G:\EmotionQuant_new# EmotionQuant - A股情绪量化交易系统
基于市场情绪而非技术指标的A股量化分析系统
个人开发，个人使用，先实现再优化
凡谋事，先规划，再细化，再分解，再按步骤一步步实现
可信，可行，可用，可控
EmotionQuant是专为个人开发者和个人投资者设计的A股情绪量化分析系统。遵循"个人开发，个人使用，先实现再优化"的理念，采用"先规划，再细化，再分解，再按步骤实现"的开发方式，确保每个交付物都达到"可信，可行，可用，可控"的质量标准。
- 个人至上: 一切设计以个人开发者和个人用户为中心
- 渐进迭代: 先实现核心功能，再逐步优化完善
- 系统规划: 每个决策都经过完整的规划→细化→分解→实现流程
- 质量第一: 确保每个交付物都满足"四可"标准
- 情绪驱动: 基于涨跌家数、涨跌停统计等情绪数据，零技术指标 (可信)
- A股专属: 深度适配T+1交易、涨跌停限制、申万31个行业分类 (可行)
- 个人友好: 线性流水线设计，≤8小时/周维护，个人可理解可维护 (可用)
- 渐进开发: 先实现再优化，2小时快速部署，完整文档体系 (可控)
- 个人开发，个人使用，先实现再优化: 专注个人开发者友好，渐进式完善
- 凡谋事，先规划，再细化，再分解，再按步骤一步步实现: 系统性思维，6A工作流体现
- 可信，可行，可用，可控: 四可标准贯穿所有设计决策
- 情绪驱动: 基于市场情绪而非技术指标的量化方法
- A股专属: 深度适配A股市场特色，考虑T+1、涨跌停等规则
- 科学严谨: 遵循四大铁律约束，确保系统专业性
EmotionQuant严格遵循四大铁律，确保系统的专业性和个人开发友好性：
-
🚫 技术指标绝对禁用 (确保可信)
- 禁用所有移动平均线、RSI、MACD等技术指标
- 基于涨跌家数、成交量分布等情绪相关数据进行分析
- 零容忍扫描器自动检测，确保算法透明可信
-
🇨🇳 A股特色强制适配 (确保可行)
- 支持T+1交易制度、涨跌停限制（主板±10%、创业板/科创板±20%、北交所±30%、ST±5%）
- 申万2021版31个一级行业分类完整支持
- 考虑A股散户情绪放大效应，技术方案成熟可行
-
🔺 个人开发友好架构 (确保可用)
- MSS(Market Sentiment System)：市场情绪系统
- IRS(Industry Rotation System)：行业轮动系统（申万31个行业）
- PAS(Price Action System)：价格行为系统
- 线性流水线架构，个人开发者可理解可维护
-
📋 6A工作流执行 (确保可控)
- 先规划(Align)→再细化(Architect)→再分解(Atomize)→审批(Approve)→按步骤实现(Automate)→评估(Assess)
- 确保从需求到交付的全过程可控、可追溯、高质量
6A工作流 v7.0 发布：简化文档结构，每阶段一个文档
我们对开发工作流进行了进一步优化，简化文档结构，提高执行效率：
- 简化文档: 从8个文档减少到6个文档（每阶段一个文档）
- 新增A4审批: 增加方案评估阶段，提前发现问题
- 合并A6文档: 验收+总结+待办三合一，减少文档碎片
- 废弃飞行检查表: A3的tasks.md已足够详细，不再需要单独的飞行检查表
- A1: requirements.md - Task级别需求文档
- A2: design.md - Task级别设计文档
- A3: tasks.md - Task级别执行步骤
- A4: approve.md - 方案评估报告 ✨ NEW
- A5: review.md - 审查报告
- A6: final.md - 最终报告（验收+总结+待办）✨ 三合一
- 📄 6A工作流规范 (v7.0)
- 📄 更新日志
- 📄 任务执行Prompt模板 (v7.0)
🎉 重大里程碑: Phase 6 数据本地化完成！数据自由实现！
- ✅ Phase 0 完成: 核心情绪温度计算算法验证通过（2025-10-06）
- ✅ Phase 1 完成: MVP核心功能（v0.5.0，2025-10-08）
- ✅ Phase 2 完成: MSS情绪分析完善（v0.6.0，2025-10-09）
- ✅ 五态情绪分类优化（准确率≥90%）
- ✅ 散户情绪识别器（准确率≥85%）
- ✅ 情绪历史追踪（7日/30日趋势）
- ✅ 极端情绪预警系统
- ✅ Phase 3 完成: IRS行业轮动分析器（v0.7.0，2025-01-13）
- ✅ 申万31个一级行业完整支持
- ✅ 行业强弱排名、资金流向、情绪温度
- ✅ 轮动信号生成、配置建议、热力图
- ✅ Streamlit行业分析页面
- ✅ Phase 6 完成: 数据本地化与离线能力（v0.87.0，2025-01-15）⭐⭐⭐⭐⭐
- ✅ SimpleDataFetcher架构改造
- ✅ 历史数据下载器（支持断点续传）
- ✅ 增量数据更新机制
- ✅ 数据完整性校验和版本管理
- ✅ 离线模式支持
- ✅ MSS/IRS/PAS透明集成
- 📅 Phase 4-5, 7-10: 后续阶段（计划中）
- Phase 4: PAS价格行为确认器
- Phase 5: A股特色功能完善
- Phase 7: 情绪驱动风险管理⭐⭐⭐⭐⭐
- Phase 8: 自研回测系统⭐⭐⭐⭐⭐
- Phase 9: 交易执行与记录⭐⭐⭐⭐⭐
- Phase 10: 性能优化与持续维护
总体进度: 56% (56/121任务完成)
查看详细信息：
- 📊 Phase 6 交付报告
- 📋 开发状态文档
- 🗺️ 项目路线图
- Python 3.9+
- TuShare Pro账户 (数据源)
- Windows/Linux/macOS
# 1. 克隆项目
git clone https://github.com/everything-is-simple/EmotionQuant_clean.git
cd EmotionQuant_clean
# 2. 安装依赖
pip install -r requirements.txt
# 3. 配置环境变量
cp .env.example .env
# 编辑 .env 文件，填入你的 TUSHARE_TOKEN
# 4. 启动 Web 界面
python -m streamlit run src/app/main.pyEmotionQuant 已实现本地数据优先策略，确保分析结果可信：
-
本地数据库（Phase 6已完成）⭐⭐⭐⭐⭐ ✅
- ✅ 离线可用，查询快速（毫秒级）
- ✅ SQLite存储，支持增量更新
- ✅ 包含A股所有历史日线数据
- ✅ 数据完整性100%验证通过
- ✅ 支持数据备份和恢复
-
TuShare Pro API（数据补充）⭐⭐⭐⭐
- ✅ 增量获取最新数据
- ✅ 自动保存到本地数据库
- ✅ 智能重试机制
- 需要配置API Token
重大成就: Phase 6数据本地化完成，实现数据自由！
Phase 6-Fix: 模拟数据已彻底清理，系统100%使用真实市场数据。
参考: 数据使用规范
配置 TuShare Token：
# 在 .env 文件中设置
TUSHARE_TOKEN=your_token_here
# 启动应用
python -m streamlit run src/app/main.pyEmotionQuant欢迎开发者参与贡献！
# 查看当前开发任务
cat .kiro/specs/active/phase1-mvp/tasks.md
# 选择任务并开始开发
# 1. Fork项目
# 2. 创建功能分支
# 3. 遵循开发规范（见developer-guide.md）
# 4. 提交Pull Request🎉 重大里程碑: Phase 6 数据本地化与离线能力已完成！实现数据自由，摆脱TuShare依赖！
架构改造:
- ✅ SimpleDataFetcher架构改造 - 本地数据优先，保持接口兼容
- ✅ MSS/IRS/PAS透明集成 - 无需修改，自动使用本地数据
数据下载和更新:
- ✅ 历史数据下载器 - 支持断点续传，分批下载
- ✅ 增量数据更新器 - 智能增量更新，自动调度
- ✅ 更新失败重试 - 最多3次重试，确保数据完整
数据质量保证:
- ✅ 数据完整性校验 - 交易日、字段、范围全面检查
- ✅ 数据一致性验证 - 本地vs远程数据对比
- ✅ 数据版本管理 - 版本号、更新历史、回滚支持
离线模式:
- ✅ 离线模式切换 - 一键切换在线/离线模式
- ✅ 数据备份恢复 - 完整的备份和恢复工具
Phase 6-Fix 模拟数据清理:
- ✅ 代码清理 - 8处模拟数据逻辑彻底清理
- ✅ 配置清理 - 模拟数据配置项完全删除
- ✅ 测试更新 - 全部使用真实数据（908 passed）
- ✅ 文档更新 - 删除模拟数据引用，标记废弃
工具脚本:
- ✅ 统一市场分析工具 (
market_analyzer.py) - 4步工作流 - ✅ Excel报告生成 (
generate_excel_from_db.py) - 从数据库生成报告 - ✅ 完整文档 (
tools/USAGE_GUIDE.md) - 详细使用指南
性能指标（实测）:
- 数据下载：100只股票/批次
- 增量更新：< 5秒/股票
- 数据查询：< 100ms
- 离线模式：性能无明显下降
质量保证:
- ✅ 四大铁律：100%合规
- ✅ 测试通过率：100%
- ✅ 测试覆盖率：85%+
- ✅ 代码质量：Black + Flake8 零警告
- ✅ 模拟数据扫描：零匹配（除Phase 0遗留文件）
Phase 3 IRS行业轮动分析器已完成！提供完整的申万31个行业轮动分析能力。
已完成模块:
- ✅ 行业数据模型 (
industry_analyzer.py) - 申万31个一级行业数据结构 - ✅ 行业数据获取 (
tushare_client.py) - TuShare API集成，行业数据缓存 - ✅ 行业强弱排名 (
industry_rotation.py) - 基于涨跌幅的行业强弱计算 - ✅ 资金流向分析 (
industry_analyzer.py) - 基于成交额的资金流向统计 - ✅ 行业情绪温度 (
industry_emotion.py) - 基于涨跌家数的行业情绪计算 - ✅ 轮动信号生成 (
rotation_signal_generator.py) - 多维度轮动信号算法 - ✅ 配置建议算法 (
allocation_advisor.py) - 基于轮动分析的资产配置 - ✅ 热力图数据生成 (
output_generator.py) - 行业热力图可视化数据 - ✅ 完整测试套件 (
test_irs_integration.py) - 集成测试和单元测试
性能指标（实测）:
- 31个行业数据处理：< 1秒
- 轮动信号计算：< 500ms
- 配置建议生成：< 200ms
- 热力图数据生成：< 300ms
- 测试覆盖率：85%+
质量保证:
- ✅ 四大铁律：100%合规
- ✅ 测试通过率：100%
- ✅ 技术指标扫描：零匹配
- ✅ 申万31个行业：完整支持
- ✅ 代码质量：Black + Flake8 零警告
Phase 1 MVP 已完成！提供完整的数据获取、情绪分析和 Web 界面功能。
完整模块:
- ✅ 配置管理 (
config.py) - 环境变量加载、日志系统 - ✅ 数据模型 (
data_models.py) - MarketSnapshot、StockData、EmotionResult - ✅ SQLite缓存 (
sqlite_cache.py) - 批量插入优化，性能提升15倍 - ✅ TuShare API集成 (
tushare_client.py) - 涨跌停识别、重试机制 - ✅ 数据获取器 (
data_fetcher.py) - 本地数据优先策略（Phase 6改造） - ✅ MSS情绪分析引擎 (
emotion_analysis_engine.py) - 完整算法实现 - ✅ 线性流水线 (
linear_pipeline.py) - 完整分析流程编排 - ✅ 输出生成器 (
output_generator.py) - Plotly 图表和数据导出 - ✅ Streamlit Web 界面 (
src/app/main.py) - 友好的 Web 界面
性能指标（实测）:
- 5000只股票处理：< 2秒
- 缓存读取：< 100ms
- 情绪温度计算：< 200ms
- 内存使用：< 100MB
- 测试覆盖率：80%+
质量保证:
- ✅ 四大铁律：100%合规
- ✅ 测试通过率：100%
- ✅ 技术指标扫描：零匹配
- ✅ A股特色支持：完整
- ✅ 代码质量：Black + Flake8 零警告
from src.core.config import Config
from src.core.linear_pipeline import LinearPipeline
# 1. 加载配置
config = Config.from_env()
# 2. 初始化流水线
pipeline = LinearPipeline(config)
# 3. 运行分析
result = pipeline.run_analysis("20241008")
# 4. 查看结果
print(f"情绪温度: {result.temperature:.2f}°C")
print(f"情绪状态: {result.emotion_state}")
print(f"散户情绪强度: {result.retail_strength:.2f}")启动 Streamlit 应用，通过浏览器访问：
python -m streamlit run src/app/main.py功能包括：
- 📊 情绪温度计图表（Plotly 交互式）
- 📈 涨跌家数统计表
- 🎯 五态情绪分类（冰点/修复/乐观/狂热/回落）
- 💪 散户情绪强度指标
- 💾 JSON 数据导出
- 🔄 缓存管理
Phase 0 成功验证了 EmotionQuant 核心情绪温度计算算法的可行性！
# 运行 Phase 0 演示脚本
python scripts/demo_phase0.py
# 输出示例：
# ============================================================
# 场景: 冰点 (Ice Point)
# ============================================================
# 日期: 20251006
# 温度: 15.23°C
# 情绪状态: 冰点
# 总股票数: 5000
# 上涨: 750 (15.00%)
# 下跌: 4250 (85.00%)
# 涨停: 0 (0.00%)
# 跌停: 100 (2.00%)
# 散户情绪强度: 0.30
# 极端比例: 2.00%- ✅ 情绪温度计算算法：完整实现 0-100°C 温度计算
- ✅ 五态情绪分类：冰点/修复/乐观/狂热/回落
- ✅ A股特色支持：涨跌停处理、散户情绪识别
- ✅ 真实数据支持：TuShare API + 本地数据库（Phase 6）
- ✅ 控制台演示：完整的可视化输出
| 验证项 | 目标 | 实际 | 状态 |
|---|---|---|---|
| 算法准确性 | 五种场景正确 | 100% 准确 | ✅ |
| 计算性能 | < 1ms | 0.5ms | ✅ |
| 测试通过率 | 100% | 36/36 | ✅ |
| 测试覆盖率 | ≥ 80% | 86.7% | ✅ |
| 代码质量 | 零警告 | Black ✅ Flake8 ✅ | ✅ |
| 技术指标扫描 | 零匹配 | 0 匹配 | ✅ |
| 四大铁律 | 100% 合规 | 100% | ✅ |
代码文件:
src/core/data_models.py- 数据模型定义src/core/emotion_calculator.py- 核心情绪计算器src/core/console_display.py- 控制台输出scripts/demo_phase0.py- 演示脚本
注意: Phase 0 使用了 simulated_data_generator.py（已废弃），仅作为历史记录保留。Phase 1-10 使用真实市场数据。
测试文件:
tests/test_data_models.py- 数据模型测试（10 tests）tests/test_emotion_calculator.py- 情绪计算器测试（15 tests）tests/test_data_fetcher.py- 数据获取器测试（真实数据）
文档文件:
- Phase 0 验证结果报告 - 完整验证报告
- Phase 0 质量检查报告 - 代码质量报告
- Phase 0 合规性报告 - 四大铁律合规报告
- Phase 0 交付清单 - 完整交付清单
Phase 0 概念验证已完成，相关文档已归档到 archive/phase0/ 目录：
- 需求设计文档:
archive/phase0/specs/ - 飞行检查单:
