABLED 启用衍生搜索（crawl4ai 爬取+AI 摘要） false
COMPANY_NEWS_MAX_COMPANIES 每次轮询最多处理的公司数 3
COMPANY_NEWS_MAX_ARTICLES 每个公司最多爬取文章数 5
COMPANY_NEWS_INTERVAL_MINUTES 公司新闻获取间隔（分钟） 30
NEWS_FETCH_TIMEOUT 新闻源获取超时（秒） 15

3. GPU 加速（可选）

OCR 识别支持 GPU 加速，根据硬件选择安装一个：

# NVIDIA 显卡（CUDA）
pip install onnxruntime-gpu>=1.19.0

# Windows DirectML（Intel/AMD/NVIDIA 通用）
pip install onnxruntime-directml>=1.19.0

注意：onnxruntime-gpu 和 onnxruntime-directml 互斥，只能安装其中一个。不安装则使用 CPU。

4. 启动应用

python run.py

访问 http://127.0.0.1:5000

启动时会自动加载策略插件、初始化通知渠道、启动调度引擎。

Windows 用户可双击 start.bat 一键启动并打开浏览器。

部署步骤（Debian / Ubuntu）

1. 安装系统依赖

sudo apt update
sudo apt install -y python3 python3-venv python3-pip git

2. 创建用户和目录

sudo useradd -r -s /bin/false gsstock
sudo mkdir -p /opt/gsstock
sudo chown gsstock:gsstock /opt/gsstock

3. 拉取代码并创建虚拟环境

sudo -u gsstock git clone <your-repo-url> /opt/gsstock
cd /opt/gsstock
sudo -u gsstock python3 -m venv venv
sudo -u gsstock venv/bin/pip install -r requirements.txt

如需新闻爬取功能（crawl4ai），还需安装 Playwright 浏览器：

sudo apt install -y libglib2.0-0 libnss3 libnspr4 libatk1.0-0 libatk-bridge2.0-0 \
  libcups2 libdrm2 libdbus-1-3 libxcomposite1 libxdamage1 libxrandr2 \
  libgbm1 libpango-1.0-0 libcairo2 libasound2 libxshmfence1
sudo -u gsstock venv/bin/playwright install chromium

4. 环境配置

sudo -u gsstock cp .env.sample .env
sudo -u gsstock nano .env

5. 初始化数据目录

sudo -u gsstock mkdir -p data

6. 安装 systemd 服务

sudo cp gsstock.service /etc/systemd/system/
sudo systemctl daemon-reload
sudo systemctl enable gsstock
sudo systemctl start gsstock

7. 管理服务

sudo systemctl status gsstock    # 查看状态
sudo systemctl restart gsstock   # 重启
sudo journalctl -u gsstock -f    # 查看日志

访问 http://:5000

数据存储

文件 说明
data/stock.db 公共数据（股票列表、缓存、分类）
data/private.db 私有数据（持仓、交易、配置），自动生成，不提交到 Git

首次运行时，如果 stock.db 中包含私有表，会自动迁移到 private.db。

数据源

系统通过负载均衡器自动分配数据源，支持熔断和故障转移。未配置 API 密钥的数据源会自动跳过。

A股

无需配置，开箱即用。

数据源 说明 密钥
新浪财经 实时行情 无需
腾讯财经 实时行情，批量获取 无需
东方财富 实时行情 + 历史K线 无需
yfinance 兜底数据源 无需

美股

默认使用 yfinance（无需密钥）。配置额外密钥可启用多数据源负载均衡。

数据源 免费额度 环境变量
Yahoo Finance 无限制 无需
Twelve Data 8请求/分钟, 800请求/天 TWELVE_DATA_API_KEY
Polygon.io 5请求/分钟 POLYGON_API_KEY

港股

数据源 环境变量
Yahoo Finance 无需
Twelve Data TWELVE_DATA_API_KEY

韩股 / 台股

仅支持 yfinance，无需配置。

数据源配置

在 .env 中添加对应的 API 密钥即可启用。数据源配置文件：app/config/data_sources.py

AI 分析（可选）

集成智谱 GLM 大模型，为持仓股票生成结构化分析建议。支持本地 LLM 替代云端 Flash 层。

  • Flash 层 — 本地 llama-server（优先）或 智谱 glm-4-flash，处理快速任务：每日简报、新闻分类、情绪分析
  • Premium 层 (glm-4) — 高质量分析：深度分析、操作建议

