关于DeepSeek R1本地部署转发2个帖子：1个是ollama安装及deepseek模型或其它模型的安装，1个是web-ui界面的安装（本地部署目前不支持联网搜索），示例为让几个模型参考模仿新年贺词的内容和结构重写一篇的结果。 - 鼎盛网

傲游截图20250128134422.png (248.45 KB, 下载次数: 1)

2025-1-28 13:45 上传

作者: 中年机器猫 时间: 2025-1-28 14:01
标题: 打不开是因为网址错了https://www.1ai.net/27856.html，我有安装部分的截图
本帖最后由中年机器猫于 2025-1-28 14:02 编辑

: 登录/注册后可看大图

作者: isaac 时间: 2025-1-28 14:07
标题: 如何安装，可以直接问DeepSeek或者其它AI助手，都可以，但试过之后，还是要几百G的模型才行，小的只能玩玩，干不了什么事。
本帖最后由 isaac 于 2025-1-28 14:09 编辑

ollama模型.jpg (25.02 KB, 下载次数: 1)

下载附件

2025-1-28 14:08 上传

作者: 中年机器猫 时间: 2025-1-28 14:16
标题: 关键是看硬盘空间，以及电脑配置。硬盘有地儿就可以随意装大空间模型。

作者: 燕小六 时间: 2025-1-28 14:19
标题: 显卡差的就不要考虑了，有着功夫还是用官网版吧，

作者: isaac 时间: 2025-1-28 14:24
标题: 是，设备需要更新了。

作者: isaac 时间: 2025-1-28 14:25
本地模型的分析：
投资建议
<think> 好的，我现在要帮用户生成一份详细的投资建议。首先，我需要仔细阅读和理解用户提供的所有信息，包括股价的数据、K线形态分析、网格位、黄金分割位以及枢轴位的分析，还有新闻情感和股票未来走势预测。
首先，我会回顾股价的收盘价601818.SH，是3.4839%，显示出支撑位。接着，K线显示持续上涨，但近期波动较大。接下来，看看网格位是否在当前趋势中，没有明显突破。黄金分割位在7.7265，虽然接近支持位，但目前股价还没到。枢轴位在0.1104，同样处于支撑位下方。

然后，成交量方面，显示有上涨的迹象，但需要看是否超过阈值。新闻情感分析中，大部分是正的，包括资金流入和市场乐观，但也有部分负面新闻影响。

未来走势预测时，考虑到多日上涨趋势，加上K线持续上升，以及网格位、黄金分割位的位置，可能会继续上涨。操作建议方面，我会建议买入，持有并关注支撑位变化，同时卖出在关键位附近。

