# ai-trading

**Repository Path**: stock-data/ai-trading

## Basic Information

- **Project Name**: ai-trading
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2025-08-03
- **Last Updated**: 2025-10-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI Trading 数据获取系统

## 📋 项目概述

AI Trading 数据获取系统是一个基于QMT极简版的综合性股票数据获取和分析平台。系统提供实时行情、历史数据、市场情绪、财务数据、ETF数据等多维度数据获取功能，支持数据监控、分析和报告导出。

### 🎯 项目特色
- **多维度数据**: 实时行情、历史数据、财务分析、市场情绪、ETF数据
- **真实市场连接**: 通过QMT极简版获取真实市场数据
- **智能数据处理**: 自动缓存、数据清洗、格式转换
- **完整监控体系**: 47只股票全方位监控
- **丰富报告输出**: CSV、JSON、数据库多种格式
- **完善日志系统**: 详细记录所有操作和错误
- **技术指标计算**: 支持MA、MACD、RSI、KDJ、布林带等多种技术指标
- **高级缓存管理**: 多级缓存、LRU策略、TTL过期等高级功能
- **数据可视化**: K线图、技术指标图表、成交量分析等多种可视化功能
- **完善错误处理**: 异常分类、错误恢复、重试机制、错误监控

## 🚀 主要功能

### 📊 数据获取功能
- **实时行情数据**: 分笔成交、盘口、分时K线
- **历史数据**: 日线/周线/月线OHLC数据
- **市场情绪数据**: 涨停跌停统计、板块资金流向
- **财务数据**: 市盈率、财务报表、重大公告
- **ETF数据**: 指数走势、成分股权重、期货对冲

### 🛠️ 系统特性
- **真实QMT连接**: 连接到QMT极简版获取真实市场数据
- **47只股票监控**: 涵盖A股、ETF、科创板、创业板、新能源、医药生物
- **智能缓存**: 提高数据获取效率
- **完整日志**: 详细记录所有操作
- **数据库支持**: SQLite本地存储
- **报告导出**: CSV、JSON、Pickle格式
- **技术分析**: 移动平均线、MACD、RSI、KDJ、布林带等技术指标
- **高级缓存**: 内存+磁盘多级缓存，LRU淘汰策略，TTL过期机制
- **数据可视化**: 专业K线图、技术指标图表、成交量分析图表
- **错误处理**: 智能错误分类、自动重试机制、错误监控告警

## 📁 项目结构

```
ai-trading/
├── main.py                    # 主系统模块
├── config.py                  # 配置文件
├── utils.py                   # 工具函数
├── error_handler.py           # 错误处理机制
├── cache_manager.py           # 高级缓存管理器
├── data_visualization.py      # 数据可视化模块
├── technical_indicators.py    # 技术指标计算模块
├── system_optimization.py     # 系统优化模块
├── data_quality_monitor.py    # 数据质量监控
├── alert_system.py            # 警报系统
├── qmt_connection_manager.py  # QMT连接管理
├── websocket_client.py        # WebSocket客户端
├── real_time_data.py          # 实时数据管理
├── historical_data.py         # 历史数据管理
├── sentiment_data.py          # 市场情绪数据
├── financial_data.py          # 财务数据管理
├── etf_data.py               # ETF数据管理
├── analyze_data.py           # 数据分析工具
├── setup.py                  # 安装脚本
├── __init__.py               # 包初始化文件
├── .gitignore                # Git忽略文件
├── web_requirements.txt      # Web依赖文件
├── API文档.md                # API详细文档
├── 项目清理报告.md            # 项目清理报告
├── README.md                 # 项目文档
├── data/                     # 数据存储目录
│   ├── real_time/           # 实时数据
│   ├── historical/          # 历史数据
│   ├── sentiment/           # 情绪数据
│   ├── financial/           # 财务数据
│   ├── etf/                # ETF数据
│   └── ai_trading.db       # SQLite数据库
├── logs/                    # 日志目录
├── cache/                   # 缓存目录
└── charts/                  # 图表输出目录
```

## 🛠️ 安装配置

### 1. 环境要求
- **Python**: 3.6+ (推荐3.8+)
- **QMT极简版**: 已安装并配置
- **conda环境**: qmt-guojin
- **操作系统**: Windows 10/11
- **内存**: 建议4GB以上
- **存储**: 至少2GB可用空间

### 2. 快速安装

#### 步骤1: 克隆项目
```bash
git clone https://github.com/your-username/ai-trading.git
cd ai-trading
```

#### 步骤2: 激活conda环境
```bash
conda activate qmt-guojin
```

#### 步骤3: 运行主程序
```bash
python main.py
```

### 3. 配置QMT连接

编辑 `config.py` 文件，修改以下配置：
```python
# QMT连接配置
QMT_PATH = r'D:\qmt-guojin\userdata_mini'  # 您的QMT路径
ACCOUNT_ID = 'your_account_id'              # 您的账户ID
```

