股票数据管理系统 + AI 交易助手

一个完整的 AI 股票交易系统，集成数据管理、概率预测和强化学习交易 Agent。

📋 功能特性

数据管理

• ✅ 增量更新：智能识别本地数据，只下载新增部分
• ✅ 批量处理：支持同时处理多个股票代码
• ✅ 技术指标：自动计算20+种常用技术指标
• ✅ 本地存储：数据保存在本地，避免重复下载
• ✅ 元数据管理：记录更新时间、数据范围等信息

AI 预测

• ✅ 概率预测：使用 XGBoost 预测未来 1/5/10 天涨跌概率
• ✅ 多时间窗口：同时分析短期、中期、长期趋势
• ✅ 可视化分析：交互式图表展示预测结果
• ✅ 综合建议：基于多个时间窗口给出交易建议

强化学习 Agent

• ✅ 自动学习：通过试错学习最优交易策略
• ✅ 趋势识别：识别上涨、下跌、震荡行情
• ✅ 交易信号：自动生成买入/卖出/持有信号
• ✅ 风险控制：优化收益的同时控制最大回撤
• ✅ 回测分析：在历史数据上验证策略效果

Web 界面

• ✅ 零命令行：完全图形化操作
• ✅ 实时图表：K线图、技术指标图、资产曲线
• ✅ 多页面管理：数据管理、AI预测、RL交易分离
• ✅ 响应式设计：支持桌面和移动端

🚀 快速开始

1. 安装依赖

pip install -r requirements.txt

2. 启动 Web 应用

# 方式一：使用启动脚本（推荐）
python run.py

# 方式二：直接启动 Streamlit
streamlit run frontend/app.py

浏览器会自动打开 http://localhost:8501

3. 使用流程

📊 数据管理

1. 进入 "📊 数据管理" 页面
2. 输入股票代码（如 AAPL, MSFT, NVDA）
3. 点击下载或选择预设列表批量下载
4. 数据会自动保存到本地

🔮 AI 预测

1. 在主页选择已下载的股票
2. 点击 "📥 加载数据"
3. 点击 "🎯 训练模型"
4. 查看 "🔮 AI预测" 标签页的预测结果

🤖 RL 交易

1. 进入 "🤖 AI交易" 页面
2. 选择 "🎯 训练 Agent" 标签
3. 配置参数并开始训练（建议 50K 步）
4. 在 "📊 回测分析" 查看策略效果
5. 在 "🎮 实时交易" 获取交易信号

📁 数据存储结构

stock_data/
├── AAPL_raw.csv          # 原始价格数据
├── AAPL_processed.csv    # 包含技术指标的数据
├── AAPL_meta.json        # 元数据信息
├── MSFT_raw.csv
├── MSFT_processed.csv
├── MSFT_meta.json
└── ...

📊 包含的技术指标

趋势指标

• SMA (10, 50, 200日简单移动平均)
• EMA (12, 26日指数移动平均)
• 均线偏离率

动量指标

• RSI (相对强弱指数)
• MACD (指数平滑异同移动平均线)

波动率指标

• 布林带宽度和位置
• ATR (平均真实波幅)

成交量指标

• 成交量变化率
• 成交量比率

收益率

• 1日、5日、20日收益率
• 趋势强度

🔧 高级功能

自定义起始日期

engine = DataEngine("AAPL", start_date="2020-01-01")

强制重新下载

engine.fetch_data(force_update=True)

自定义数据目录

batch = BatchDataEngine(data_dir="my_custom_folder")

📝 下一步：使用 RL Agent

RL Agent 训练完成后，你可以：

from rl_agent import RLTradingAgent
from improved_data_engine import DataEngine

# 加载数据
engine = DataEngine("NVDA")
df = engine.load_processed_data()

# 加载训练好的模型
agent = RLTradingAgent(df, model_path="data/models/rl_agent_NVDA_PPO.zip")

# 获取交易信号
signal = agent.get_trading_signals(df.tail(50))
print(f"动作: {signal['action']}")
print(f"理由: {signal['reasoning']}")

# 或在 Web 界面中：
# 🤖 AI交易 → 🎮 实时交易 → 获取信号

📚 文档

• SETUP.md - 详细部署指南
• RL_AGENT_GUIDE.md - RL Agent 使用教程

🎯 系统架构

Frontend (Streamlit)
    ↓
Data Engine (yfinance + pandas-ta)
    ↓
├─ Predictor (XGBoost) → 概率预测
└─ RL Agent (PPO/A2C) → 交易策略
    ↓
Trading Signals → 买/卖/持有

⚠️ 免责声明

本工具仅供学习和研究使用，不构成任何投资建议。股市有风险，投资需谨慎。

📞 问题反馈

如有问题或建议，欢迎反馈！