最后，整合所有分析，形成一份结构清晰的投资建议，包括技术指标、形态、位置分析、成交量和情感预测，并给出具体的买入、持保留其他策略和卖出建议。 </think>

以下是一份基于您提供的信息的详细投资建议：

一、股票技术指标分析
1. 股价技术指标
收盘价：601818（光大银行）
当前股价：3.4839% (支撑位)
价格趋势：连续上涨，但近期呈现显著波动
短期趋势：受市场情绪影响，可能延续或加速上涨
2. K线形态分析
价格走势：连续上涨，多日呈现持续上升趋势，但近期有较大波动
技术指标：未出现突破位（如7.7265或0.1104）的迹象
支撑位/阻力位：股价未突破关键位
3. 网格位、黄金分割位与枢轴位分析
网格位：6.0980（支撑位），未突破
黄金分割位：7.7265，未突破
枢轴位：0.1104，未突破
4. 成交量与价格水平分析
成交量：显示连续上涨趋势，但需关注是否突破大振幅 threshold（通常建议关注1x、3x或5x）
短期信号：多日上涨模式，可能继续突破
长期信号：结合K线形态和技术指标，支持未来走势
二、对K线形态的分析
当前趋势：连续上涨，但近期有较大波动
支撑位/阻力位：股价未突破关键位（网格位或黄金分割位）
形态特征：持续上升且无明显反转迹象
三、对网格位、黄金分割位与枢轴位的分析
网格位（6.0980）：当前处于支撑位，但未突破
建议：如果股价有机会突破或延续上涨趋势，则可能继续突破至7.7265
黄金分割位（7.7265）：上方，可能成为新的支撑位或阻力位
建议：若股价有机会突破，需密切关注是否回到关键位置
枢轴位（0.1104）：下方，但未突破
四、对成交量与价格水平的分析
成交量：显示持续上涨趋势，且多日上涨模式
短期信号：可能继续突破
长期信号：结合K线形态和技术指标，支持未来走势
成交金额：685.41万元，显示出资金流入为主
五、对新闻情感的分析
当前情感：多日正面消息推动股价上涨（如资金流入）
主要观点：市场乐观，资金流向支持股价上涨
潜在风险：负面消息尚未出现（如“武剑任中国银行副行长”可能影响股价）
六、对股票未来走势的预测
技术趋势：多日上涨模式，结合K线形态和网格位/黄金分割位位置
情感支持：市场乐观，短期资金流入为主
短期信号：继续突破关键位（网格位至7.7265或枢轴位至0.1104）
长期信号：结合多日上涨趋势，预计未来走势将延续
七、对股价的买入建议
1. 买入
购买该股票，在市场情绪逐步转向后，当股价突破或接近关键位（7.7265或0.1104）时进行布局
同时关注短期资金流入情况，避免因短期波动影响投资决策
2. 持保留其他策略
保持持有的位置，等待价格继续上涨并突破关键位
定期检查股价的位置和趋势，及时调整仓位
八、对股价的建议
买入价：6.0980（支撑位）
提供投资机会，当股价继续突破或接近关键位时
卖出价：7.7265（上方）或0.1104（下方）
根据市场情绪调整仓位
总结
结合技术指标、K线形态和情感分析，建议买入该股票，并保持持有的位置。长期来看，结合多日上涨趋势和关键位的位置支持未来走势。

作者: bmw325 时间: 2025-1-28 14:26

作者: isaac 时间: 2025-1-28 14:30
DeepSeek网站给的分析，提示词与本地模型一样。
### 投资建议：股票代码 601818（光大银行）

---

#### **1. 技术指标分析**
- **均线系统（MA）**：
  - **5日均线**（3.808）持续上行，且股价（3.87）站稳5日、10日、20日均线，短期趋势偏强。
  - **20日均线**（3.7490）逐步抬升，中期支撑稳固，但需关注能否突破布林带上轨（3.9157）。
- **RSI（59.83）**：处于中性偏强区间，未超买（70以上），仍有上行空间。
- **MACD**：
  - **MACD线**（0.030）上穿信号线（0.0156），柱状图持续扩大（0.0146），显示多头动能增强。
  - 但MACD仍处于低位，需观察后续是否形成金叉确认趋势。
- **布林带**：股价贴近中轨（3.7490），上轨（3.9157）与下轨（3.5823）开口扩大，预示波动性可能增加。
- **ATR（0.1027）**：波动率中等，近期振幅稳定，无明显单边行情信号。

---

#### **2. K线形态分析**
- 近期无显著单根K线形态（如腰带持有、纺锤顶等），但需关注以下组合形态：
  - **1月23日长阳线**（涨幅6.03%，成交量显著放大），显示短期多头强势。
  - **1月27日小阳线**（收盘价持平），成交量缩量，表明高位多空分歧，需警惕回调风险。

---

#### **3. 关键位置分析**
- **网格位**：
  - **小网格**：支撑位3.115（25%）、3.40（50%）；阻力位3.685（75%）。当前股价（3.87）高于小网格阻力，需关注能否站稳。
  - **黄金分割位**：38.2%（3.5345）与50%（3.40）为关键支撑，若回调至3.68（75%）可能提供阻力。
  - **枢轴位**：当前股价接近枢轴点（3.8733），突破阻力位1（3.9067）可看高至3.9433；若跌破支撑位1（3.8367），可能下探3.8033。