### 4. 验证安装
```bash
# 运行数据分析
python analyze_data.py
```

## 🚀 使用指南

### 启动方式

#### 方式1: 主程序启动（推荐）
```bash
python main.py
```
**特点**: 完整的系统功能，包含所有数据获取和分析功能

#### 方式2: 数据分析
```bash
python analyze_data.py
```
**特点**: 专注于数据分析，生成分析报告

### 数据获取示例

#### 1. 基础使用
```python
from xtquant import xtdata
from xtquant.xttrader import XtQuantTrader
from main import AITradingDataSystem
import time

# 初始化QMT连接
path = r'D:\qmt-guojin\userdata_mini'
session_id = int(time.time() * 1000)
xt_trader = XtQuantTrader(path, session_id)
xt_trader.start()
xt_trader.connect()

# 创建数据系统
data_system = AITradingDataSystem(xtdata, xt_trader)

# 获取综合市场数据
codes = ['000001.SZ', '600036.SH', '510300.SH']
market_data = data_system.get_comprehensive_market_data(codes)
```

#### 2. 实时数据获取
```python
# 获取Level1盘口数据
level1_data = data_system.real_time_manager.get_level1_data(['000001.SZ'])

# 获取分笔数据
tick_data = data_system.real_time_manager.get_tick_data(['000001.SZ'], count=100)

# 获取分钟K线
minute_data = data_system.real_time_manager.get_minute_data(['000001.SZ'], period='1m', count=100)
```

#### 3. 历史数据获取
```python
# 获取日线数据
daily_data = data_system.historical_manager.get_daily_data(['000001.SZ'], count=100)

# 获取周线数据
weekly_data = data_system.historical_manager.get_weekly_data(['000001.SZ'], count=52)

# 获取月线数据
monthly_data = data_system.historical_manager.get_monthly_data(['000001.SZ'], count=24)
```

#### 4. 市场情绪数据
```python
# 获取市场情绪
sentiment_data = data_system.sentiment_manager.get_market_sentiment()

# 获取涨停跌停统计
limit_stats = data_system.sentiment_manager.get_limit_up_down_stats()

# 获取板块资金流向
sector_flow = data_system.sentiment_manager.get_sector_capital_flow()
```

#### 5. 财务数据
```python
# 获取财务指标
financial_indicators = data_system.financial_manager.get_financial_indicators(['000001.SZ'])

# 获取市盈率市净率
pe_pb_data = data_system.financial_manager.get_pe_pb_data(['000001.SZ'])

# 获取财务报表
financial_statements = data_system.financial_manager.get_financial_statements(['000001.SZ'])
```

#### 6. ETF数据
```python
# 获取ETF基本信息
etf_info = data_system.etf_manager.get_etf_basic_info()

# 获取指数走势
index_data = data_system.etf_manager.get_index_trend_data(['000300.SH'], count=100)

# 获取成分股权重
component_weights = data_system.etf_manager.get_component_weights('510300.SH')
```

#### 7. 数据监控
```python
# 启动数据监控
data_system.start_data_monitor(['000001.SZ', '600036.SH'], interval=60)
```

#### 8. 数据导出
```python
# 导出综合报告
data_system.export_data_report('comprehensive')

# 导出市场概览报告
data_system.export_data_report('market_overview')

# 导出股票分析报告
data_system.export_data_report('stock_analysis')
```

## 📈 监控股票列表

### A股 (15只)
- 000001.SZ - 平安银行
- 000002.SZ - 万科A
- 600000.SH - 浦发银行
- 600036.SH - 招商银行
- 000858.SZ - 五粮液
- 000568.SZ - 泸州老窖
- 600519.SH - 贵州茅台
- 000725.SZ - 京东方A
- 002415.SZ - 海康威视
- 000063.SZ - 中兴通讯
- 002594.SZ - 比亚迪
- 300059.SZ - 东方财富
- 000166.SZ - 申万宏源
- 600030.SH - 中信证券
- 000776.SZ - 广发证券

### ETF (8只)
- 510300.SH - 沪深300ETF
- 510500.SH - 中证500ETF
- 159919.SZ - 沪深300ETF
- 159915.SZ - 创业板ETF
- 510880.SH - 红利ETF
- 512100.SH - 中证1000ETF
- 588000.SH - 科创50ETF
- 159949.SZ - 创业板50ETF

### 科创板 (6只)
- 688001.SH - 华兴源创
- 688002.SH - 睿创微纳
- 688981.SH - 中芯国际
- 688111.SH - 金山办公
- 688012.SH - 中微公司
- 688363.SH - 华熙生物

### 创业板 (6只)
- 300001.SZ - 特锐德
- 300002.SZ - 神州泰岳
- 300059.SZ - 东方财富
- 300750.SZ - 宁德时代
- 300760.SZ - 迈瑞医疗
- 300015.SZ - 爱尔眼科

### 新能源 (6只)
- 300750.SZ - 宁德时代
- 002594.SZ - 比亚迪
- 300274.SZ - 阳光电源
- 002129.SZ - 中环股份
- 600438.SH - 通威股份
- 002460.SZ - 赣锋锂业

