# stock_analyse

**Repository Path**: hesu/stock_analyse

## Basic Information

- **Project Name**: stock_analyse
- **Description**: analyse stock data using pytorch
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-04-12
- **Last Updated**: 2026-02-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# A 股 AI 预测程序

## 1. 原始数据下载

### 1.1. V1~V3

**analyse_data/raw_main：**  
通达信主页-设置->盘后数据下载->沪深京日线->参数勾选:日线和实时行情数据->开始下载  
通达信主页-设置->数据导出->高级数据导出->参数[添加品种:沪深 A 股(全选), 日线导出, 文件名:XXXXXX.TXT, 前复权, 生成导出头部:勾选, 分隔格式:TAB(), 日期格式:YYYY/MM/DD]->开始导出

**analyse_data/raw_supplement/YYYYMMDD：**  
通达信主页-设置->系统设置->复权方式:等比复权  
通达信主页-公式->公式管理器->新建指标:BASIC, 指标公式如下:

```
AMOW:AMO,VOLSTICK;
CAP:FINANCE(1),NODRAW;
SCAP:FINANCE(7),NODRAW;
```

进入任意股票日 K 线，分析窗口为两个，主窗口为不要任何指标(纯 K 线)，第二个窗口为 BASIC 指标  
通达信主页->A 股->点击进入第一支股票->进入日线->复权方式:前复权->命令:34(数据导出)->格式文本文件->确定->下一支股票  

可使用键鼠脚本结合通达信来下载：

```bash
python common/autokeys.py analyse_data/supplement_down.json
```

### 1.2. V4~Vx

**analyse_data/raw_new/YYYYMMDD：**  
通达信主页-设置->系统设置->复权方式:无复权  
通达信主页-公式->公式管理器->新建指标:BASIC, 指标公式如下:

```
A:AMO,NODRAW;
CAP:FINANCE(1),NODRAW;
SCAP:FINANCE(7),NODRAW;
XR:SPLIT(0,0),NODRAW;
XD:SPLIT(0,1),NODRAW;
XRBARS:SPLITBARS(0,0),NODRAW;
XDBARS:SPLITBARS(0,1),NODRAW;
IDXCODE:DPZSCODE,NODRAW;
IDXO:INDEXO,NODRAW;
IDXH:INDEXH,NODRAW;
IDXL:INDEXL,NODRAW;
IDXC:INDEXC,NODRAW;
IDXV:INDEXV,NODRAW;
IDXA:INDEXA,NODRAW;
IDXADV:INDEXADV,NODRAW;
BIDXCODE:HYZSCODE,NODRAW;
BIDXO:HY_INDEXO,NODRAW;
BIDXC:HY_INDEXC,NODRAW;
BIDXH:HY_INDEXH,NODRAW;
BIDXL:HY_INDEXL,NODRAW;
IDXDEC:INDEXDEC,NODRAW;
BIDXV:HY_INDEXV,NODRAW;
BIDXA:HY_INDEXA,NODRAW;
BIDXADV:HY_INDEXADV,NODRAW;
BIDXDEC:HY_INDEXDEC,NODRAW;
```

进入任意股票日 K 线，分析窗口为两个，主窗口为不要任何指标(纯 K 线)，第二个窗口为 BASIC 指标  
通达信主页->A 股->点击进入第一支股票->进入日线->复权方式:无复权->命令:34(数据导出)->Excel文件->确定->下一支股票  
请使用键鼠脚本结合通达信来下载

```bash
python common/autokeys.py analyse_data/supplement_down.json
```

> 对比 V1~V3: 
> - 无需 raw_main，只需要 raw_new (与 raw_supplement 近似)
> - 股价无复权
> - BASIC 指标有增加
> - 下载为 Excel 格式（其实与 格式文本文件 相同，可以直接用 Excel 打开）

### 1.3. 数据包解压
如果直接得到了数据包，解压到对应路径即可：

analyse_data/raw_main.7z 解压到 analyse_data/raw_main  
analyse_data/raw_supplement_20200410.7z 解压到 analyse_data/raw_supplement/20200410  
analyse_data/d.7z 为部分中间数据(可选)，解压到 analyse_data/d  
analyse_data/raw_new_20250516.7z analyse_data/raw_new/20250516

后续有新数据，使用 7z 最高压缩比压缩 (防止 Gitee 爆满)，压缩分卷大小 50MB (防止文件太大无法上传)

# 2. V1 版模型使用

## 2.1. 原始数据处理

运行 python v1/y_prepare_all.py 即可

## 2.2. 训练模型

运行 python v1/d_pytorch.py 即可得到，模型保存在 model/xxx.opt 和 model/xxx.opt.pkl  
训练参数在 v1/d_pytorch.py 的中部 opt = { ... }

## 2.3. 生成预测报告

运行 python v1/d2_report.py 即可得到，预测结果保存在 report/xxx.txt  
报告参数在 v1/d2_report.py 的中部 report_opt = { ... }

# 3. V2~Vx 版模型使用

## 3.1. 原始数据处理

运行 python v2/x_prepare.py -t all

## 3.2. 训练模型

运行 python v2/y_train.py -t all

## 3.3. 生成预测报告

将数据下载到 report/v2/YYYYMMDD
运行 python v2/z_report.py

# 4. Git 版本 和 model-desc 版本对照

TAG v2.0 -> data v2.0 原始训练版本  
TAG v2.1 -> data v2.0 增加 DAYS_0, 增加 CUDA 支持  
TAG v2.2 -> data v2.0 修复了 WR 指标计算方式  
TAG v3.0 -> data v3.0 新增预测周期 34 55  
TAG v3.1 -> data v3.0 修复重要问题  
TAG v3.2 -> data v3.2 新增预测指标 OCHLM, OCHLS  
TAB v4.0 -> data v4.0 新的预测指标，增加 交易均价、精准权息、大盘指数、行业指数