云端 AI（智谱 GLM）

ZHIPU_API_KEY=your_key_here
LLM_DAILY_BUDGET=5.0      # 日预算上限（美元），默认 5.0
LLM_REQUEST_TIMEOUT=300    # API 请求超时（秒），默认 300

配置 ZHIPU_API_KEY 后自动启用 AI 分析功能。预算用尽时自动降级到 Flash 层。

本地 LLM（llama-server）

用本地模型替代云端 Flash 层，零 API 费用，无网络依赖。推荐 Qwen3.5-9B（Q4_K_M 量化，约 6.5GB VRAM）。

  1. 安装 llama.cpp（Windows 可通过 winget install ggml.llamacpp）
  2. 下载 GGUF 模型（约 5.9GB）：
curl.exe -L -C - -o "D:/Models/Qwen_Qwen3.5-9B-Q4_K_M.gguf" "https://huggingface.co/bartowski/Qwen_Qwen3.5-9B-GGUF/resolve/main/Qwen_Qwen3.5-9B-Q4_K_M.gguf"

-C - 支持断点续传，中断后重新运行即可继续。Windows PowerShell 用户需使用 curl.exe 替代 curl。

  1. 在 .env 中启用：
LLAMA_SERVER_ENABLED=true
LLAMA_SERVER_URL=http://127.0.0.1:8080

本地可用时自动作为 Flash 层；不可用时 fallback 到智谱 Flash（如已配置）。

注意：winget 安装的 llama.cpp 默认使用 Vulkan 后端。如需 CUDA 后端（性能更好），需从源码编译或下载 CUDA 版本的 release。

AI 走势预测（可选）

基于 PyTorch 时序 Transformer 模型，利用历史 OHLCV + 技术指标（MA/RSI/MACD/布林带等 19 维特征）训练交易信号模型，输出买入/卖出/持有信号及置信度。

  • 需要 NVIDIA GPU（推荐 RTX 4070 级别以上）
  • 模型存储在 data/models/{stock_code}/
  • 作为策略插件自动注册，定时扫描并推送信号

安装 PyTorch（CUDA 版本）：

pip install torch --index-url https://download.pytorch.org/whl/cu124

通知系统（可选）

策略引擎检测到信号后，通过事件总线推送到已配置的通知渠道。

Slack

  1. 打开 Slack API: Applications，点击 Create New App → From scratch
  2. 输入应用名称（如 Stock Alert），选择目标 Workspace，点击 Create App
  3. 左侧菜单选择 Incoming Webhooks，开启 Activate Incoming Webhooks
  4. 页面底部点击 Add New Webhook to Workspace，选择接收通知的频道，点击 Allow
  5. 复制生成的 Webhook URL，填入 .env：
SLACK_WEBHOOK_URL=https://hooks.slack.com/services/xxx

配置后自动启用。

技术栈

  • 后端 — Flask + SQLAlchemy + SQLite
  • 前端 — Bootstrap 5 + 原生 JavaScript
  • 数据源 — akshare + yfinance + Twelve Data + Polygon（多源负载均衡）
  • OCR — RapidOCR (ONNX Runtime)
  • AI — 智谱 GLM（Flash/Premium 分层路由） + 本地 LLM（llama-server）
  • 走势预测 — PyTorch 时序 Transformer（GPU 训练推理）
  • 调度 — APScheduler（Cron 策略执行）

项目结构

app/
├── config/           # 配置（股票代码、数据源、通知）
├── models/           # SQLAlchemy 数据模型
├── routes/           # Flask Blueprint 路由
├── services/         # 业务逻辑服务
├── templates/        # Jinja2 页面模板
├── static/           # CSS/JS 静态资源
├── llm/              # LLM 路由和提供者（智谱 GLM / 本地 llama-server）
├── ml/               # 走势预测（Transformer 模型、特征工程、训练推理）
├── notifications/    # 多渠道通知系统
├── strategies/       # 策略插件系统
├── scheduler/        # APScheduler 后台调度
├── middleware/       # Flask 中间件
└── utils/            # 工具函数

About

No description, website, or topics provided.

Resources

Readme
Activity

Stars

1 star

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages