# stock_trading_tool

**Repository Path**: swner_admin/stock_trading_tool

## Basic Information

- **Project Name**: stock_trading_tool
- **Description**: 基于 Python 和 PaddleTS 的智能股票分析和交易系统
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-12-28
- **Last Updated**: 2025-12-31

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 股票交易工具 Stock Trading Tool

<div align="center">

**基于 Python 和 PaddleTS 的智能股票分析和交易系统**

[![Python](https://img.shields.io/badge/Python-3.10+-blue.svg)](https://www.python.org/)
[![License](https://img.shields.io/badge/License-MIT-green.svg)](LICENSE)
[![PaddleTS](https://img.shields.io/badge/PaddleTS-1.1.0+-orange.svg)](https://github.com/PaddlePaddle/PaddleTS)

[快速开始](#快速开始) • [功能特性](#功能特性) • [文档](#文档) • [示例](#示例)

</div>

---

## 📋 目录

- [项目简介](#项目简介)
- [核心功能](#核心功能)
- [项目结构](#项目结构)
- [快速开始](#快速开始)
- [使用指南](#使用指南)
- [文档](#文档)
- [贡献指南](#贡献指南)
- [许可证](#许可证)

---

## 📖 项目简介

这是一个功能完整的股票量化交易工具，集成了数据获取、技术分析、AI预测和策略回测等功能。适合：
- 量化交易初学者学习
- 策略开发和回测
- 股票技术分析
- AI模型研究

### 主要特点

✨ **易于使用** - 提供 Web 界面和命令行两种方式
🎯 **功能完整** - 覆盖从数据获取到策略回测的完整流程
🤖 **AI驱动** - 基于 PaddleTS 深度学习框架进行价格预测
📊 **丰富指标** - 支持 MA、MACD、RSI、KDJ、布林带等多种技术指标
🔄 **策略回测** - 完整的回测引擎，详细的性能分析
📈 **可视化** - 基于 Streamlit 的现代化 Web 界面

---

## 🚀 核心功能

### 1. 数据获取模块
- 接入 Tushare 数据源
- 支持 A股、港股、美股数据
- 自动处理复权因子
- 本地缓存机制

### 2. 技术指标分析
- **趋势指标**: MA、EMA
- **动量指标**: MACD、RSI、KDJ
- **波动指标**: 布林带、ATR
- **成交量指标**: OBV

### 3. AI 价格预测
- 基于 PaddleTS 时间序列框架
- 支持 LSTM、MLP、RNN 模型
- 自动化超参数优化
- 多步预测功能

### 4. 交易策略
- 双均线策略
- MACD 策略
- RSI 策略
- 布林带策略
- 支持自定义策略

### 5. 回测引擎
- 完整的回测系统
- 多维度性能指标
- 交易记录详情
- 资金曲线可视化

### 6. Web 可视化
- 交互式 K线图
- 技术指标图表
- 实时数据更新
- 策略回测结果展示

---

## 📁 项目结构

```
stock_trading_tool/
│
├── src/                      # 核心源代码
│   ├── data_loader.py        # 数据加载模块
│   ├── indicators.py         # 技术指标计算
│   ├── predictor.py          # AI 价格预测
│   ├── strategy.py           # 交易策略和回测
│   └── README.md             # 模块详细说明
│
├── scripts/                  # 脚本工具集
│   ├── data_download/        # 数据下载脚本
│   ├── automl/              # 自动化机器学习
│   ├── utils/               # 工具脚本
│   └── deploy/              # 部署脚本
│
├── examples/                 # 使用示例
│   ├── basic_usage.py        # 基础使用示例
│   └── README.md             # 示例说明
│
├── tests/                    # 测试文件
│   └── README.md             # 测试说明
│
├── docs/                     # 项目文档
│   └── README.md             # 文档索引
│
├── data/                     # 数据目录
├── models/                   # 模型存储
│
├── app.py                    # Streamlit Web 应用
├── config.example.py         # 配置文件模板
│
├── README.md                 # 项目主文档（本文件）
├── QUICKSTART.md             # 快速开始指南
├── INSTALL.md                # 详细安装说明
├── CONTRIBUTING.md           # 贡献指南
├── LICENSE                   # 许可证
│
├── requirements.txt          # Python 依赖
└── .gitignore               # Git 忽略规则
```

**目录说明**:
- `src/` - 核心业务逻辑模块
- `scripts/` - 各类辅助脚本
- `examples/` - 代码示例和教程
- `tests/` - 单元测试和集成测试
- `docs/` - 详细文档和研究报告

---

## ⚡ 快速开始

### 1. 环境要求

- Python 3.10+
- pip 包管理器
- 8GB+ RAM (推荐)