---

#### **4. 成交量与价格水平分析**
- **成交量**：
  - **1月23日放量上涨**（363万手）验证多头动能，但后续成交量萎缩（1月27日132万手），需警惕量价背离。
  - **30日天量**（363万手）与地量（108万手）差距较大，显示市场情绪波动。
- **价格水平**：
  - **近期高价3.97**（120日天价）为重要阻力，当前股价（3.87）距离阻力位仅2.5%，突破后上行空间打开。
  - **支撑位**：短期关注3.80（枢轴支撑1），中期关注3.59（唐奇安下轨）。

---

#### **5. 新闻情感分析**
- **中性新闻主导**：
  - 股东质押（1月27日）、高管变动（1月24日）对股价影响有限。
  - **1月23日银行板块走强**：光大银行当日涨5.75%，带动短期情绪，但新闻情感得分均为0，市场未形成强烈共识。
- **风险提示**：需关注后续银行板块整体表现及政策动向。

---

#### **6. 未来走势预测**
- **短期（1-5日）**：
  - 若突破3.9067（枢轴阻力1），可能挑战3.97（历史高点）；若回调，支撑位3.80（枢轴支撑1）和3.68（黄金分割75%）。
  - RSI与MACD支持震荡上行，但成交量缩量或限制涨幅。
- **中期（1-3个月）**：
  - 若站稳3.87并突破3.97，目标看向4.10（斐波那契扩展位）；若跌破3.59，可能回踩3.40（黄金分割50%）。

---

#### **7. 操作建议**
- **买入策略**：
  - **激进型**：现价3.87轻仓试多，止损设3.80（枢轴支撑1），目标3.97。
  - **稳健型**：等待回调至3.80附近（支撑位）建仓，止损3.75。
- **持有策略**：
  - 若持仓成本低于3.80，可继续持有，目标3.97。
- **卖出策略**：
  - 若未能突破3.97且出现放量下跌，建议止盈或减仓。
  - 跌破3.80需严格止损。

---

### **总结**
光大银行（601818）短期技术面偏多，但需警惕高位缩量回调风险。建议关注3.90-3.97阻力区间的突破情况，结合银行板块整体动向灵活操作。中期若突破历史高点，上行空间打开；若回调，3.40-3.59区间为重要支撑。

作者: isaac 时间: 2025-1-28 14:40
标题: DeepSeek生成的大模型投顾代码，可运行本地模型，生成的提示词可用于DeepSeek官网，如需要可添加DeepSeek APIKey，访问官网。
本帖最后由 isaac 于 2025-1-28 14:42 编辑

import json
import requests
from datetime import datetime, timedelta
from textblob import TextBlob  # 用于情感分析

import akshare as ak
import pandas as pd
import talib  # 用于计算技术指标和K线形态
import streamlit as st
import plotly.graph_objs as go
from plotly.subplots import make_subplots

# 辅助函数
def validate_stock_code(symbol):
"""验证股票代码是否有效。"""
if not symbol.isdigit() or len(symbol) != 6:
      return False
return True

def get_stock_basic_info(symbol):
"""获取股票基本信息。"""
stock_info = ak.stock_individual_info_em(symbol=symbol)
return stock_info

def calculate_technical_indicators(kline_data):
"""计算技术指标。"""
kline_data['MA_5' = talib.SMA(kline_data['收盘'], timeperiod=5)  # 5日均线
kline_data['MA_10' = talib.SMA(kline_data['收盘'], timeperiod=10)  # 10日均线
kline_data['MA_20' = talib.SMA(kline_data['收盘'], timeperiod=20)  # 20日均线
kline_data['RSI' = talib.RSI(kline_data['收盘'], timeperiod=14)  # 14日RSI
kline_data['MACD'], kline_data['MACD_signal'], kline_data['MACD_hist' = talib.MACD(
      kline_data['收盘'], fastperiod=12, slowperiod=26, signalperiod=9
)
kline_data['VWAP' = (kline_data['收盘' * kline_data['成交量']).cumsum() / kline_data['成交量'].cumsum()
kline_data['Upper_Band'], kline_data['Middle_Band'], kline_data['Lower_Band' = talib.BBANDS(
      kline_data['收盘'], timeperiod=20, nbdevup=2, nbdevdn=2, matype=0
)
kline_data['ATR' = talib.ATR(
      kline_data['最高'], kline_data['最低'], kline_data['收盘'], timeperiod=14
)
kline_data['Donchian_High' = kline_data['最高'].rolling(window=20).max()  # 20日最高
kline_data['Donchian_Low' = kline_data['最低'].rolling(window=20).min()  # 20日最低
return kline_data

def calculate_grid_levels(kline_data):
"""计算大中小网格位。"""
high = kline_data['最高'].max()  # 最高价
low = kline_data['最低'].min() # 最低价
price_range = high - low       # 价格区间
large_grid = {'大网格_50%': low + price_range * 0.5}
medium_grid = {
      '中网格_33.33%': low + price_range * 0.3333,
      '中网格_66.67%': low + price_range * 0.6667
}
small_grid = {
      '小网格_25%': low + price_range * 0.25,
      '小网格_50%': low + price_range * 0.5,
      '小网格_75%': low + price_range * 0.75
}
return large_grid, medium_grid, small_grid

def calculate_fibonacci_levels(kline_data):
"""计算黄金分割位。"""
high = kline_data['最高'].max()  # 最高价
low = kline_data['最低'].min() # 最低价
price_range = high - low       # 价格区间
fibonacci_levels = {
      '黄金分割_23.6%': high - price_range * 0.236,
      '黄金分割_38.2%': high - price_range * 0.382,
      '黄金分割_50%': high - price_range * 0.5,
      '黄金分割_61.8%': high - price_range * 0.618,
      '黄金分割_78.6%': high - price_range * 0.786
}
return fibonacci_levels

def calculate_pivot_points(kline_data):
"""计算枢轴位。"""
prev_day = kline_data.iloc[-1
high = prev_day['最高'
low = prev_day['最低'
close = prev_day['收盘'
pivot_point = (high + low + close) / 3
pivot_levels = {
      '枢轴点': pivot_point,
      '阻力位1': 2 * pivot_point - low,
      '支撑位1': 2 * pivot_point - high,
      '阻力位2': pivot_point + (high - low),
      '支撑位2': pivot_point - (high - low)
}
return pivot_levels

def calculate_volume_and_price_levels(kline_data):
"""计算成交量、天量、地量、天价、低价。"""
today_volume = kline_data['成交量'].iloc[-1
volume_105_high = kline_data['成交量'].rolling(window=105).max().iloc[-1
volume_105_low = kline_data['成交量'].rolling(window=105).min().iloc[-1
price_120_high = kline_data['最高'].rolling(window=120).max().iloc[-1
price_120_low = kline_data['最低'].rolling(window=120).min().iloc[-1
periods = [30, 60, 90, 120, 255
volume_and_price_levels = {}
for period in periods:
      volume_and_price_levels[f'{period}日天量' = kline_data['成交量'].rolling(window=period).max().iloc[-1
      volume_and_price_levels[f'{period}日地量' = kline_data['成交量'].rolling(window=period).min().iloc[-1
      volume_and_price_levels[f'{period}日天价' = kline_data['最高'].rolling(window=period).max().iloc[-1
      volume_and_price_levels[f'{period}日地价' = kline_data['最低'].rolling(window=period).min().iloc[-1
return {
      '今日成交量': today_volume,
      '105日天量': volume_105_high,
      '105日地量': volume_105_low,
      '120日天价': price_120_high,
      '120日低价': price_120_low,
      **volume_and_price_levels
}