### 医药生物 (6只)
- 300760.SZ - 迈瑞医疗
- 300015.SZ - 爱尔眼科
- 002007.SZ - 华兰生物
- 600276.SH - 恒瑞医药
- 000661.SZ - 长春高新
- 300122.SZ - 智飞生物

## 📁 数据文件说明

### 数据目录结构
```
data/
├── real_time/     # 实时数据
├── historical/    # 历史数据
├── sentiment/     # 情绪数据
├── financial/     # 财务数据
├── etf/          # ETF数据
└── ai_trading.db # SQLite数据库
```

### 生成的文件类型
- **CSV文件**: 财务数据、ETF数据、市场概览
- **JSON文件**: 综合报告、配置数据
- **数据库**: SQLite格式，存储结构化数据
- **日志文件**: 系统运行日志

## 🔧 配置说明

### 主要配置项
```python
# QMT连接配置
QMT_PATH = r'D:\qmt-guojin\userdata_mini'  # QMT安装路径
ACCOUNT_ID = '8883153297'  # 资金账号

# 数据更新频率
UPDATE_FREQUENCY = {
    'real_time': 1,  # 实时数据更新频率(秒)
    'tick': 0.5,     # 分笔数据更新频率(秒)
    'minute': 60,    # 分钟数据更新频率(秒)
    'daily': 86400,  # 日线数据更新频率(秒)
    'sentiment': 300, # 情绪数据更新频率(秒)
    'financial': 86400  # 财务数据更新频率(秒)
}

# 缓存配置
CACHE_CONFIG = {
    'enable_cache': True,
    'cache_expire': 3600,  # 缓存过期时间(秒)
    'max_cache_size': 1000  # 最大缓存条目数
}
```

## 📊 数据分析

### 数据分析工具
```bash
# 运行数据分析
python analyze_data.py
```

### 分析内容
- 财务数据分析（ROE、毛利率、净利率等）
- 市场概览分析（指数、情绪、成交量等）
- ETF数据分析（规模、表现等）
- 生成汇总报告

## 🐛 故障排除

### 常见问题

#### 1. QMT连接失败
**症状**: `QMT模块导入失败: No module named 'xtquant'`
**解决方案**:
- 确保QMT极简版已正确安装
- 检查QMT路径是否正确
- 确认conda环境已激活: `conda activate qmt-guojin`
- 重启QMT客户端并重新登录

#### 2. 模块导入错误
**症状**: `ImportError: cannot import name 'xxx'`
**解决方案**:
- 确保在正确的conda环境中
- 检查Python路径设置
- 重新安装依赖包

#### 3. 数据获取失败
**症状**: `获取数据失败` 或 `连接超时`
**解决方案**:
- 检查股票代码格式是否正确
- 确认QMT连接状态
- 查看日志文件获取详细错误信息
- 检查网络连接

#### 4. 内存不足
**症状**: `MemoryError` 或系统卡顿
**解决方案**:
- 减少监控股票数量
- 增加系统内存
- 调整缓存配置
- 定期清理数据文件

#### 5. 权限问题
**症状**: `Permission denied` 或 `Access denied`
**解决方案**:
- 以管理员身份运行
- 检查文件权限
- 确保有写入data目录的权限

### 日志文件
- **位置**: `logs/ai_trading.log`
- **级别**: INFO, WARNING, ERROR
- **内容**: 系统运行日志、错误信息

### 调试技巧
```bash
# 查看详细日志
tail -f logs/ai_trading.log

# 检查环境
python -c "import sys; print(sys.path)"
```

## 📞 技术支持

### 联系方式
- **项目维护**: AI Trading Team
- **技术支持**: 查看日志文件和错误信息
- **问题反馈**: 提交Issue到GitHub

### 社区资源
- **文档**: 查看 `API文档.md`
- **配置**: 查看 `config.py` 配置文件

## 📄 更新日志

### v1.2.0 (2025-08-04)
- 🧹 **项目清理**: 删除了80+个测试脚本和演示文件
- 🧹 **结构优化**: 清理了临时文件和重复代码
- 📝 **文档更新**: 更新了README.md和项目结构
- ✅ **代码精简**: 保留核心功能，移除无用代码

### v1.1.0 (2025-08-03)
- ✅ 修复JSON序列化错误
- ✅ 修复变量作用域问题
- ✅ 注释掉监控系统避免长时间运行
- ✅ 完善错误处理和日志记录
- ✅ 优化数据导出功能

### v1.0.0 (2025-08-01)
- 🎉 初始版本发布
- ✅ 支持47只股票监控
- ✅ 完整的QMT连接和数据获取
- ✅ 多维度数据分析
- ✅ 实时数据监控功能
- ✅ 数据报告导出功能

## 📄 许可证

本项目仅供学习和研究使用，请遵守相关法律法规。

### 免责声明
- 本系统仅用于数据获取和分析，不构成投资建议
- 使用者需自行承担投资风险
- 请遵守相关法律法规和交易所规则

---

**AI Trading 数据获取系统** - 让数据获取更简单、更高效！

⭐ 如果这个项目对您有帮助，请给我们一个星标！