# StockAnalysisSystem **Repository Path**: kevinosc/StockAnalysisSystem ## Basic Information - **Project Name**: StockAnalysisSystem - **Description**: 上市公司财报分析系统 - **Primary Language**: Python - **License**: Apache-2.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 245 - **Created**: 2020-05-17 - **Last Updated**: 2020-12-20 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # StockAnalysisSystem This program is designed for Chinese market and Chinese accounting policies (currently). So this document will only provide Chinese version. # Gitee https://gitee.com/SleepySoft/StockAnalysisSystem # Github https://github.com/SleepySoft/StockAnalysisSystem # 网盘下载： 应网友要求，对于网络访问受限的用户，提供网盘下载（离线数据同样在此下载）： 链接：https://pan.baidu.com/s/1H-viluqOoKrKRNJJmU17jg 提取码：4r3u # 视频讲解 安装配置：https://www.bilibili.com/video/BV14z411b7AE/ 设计与框架：https://www.bilibili.com/video/BV1u64y1u7dy/ # 最近更新内容： ### 增加因子支持 ### 增加因子图表 ### 优化载入股票列表的性能问题 # 更新计划： 将因子整合进统一接口进行访问和管理 > 因子通过query统一获取 > 因子可以提前计算并缓存 > 对于未缓存的因子在请求时运行计算过程 > 将数据描述（Prob）从UniversalDataTable中提取出来，使数据加入，更新和检查更加自动化 > 以上内容都没想好怎么做，设计上遇到瓶颈，请各位架构大佬赐教OTZ 加入更多常用的因子 接入更多的数据（暂时还是从TS来） # 联系作者 如果有任何意见及建议，或者对此项目感兴趣的，请联系我： 微博：SleepySoft 邮箱：sleepysoft##163.com QQ群：931499339，进群验证码：SleepySoft 如果遇到BUG，可以给我发邮件，或直接在git上提交issue ---------------------------------------------------------------------------------------------------------------------- # 股票分析系统（当前规划） ![image](res/plan.png) ---------------------------------------------------------------------------------------------------------------------- # 本程序的目的： 1. 自动选择合适的数据抓取模块和数据源下载所需要的数据 2. 数据抓取模块能够进行有效性检测，并且能够方便地扩充和替换，可以通过适配器接入其它的库 3. 增加一个数据源以及将其本地化所需的代码应尽可能少 4. 能进行离线分析 5. 分析模块（策略模块）应该可以动态扩充和组合 6. 最终能生成矩阵式excel报告：以证券为行，以分析方法为列，相交点为此分析方法对此证券的评分；最后一列为该证券的总分 ---------------------------------------------------------------------------------------------------------------------- # 使用方法及软件依赖与配置 ## 懒人看这里 1. 对于打包好的程序，直接运行main.exe即可 2. 程序现在提供了脚本帮助用户自动配置python环境，请直接运行“build.bat -e”，为当前的Python环境安装依赖库 3. 程序第一次启动时，会自动检查配置并弹出配置界面，请按照提示填写即可。同时这个界面提供mongodb数据的一键导入功能： > 请将offline_data/StockAnalysisSystem.zip.1解压到当前文件夹，导入时选择解压出来的StockAnalysisSystem其文件夹即可 > 如果不导入数据，可以通过数据管理界面重新下载（需要正确配置Ts Token） 4. 如果是直接运行EXE的用户，导入数据的同时，sAsUtility.db需要手动拷贝到Data目录 ## 环境及软件依赖 1. 使用python3，推荐python3.7. IDE推荐pycharm（如果需要调试）：https://www.jetbrains.com/pycharm/download/#section=windows 2. 依赖pandas，推荐使用anaconda的环境：https://www.anaconda.com/distribution/ 3. 需要安装sqlite：https://www.sqlite.org/index.html 4. 需要安装mongodb（免费的社区版即可）：https://www.mongodb.com/what-is-mongodb 5. 当前数据采集依赖于tushare的pro接口（未来会加入其它采集方式） > 1.1 在当前运行的python环境中安装tushare：pip install tushare > 1.2 注册一个tushare的账号：https://tushare.pro/register?reg=271027 > 1.3 想办法获取500以上的积分（如果没有，无法更新数据，但可以使用离线数据）：https://tushare.pro/document/1?doc_id=13 > 1.4 获取你的token并填入配置界面：https://tushare.pro/document/1?doc_id=39 6. 其它的依赖项请参照build.bat，或者在当前环境下直接运行build.bat -e # 软件配置 当前软件配置全部通过界面进行，请按照界面提示操作即可 # 软件运行 请直接运行main.py，如果有库缺失，请下载依赖库 对于使用打包好的程序的用户，请直接运行main.exe 如果不想运行，也可以直接打开analysis_report.xlsx查看分析结果。 # 报告格式说明 报告为表格矩阵，以股票代码为列，以分析算法为行，相交格子为该算法对此股票的评分（0 - 100），默认50分以上为PASS 结果分为两页，第一页为评分，第二页为分析算法输出的详细信息，以供人工核对及查阅 绿色为PASS，红色为FAIL，灰色为不适用，或因数据缺失导致无法分析 最后一列为总评分，在一行中，只要有一个评分为FAIL，则总评分为FAIL；如果不存在FAIL但存在灰色结果，则总评分为灰色的PASS 当前分析算法还不够完善，结果仅供参考，遇到和自己分析存在偏差的情况，请参阅详细信息并进行人工复核 ---------------------------------------------------------------------------------------------------------------------- # 开发计划： ### Analysis 0. TODO: 1. 接入更多财务数据 > 主营业务数据 -> 20200310: Done > 限售股解禁: https://tushare.pro/document/2?doc_id=160 > 回购数据 > 增减持数据（2000积分暂时没戏）: https://tushare.pro/document/2?doc_id=175 2. 接入股东数据 > 实际控制人数据（巨潮）: http://webapi.cninfo.com.cn/#/dataBrowse?id=266 3. 加入更多分析算法 > 无实际控制人 > 去年及未来一年有减持计划 5.加入扩展（Extension）功能 -> 20200323：Done > History -> Pending > Chart Lab -> 20200331: Partly Done 11. 整合测试入口，执行一个文件即可运行所有测试 21. 将数据迁移到MongoDB > XList Table 31. 加入实时数据 32. 策略参数可配置可保存 ## Stock Memo（股票笔记） 表格形式 标签：为股票选择标签（黑/白/灰名单，短线/长线，以及自定义各种标签），以便区分操作策略 基准：将当天或某个价格作为基准，显示基于此价格的涨跌幅 笔记：和History功能配合，将笔记显示在时间轴上 历史：打开该股票的历史（或者与笔记一起，混合显示） 搜索：名字/部分名字，代码/部分代码，行业，产品 仪表盘：打开仪表盘，其中有直达各种第三方工具的链接 更新：仅更新此股票数据 分析：调用分析器针对这一只股票进行分析并立即展现结果 ### Discovery（股票发现） 依赖以下信息： 股票基本信息（曾用名） 行业数据 股票概念及分类数据 公司产品数据 当用户输入关键字时，依次搜索和匹配以下内容： 股票代码 股票名称 自定义标签 产品 概念 行业 经验系统 联想推理（经验系统）： 用户可以通过输入关联信息添加经验数据，例如： 疫情->口罩->无纺布 新基建->数据中心->UPS, 电力设施 继而发现[产品]或[概念]相关的公司 ### History（股市史） 1. 为History加入Horizon轴支持 -> Done 2. 增加显示折线图的Track -> Done 3. 集成到StockAnalysisSytem -> Done 4. 股票历史的录入 5. Stock Memo在时间轴上的显示 ---------------------------------------------------------------------------------------------------------------------- # 任务回收站 将分析过程用到的参数抽取为因子 -> 20200507: Done #### History: > 入口：上方菜单 Extension -> History > 在时间轴下方显示笔记，上方显示对应日期的的K线 > 设计目标： > 1.按时间节点记录事件及研究笔记 > 2.今后的回测功能可以在时间轴上显示关键点，以供参考 > 缺陷： > 1.尽管进行过优化，然而对于大量数据的显示（比如上证指数，约9000+交易日）效率依然不佳 > 2.界面效果没达到预期，后期边用边改进吧 #### 年报下载: > 入口：上方菜单 Extension -> 年报下载 > 用以从巨潮上下载指定股票对应报告期间的年报 > 主要代码来自：https://github.com/gaodechen/cninfo_process > 暂时仅支持年报下载 > 请谨慎进行大批量下载 4.加入《手把手教你读财报》的分析方法 -> 20200406: Done > 现金流画像 -> 20200328：Done > 货币资金分析 -> 20200328：Done > 应收预付分析 -> 20200329：Done > 资产构成分析 -> 20200405: Done > 利润表分析 -> 20200406: Done > 股东人数和十大股东 -> 20200305: Done 1. 生成EXCEL格式的报告 -> 20200129: Done 2. 编写数据更新的管理界面 -> 20200130: Done > 硬编码过多，待重构数据结构解决 -> 20200201: Partly done > data_update_ui: 将线程任务打包，并正确显示各个项目的进度 -> 20200212: Done 3. 编写策略选择界面 -> 20200131: Done 4. 策略运行进度显示 -> 20200131: Done 5. 界面集成 -> 20200201: Done 6. 完善设计文档 -> 2020.2.2: Partly done 7. 加入配置界面，而非写入config.py，使程序便于打包成EXE -> 20200203: Done 8. 加入配置检查功能 -> 20200203: Done 9. 加入打包功能，使程序能打包成EXE直接执行 -> 20200204: Done 10. 改善mongodb读写性能和内存使用 ->20200214: Done > 加入connection计数与限制，超过后关闭client以释放连接及内存 ->20200214: Done > 为nosql数据库加入索引，提升查询和upsert速度 ->20200214: Done > 使用bulk减少IO操作 -> 20200222: Done > 使用多线程同时下载数据和写入数据库 -> 20200305: Done 11. 接入更多财务数据 > 股权质押数据 -> 20200212: Done 12. 接入股东数据 > 股权质押数据 -> 20200221: Done > 股东人数和十大股东: 20200227: Done 12. 接入交易数据 -> 20200221: Done 13. 加入更多分析算法 > 存贷双高 -> 20200206: Done > 股权质押过高 -> 20200223: Done > 商誉过高 -> 2200223: Done 14. 将数据迁移到MongoDB > UpdateTable -> 20200209: Done 15. 废弃旧仓库，重新建立仓库以减少空间占用，并同时迁移数据到gitee（今后代码会同时提交到两个仓库） -> 20200218: Done