def scan_candlestick_patterns(kline_data):
"""扫描最近5天的K线形态。"""
pattern_functions = {
      'CDL2CROWS': '两只乌鸦',
      'CDL3BLACKCROWS': '三只乌鸦',
      'CDL3INSIDE': '三内部上涨/下跌',
      'CDL3LINESTRIKE': '三线打击',
      'CDL3OUTSIDE': '三外部上涨/下跌',
      'CDL3STARSINSOUTH': '南方三星',
      'CDL3WHITESOLDIERS': '三个白兵',
      'CDLABANDONEDBABY': '弃婴',
      'CDLADVANCEBLOCK': '推进块',
      'CDLBELTHOLD': '腰带持有',
      'CDLBREAKAWAY': '脱离',
      'CDLCLOSINGMARUBOZU': '收盘光头光脚',
      'CDLCONCEALBABYSWALL': '隐藏婴儿吞没',
      'CDLCOUNTERATTACK': '反击线',
      'CDLDARKCLOUDCOVER': '乌云盖顶',
      'CDLDOJI': '十字星',
      'CDLDOJISTAR': '十字星',
      'CDLDRAGONFLYDOJI': '蜻蜓十字星',
      'CDLENGULFING': '吞没形态',
      'CDLEVENINGDOJISTAR': '黄昏十字星',
      'CDLEVENINGSTAR': '黄昏之星',
      'CDLGAPSIDESIDEWHITE': '侧翼白线',
      'CDLGRAVESTONEDOJI': '墓碑十字星',
      'CDLHAMMER': '锤子线',
      'CDLHANGINGMAN': '上吊线',
      'CDLHARAMI': '母子线',
      'CDLHARAMICROSS': '十字母子线',
      'CDLHIGHWAVE': '高浪线',
      'CDLHIKKAKE': '陷阱',
      'CDLHIKKAKEMOD': '修正陷阱',
      'CDLHOMINGPIGEON': '归巢鸽',
      'CDLIDENTICAL3CROWS': '相同三乌鸦',
      'CDLINNECK': '颈内线',
      'CDLINVERTEDHAMMER': '倒锤子线',
      'CDLKICKING': '反冲',
      'CDLKICKINGBYLENGTH': '反冲（按长度）',
      'CDLLADDERBOTTOM': '梯底',
      'CDLLONGLEGGEDDOJI': '长腿十字星',
      'CDLLONGLINE': '长线',
      'CDLMARUBOZU': '光头光脚',
      'CDLMATCHINGLOW': '匹配低点',
      'CDLMATHOLD': '数学持有',
      'CDLMORNINGDOJISTAR': '早晨十字星',
      'CDLMORNINGSTAR': '早晨之星',
      'CDLONNECK': '颈上线',
      'CDLPIERCING': '刺透形态',
      'CDLRICKSHAWMAN': '黄包车夫',
      'CDLRISEFALL3METHODS': '上升/下降三法',
      'CDLSEPARATINGLINES': '分离线',
      'CDLSHOOTINGSTAR': '射击之星',
      'CDLSHORTLINE': '短线',
      'CDLSPINNINGTOP': '纺锤顶',
      'CDLSTALLEDPATTERN': '停滞形态',
      'CDLSTICKSANDWICH': '三明治',
      'CDLTAKURI': '探水竿',
      'CDLTASUKIGAP': '跳空缺口',
      'CDLTHRUSTING': '插入',
      'CDLTRISTAR': '三星',
      'CDLUNIQUE3RIVER': '独特三河',
      'CDLUPSIDEGAP2CROWS': '向上跳空两只乌鸦',
      'CDLXSIDEGAP3METHODS': '侧翼跳空三法',
}
patterns = []
for pattern_name, pattern_label in pattern_functions.items():
      pattern_func = getattr(talib, pattern_name)
      pattern_values = pattern_func(kline_data['开盘'], kline_data['最高'], kline_data['最低'], kline_data['收盘'])
      if pattern_values.iloc[-5:].any():
         patterns.append(f"{pattern_label} ({pattern_values.iloc[-1})")
return patterns