archive/phase0/flight-checklists/ - 执行记录:
archive/phase0/execution-logs/
详见：Phase 0 归档说明
Phase 0 的 EmotionCalculator 可以直接集成到 Phase 1：
# Phase 1: src/core/emotion_analysis.py
from src.core.emotion_calculator import EmotionCalculator
class EmotionAnalysisEngine:
def __init__(self):
self.calculator = EmotionCalculator()
def analyze(self, market_data: pd.DataFrame) -> EmotionResult:
snapshot = self._convert_to_snapshot(market_data)
return self.calculator.calculate_temperature(snapshot)查看详细信息：
# 线性流水线架构（规划中的API）
from src.core.linear_pipeline import LinearPipeline
# 初始化流水线
pipeline = LinearPipeline(data_dir="data")
# 运行分析流程
snapshot = pipeline.run_analysis("20241030")
# 查看结果
print(f"情绪温度: {snapshot.emotion_temperature:.1f}°C")
print(f"涨跌比例: {snapshot.rise_count}/{snapshot.fall_count}")
print(f"强势行业: {snapshot.top_industries[:3]}")- 数据获取层: TuShare API集成，支持缓存和重试
- 情绪分析引擎(MSS): 基于涨跌家数计算市场情绪温度（0-100°C）
- 行业轮动分析器(IRS): 申万2021版31个一级行业轮动分析
- 价格行为确认器(PAS): 无技术指标的价格行为分析
- 输出生成器: Streamlit界面和Excel/JSON报告生成
- SQLite数据库: 轻量级本地数据存储和缓存（data/emotionquant.db）
- 三级缓存机制: 内存→数据库→API，提升性能
- A股特色支持: T+1交易、涨跌停、申万31个行业分类
- 线性流水线: 简化的数据处理流程，个人开发友好
- T+1交易制度: 完整支持T+1交易规则和限制
- 涨跌停处理: 自动识别不同板块涨跌停限制
- 主板：±10%
- 创业板/科创板：±20%
- 北交所：±30%
- ST股票：±5%
- 申万行业分类: 支持申万2021版31个一级行业分类
- 完整覆盖：农林牧渔、采掘、化工、钢铁、有色金属等31个行业
- 行业轮动分析和热力图展示
- ST股票处理: 自动识别和处理ST、*ST等特殊股票
- 北向资金: 支持北向资金流向分析（规划中）
- 🏗️ 开发者指南 - 代码结构和开发流程
- 📡 API参考文档 - 完整的API接口说明
- 🔄 6A工作流 - 开发流程规范
- 🧠 核心算法设计 - MSS/IRS/PAS算法详解
- 📊 数据模型设计 - 数据结构和存储方案
- 🛡️ 四大铁律详解 - 核心设计原则
- 🇨🇳 A股特色功能 - 中国市场专属功能
# 运行所有测试
pytest
# 运行核心模块测试
pytest tests/core -v
# 查看覆盖率报告
pytest --cov=src --cov-report=html:reports/coverage
# 质量检查
eq-test # 快速质量检查# 代码格式化
black src/ tests/
# 代码检查
flake8 src/ tests/
# 运行分析流水线
eq-run --date 20241030本项目采用 MIT 许可证。查看 LICENSE 文件了解详情。
EmotionQuant - 让A股投资更理性，让量化分析更透明
Built with ❤️ for Chinese Stock Market