### 2. 安装

```bash
# 克隆项目
git clone https://gitee.com/swner_admin/stock_trading_tool.git
cd stock_trading_tool

# 创建虚拟环境（推荐）
python -m venv venv
source venv/bin/activate  # Linux/Mac
# venv\Scripts\activate  # Windows

# 安装依赖
pip install -r requirements.txt
```

### 3. 配置

```bash
# 复制配置模板
cp config.example.py config.py

# 编辑配置文件，填入您的 Tushare Token
vim config.py
```

获取 Tushare Token: https://tushare.pro/

### 4. 运行

**方式 1: Web 界面**
```bash
streamlit run app.py
```
浏览器打开 http://localhost:8501

**方式 2: 命令行**
```bash
python examples/basic_usage.py
```

**方式 3: Python 脚本**
```python
from src.data_loader import StockDataLoader
from src.indicators import TechnicalIndicators

# 加载数据
loader = StockDataLoader()
df = loader.get_stock_data("000001.SZ", start_date="20230101")

# 计算指标
indicators = TechnicalIndicators(df)
df = indicators.add_all_indicators()

print(df.tail())
```

更多详情请查看 [快速开始指南](QUICKSTART.md)

---

## 📚 使用指南

### 数据加载

```python
from src.data_loader import StockDataLoader

loader = StockDataLoader()
# 获取平安银行数据
df = loader.get_stock_data("000001.SZ", start_date="20230101")
```

### 计算技术指标

```python
from src.indicators import TechnicalIndicators

indicators = TechnicalIndicators(df)
df = indicators.add_all_indicators()

# 或计算单个指标
rsi = indicators.calculate_rsi(period=14)
macd = indicators.calculate_macd()
```

### 策略回测

```python
from src.strategy import MAStrategy, BacktestEngine

# 创建双均线策略
strategy = MAStrategy(short_window=5, long_window=20)

# 运行回测
engine = BacktestEngine(initial_capital=100000)
results = engine.run_backtest(df, strategy)

print(f"收益率: {results['total_return']:.2%}")
print(f"最大回撤: {results['max_drawdown']:.2%}")
```

### 价格预测

```python
from src.predictor import StockPredictor

predictor = StockPredictor()
predictor.train(df, model_type='lstm', epochs=100)
predictions = predictor.predict(days=30)
```

---

## 📖 文档

- [安装指南](INSTALL.md) - 详细的安装步骤和环境配置
- [快速开始](QUICKSTART.md) - 5分钟上手教程
- [API 文档](src/README.md) - 核心模块 API 说明
- [示例代码](examples/) - 各种使用示例
- [贡献指南](CONTRIBUTING.md) - 如何参与项目开发
- [项目文档](docs/) - 研究报告和技术文档

---

## 🛠️ 高级功能

### AutoML 自动化训练

```bash
# 运行自动化机器学习
python scripts/automl/automl_simplified.py

# 并行训练多个模型
python scripts/automl/automl_intelligent_parallel.py

# 多变量时间序列
python scripts/automl/automl_multivariate.py
```

### 批量下载数据

```bash
# 下载所有A股数据
python scripts/data_download/download_all_stocks.py

# 下载10年历史数据
python scripts/data_download/download_10years_data.py
```

### 部署到服务器

```bash
bash scripts/deploy/deploy_to_new_server.sh user@server_ip
```

更多脚本说明请查看 [scripts/README.md](scripts/README.md)

---

## 🤝 贡献指南

欢迎贡献代码、报告 Bug、提出建议！

1. Fork 本仓库
2. 创建特性分支 (`git checkout -b feature/AmazingFeature`)
3. 提交更改 (`git commit -m 'Add some AmazingFeature'`)
4. 推送到分支 (`git push origin feature/AmazingFeature`)
5. 创建 Pull Request

详见 [贡献指南](CONTRIBUTING.md)

---

## ⚠️ 免责声明

**重要提示:**
- 本工具仅供学习和研究使用
- 股票投资有风险，入市需谨慎
- 预测结果不构成任何投资建议
- 使用本工具进行的任何投资决策，风险自负
- 作者不对使用本工具造成的任何损失负责

---

## 📜 许可证

本项目采用 MIT 许可证 - 查看 [LICENSE](LICENSE) 文件了解详情

---

## 📞 联系方式

- 提交 Issue: https://gitee.com/swner_admin/stock_trading_tool/issues
- Pull Request: https://gitee.com/swner_admin/stock_trading_tool/pulls

---

## 🌟 致谢

- [PaddleTS](https://github.com/PaddlePaddle/PaddleTS) - 时间序列预测框架
- [Tushare](https://tushare.pro/) - 金融数据接口
- [Streamlit](https://streamlit.io/) - Web 应用框架
- 所有贡献者

---

<div align="center">

**如果这个项目对您有帮助，请给个 ⭐ Star！**

Made with ❤️ by Stock Trading Tool Contributors

</div>