def get_latest_news(symbol):
"""获取与股票相关的最新新闻。"""
news = ak.stock_news_em(symbol=symbol)
return news

def analyze_sentiment(news):
"""对新闻进行情感分析。"""
sentiments = []
for _, row in news.iterrows():
      text = row['新闻标题' + " " + row['新闻内容'
      blob = TextBlob(text)
      sentiment = blob.sentiment.polarity
      sentiments.append(sentiment)
news['情感得分' = sentiments
return news

def generate_investment_advice_with_deepseek(symbol, basic_info, kline_data, news, patterns, grid_levels, fibonacci_levels, pivot_levels, volume_and_price_levels):
"""使用 DeepSeek-R1 生成投资建议。"""
prompt = f"""
股票基本信息：
- 公司名称：{basic_info.get('公司名称', '未知')}
- 行业：{basic_info.get('行业', '未知')}
- 市值：{basic_info.get('市值', '未知')}

K线图数据（最近5个交易日）：
{kline_data.tail(5).to_string()}

技术指标（最近5个交易日）：
- 5日均线：{kline_data['MA_5'].tail(5).to_string()}
- 10日均线：{kline_data['MA_10'].tail(5).to_string()}
- 20日均线：{kline_data['MA_20'].tail(5).to_string()}
- RSI：{kline_data['RSI'].tail(5).to_string()}
- MACD：{kline_data['MACD'].tail(5).to_string()}
- MACD Signal：{kline_data['MACD_signal'].tail(5).to_string()}
- MACD Histogram：{kline_data['MACD_hist'].tail(5).to_string()}
- VWAP：{kline_data['VWAP'].tail(5).to_string()}
- 布林带上轨：{kline_data['Upper_Band'].tail(5).to_string()}
- 布林带中轨：{kline_data['Middle_Band'].tail(5).to_string()}
- 布林带下轨：{kline_data['Lower_Band'].tail(5).to_string()}
- ATR：{kline_data['ATR'].tail(5).to_string()}
- 唐奇安上轨：{kline_data['Donchian_High'].tail(5).to_string()}
- 唐奇安下轨：{kline_data['Donchian_Low'].tail(5).to_string()}

当天K线形态：
{", ".join(patterns) if patterns else "无显著形态"}

网格位：
- 大网格位：{grid_levels[0}
- 中网格位：{grid_levels[1}
- 小网格位：{grid_levels[2}

黄金分割位：
{fibonacci_levels}

枢轴位：
{pivot_levels}

成交量与价格水平：
- 今日成交量：{volume_and_price_levels['今日成交量'}
- 105日天量：{volume_and_price_levels['105日天量'}
- 105日地量：{volume_and_price_levels['105日地量'}
- 120日天价：{volume_and_price_levels['120日天价'}
- 120日低价：{volume_and_price_levels['120日低价'}
- 30日天量：{volume_and_price_levels['30日天量'}
- 30日地量：{volume_and_price_levels['30日地量'}
- 30日天价：{volume_and_price_levels['30日天价'}
- 30日地价：{volume_and_price_levels['30日地价'}
- 60日天量：{volume_and_price_levels['60日天量'}
- 60日地量：{volume_and_price_levels['60日地量'}
- 60日天价：{volume_and_price_levels['60日天价'}
- 60日地价：{volume_and_price_levels['60日地价'}
- 90日天量：{volume_and_price_levels['90日天量'}
- 90日地量：{volume_and_price_levels['90日地量'}
- 90日天价：{volume_and_price_levels['90日天价'}
- 90日地价：{volume_and_price_levels['90日地价'}
- 120日天量：{volume_and_price_levels['120日天量'}
- 120日地量：{volume_and_price_levels['120日地量'}
- 120日天价：{volume_and_price_levels['120日天价'}
- 120日地价：{volume_and_price_levels['120日地价'}
- 255日天量：{volume_and_price_levels['255日天量'}
- 255日地量：{volume_and_price_levels['255日地量'}
- 255日天价：{volume_and_price_levels['255日天价'}
- 255日地价：{volume_and_price_levels['255日地价'}

最新新闻（情感分析）：
{news.head(5).to_string()}

请根据以上信息，生成一份详细的投资建议，包括：
1. 对股票技术指标的分析。
2. 对K线形态的分析。
3. 对网格位、黄金分割位和枢轴位的分析。
4. 对成交量与价格水平的分析。
5. 对新闻情感的分析。
6. 对股票未来走势的预测。
7. 具体的操作建议（买入、持有、卖出）。
"""
with open(f"prompt_{symbol}.txt", "w", encoding="utf-8") as file:
      file.write(prompt)
payload = {
      "model": "deepseek-r1:1.5b",
      "prompt": prompt,
      "stream": False
}
response = requests.post("http://localhost:11434/api/generate", json=payload)
if response.status_code == 200:
      advice = response.json()['response'
      return advice
else:
      return f"请求失败，状态码：{response.status_code}，错误信息：{response.text}"

def plot_kline(symbol):
"""获取K线图数据并绘制，分析时间为过去2年到今日。"""
# 计算过去2年的日期
end_date = datetime.now().strftime("%Y%m%d")  # 今日日期
start_date = (datetime.now() - timedelta(days=2 * 365)).strftime("%Y%m%d")  # 过去2年的日期

# 获取K线图数据
stock_kline = ak.stock_zh_a_hist(
      symbol=symbol, period="daily", start_date=start_date, end_date=end_date
)
stock_kline['date' = pd.to_datetime(stock_kline['日期'])
stock_kline.set_index('date', inplace=True)

# 计算技术指标
stock_kline = calculate_technical_indicators(stock_kline)

# 创建子图
fig = make_subplots(rows=4, cols=1, shared_xaxes=True, vertical_spacing=0.1,
                     subplot_titles=('K线图与移动平均线', '布林带', '相对强弱指数 (RSI)', '平均真实波幅 (ATR)'))

# 绘制收盘价和移动平均线
fig.add_trace(go.Scatter(x=stock_kline.index, y=stock_kline['收盘'], mode='lines', name='收盘价', line=dict(color='black')), row=1, col=1)
fig.add_trace(go.Scatter(x=stock_kline.index, y=stock_kline['MA_5'], mode='lines', name='5日均线', line=dict(color='blue')), row=1, col=1)
fig.add_trace(go.Scatter(x=stock_kline.index, y=stock_kline['MA_10'], mode='lines', name='10日均线', line=dict(color='green')), row=1, col=1)
fig.add_trace(go.Scatter(x=stock_kline.index, y=stock_kline['MA_20'], mode='lines', name='20日均线', line=dict(color='red')), row=1, col=1)
fig.add_trace(go.Scatter(x=stock_kline.index, y=stock_kline['VWAP'], mode='lines', name='VWAP', line=dict(color='purple')), row=1, col=1)

# 绘制布林带
fig.add_trace(go.Scatter(x=stock_kline.index, y=stock_kline['收盘'], mode='lines', name='收盘价', line=dict(color='black')), row=2, col=1)
fig.add_trace(go.Scatter(x=stock_kline.index, y=stock_kline['Upper_Band'], mode='lines', name='上轨', line=dict(color='red')), row=2, col=1)
fig.add_trace(go.Scatter(x=stock_kline.index, y=stock_kline['Middle_Band'], mode='lines', name='中轨', line=dict(color='blue')), row=2, col=1)
fig.add_trace(go.Scatter(x=stock_kline.index, y=stock_kline['Lower_Band'], mode='lines', name='下轨', line=dict(color='green')), row=2, col=1)

# 绘制RSI
fig.add_trace(go.Scatter(x=stock_kline.index, y=stock_kline['RSI'], mode='lines', name='RSI', line=dict(color='orange')), row=3, col=1)
fig.add_hline(y=70, line_dash="dash", line_color="red", annotation_text="超买 (70)", row=3, col=1)
fig.add_hline(y=30, line_dash="dash", line_color="green", annotation_text="超卖 (30)", row=3, col=1)

# 绘制ATR
fig.add_trace(go.Scatter(x=stock_kline.index, y=stock_kline['ATR'], mode='lines', name='ATR', line=dict(color='blue')), row=4, col=1)

# 更新布局
fig.update_layout(
      font=dict(family="SimHei", size=12, color="black"),  # 设置字体为黑体
      height=1200,
      width=1000,
      title_text=f'{symbol} K线图与技术指标（{start_date} 至 {end_date}）',
      showlegend=True
)
fig.update_xaxes(title_text='日期', row=4, col=1)
fig.update_yaxes(title_text='价格', row=1, col=1)
fig.update_yaxes(title_text='价格', row=2, col=1)
fig.update_yaxes(title_text='RSI', row=3, col=1)
fig.update_yaxes(title_text='ATR', row=4, col=1)

# 显示图表
st.plotly_chart(fig)

return stock_kline

# Streamlit 应用
st.title("股票分析仪表盘")

# 输入股票代码
symbol = st.text_input("请输入股票代码（例如：601658 代表邮储银行）：", value="601658")

if st.button("分析"):
if not validate_stock_code(symbol):
      st.error("股票代码无效")
else:
      # 获取股票基本信息
      try:
         basic_info = get_stock_basic_info(symbol)
      except KeyError:
         st.error("股票代码无效或未找到")
         st.stop()

      # 获取K线图数据并绘制
      kline_data = plot_kline(symbol)

      # 扫描当天的K线形态
      patterns = scan_candlestick_patterns(kline_data)

      # 计算网格位
      large_grid, medium_grid, small_grid = calculate_grid_levels(kline_data)

      # 计算黄金分割位
      fibonacci_levels = calculate_fibonacci_levels(kline_data)

      # 计算枢轴位
      pivot_levels = calculate_pivot_points(kline_data)

      # 计算成交量与价格水平
      volume_and_price_levels = calculate_volume_and_price_levels(kline_data)

      # 获取最新新闻
      news = get_latest_news(symbol)

      # 对新闻进行情感分析
      news = analyze_sentiment(news)

      # 使用 DeepSeek-R1 生成投资建议
      advice = generate_investment_advice_with_deepseek(
         symbol, basic_info, kline_data, news, patterns, (large_grid, medium_grid, small_grid), fibonacci_levels, pivot_levels, volume_and_price_levels
      )

      # 显示技术指标
      st.subheader("技术指标")
      st.write(kline_data.tail(5))

      # 显示K线形态
      st.subheader("K线形态")
      st.write(", ".join(patterns) if patterns else "无显著形态")

      # 显示网格位
      st.subheader("网格位")
      st.write(f"大网格位: {large_grid}\n中网格位: {medium_grid}\n小网格位: {small_grid}")

      # 显示黄金分割位
      st.subheader("黄金分割位")
      st.write(fibonacci_levels)

      # 显示枢轴位
      st.subheader("枢轴位")
      st.write(pivot_levels)

      # 显示成交量与价格水平
      st.subheader("成交量与价格水平")
      st.write(volume_and_price_levels)

      # 显示最新新闻
      st.subheader("最新新闻")
      st.write(news.head(5))

      # 显示新闻情感分析
      st.subheader("新闻情感分析")
      st.write(news[['新闻标题', '情感得分']].head(5))

      # 显示投资建议
      st.subheader("投资建议")
      st.write(advice)

作者: isaac 时间: 2025-1-28 14:47
标题: 运行界面是基于streamlit