aishare-txt 2026.3.11.63

中国股票技术指标文本生成工具包，用于为金融分析相关领域的AI智能体提供上下文服务。

AIShareTxt

专业的股票数据处理与报告生成工具

AIShareTxt是一个功能强大的Python股票数据处理工具包，提供全面的股票数据获取、技术指标处理、AI数据处理建议和详细数据报告生成功能。

✨ 主要功能

• 📊 股票数据获取 - 基于akshare，支持多数据源获取实时和历史数据
• 📈 技术指标计算 - 基于TA-Lib，支持50+种技术指标计算
• 🤖 AI数据处理建议 - 集成DeepSeek和智谱AI，提供数据质量处理建议
• 📋 详细报告生成 - 自动生成专业的股票数据报告
• 🔧 模块化设计 - 清晰的模块结构，易于扩展和定制
• ⚡ 高性能计算 - 优化的算法，支持批量处理

🚀 快速安装

环境要求

• Python 3.10+
• Windows/Linux/macOS

安装方法

# 从源码安装
git clone https://gitee.com/chaofanat/aishare-txt
cd aishare-txt
pip install -e .

# 或者直接安装使用项目（推荐）
pip install aishare-txt

依赖说明

项目会自动安装以下核心依赖：

• akshare>=1.9.0 - 股票数据获取
• TA-Lib>=0.4.26 - 技术指标计算（需先系统级安装 TA-Lib 二进制库，详见下方提示）
• pandas>=1.5.0 - 数据处理
• numpy>=1.21.0 - 数值计算
• pandas_market_calendars>=1.1.0 - 交易日历
• scipy>=1.9.0 - 科学计算，用于OBV能量潮指标的极值检测
• requests>=2.28.0 - HTTP请求
• openai>=1.0.0 - AI分析（可选）
• zhipuai>=2.0.0 - AI分析（可选）

⚠️ (https://ta-lib.org/install/)[TA-Lib] 系统级安装提示
在 Linux/macOS 上请先执行：

# Ubuntu/Debian
sudo apt-get install -y build-essential python3-dev ta-lib
# macOS (Homebrew)
brew install ta-lib

Windows 用户请下载对应 Python 版本的 TA-Lib 预编译 whl 后手动安装。
否则 pip install TA-Lib 会因缺少底层 C 库而失败。

📖 快速开始

基本使用

from AIShareTxt import StockDataProcessor

# 创建数据处理器实例
processor = StockDataProcessor()

# 生成股票数据报告（直接返回报告文本）
report = processor.generate_stock_report("000001")  # 平安银行
print(report)

使用便捷函数

from AIShareTxt import analyze_stock

# 简单分析（直接返回报告）
report = analyze_stock("000001")
print(report)

命令行使用

安装完成后，可以在终端中使用 aishare 命令：

# 分析指定股票
aishare 000001        # 分析平安银行
aishare 600036        # 分析招商银行
aishare 603259        # 分析药明康德

# 显示帮助信息
aishare --help
aishare -h

# 交互模式（不带参数运行）
aishare

命令行参数说明：

• [股票代码] - 要分析的6位股票代码
• -h, --help - 显示帮助信息
• 不带参数运行将进入交互模式，可以输入股票代码进行分析

交互模式示例：

$ aishare
股票数据报告生成器
============================================================
提示：可以在命令行直接运行 aishare 000001 来快速测试

验证处理环境...
环境验证通过

============================================================
请输入股票代码（如：000001，输入 'quit' 退出）：000001

# [显示完整的股票数据报告]

AI智能分析

from AIShareTxt.ai.client import AIClient

# 创建AI客户端（需要配置API密钥）
ai_client = AIClient(api_key="your_api_key", provider="deepseek")

# 进行AI数据处理建议
if ai_client.is_available():
    advice = ai_client.generate_data_processing_recommendation(
        technical_report="技术数据报告内容",
        stock_code="000001"
    )
    print(f"AI数据处理建议: {ai_client.get_recommendation_text(advice)}")
else:
    print("AI功能不可用，请检查API配置")

技术指标计算

from AIShareTxt.indicators.technical_indicators import TechnicalIndicators
import pandas as pd
import numpy as np

# 创建技术指标数据处理器
ti = TechnicalIndicators()

# 准备股票数据（OHLCV格式）
data = pd.DataFrame({
    'open': [100, 102, 101, 103, 104],
    'high': [105, 106, 104, 107, 108],
    'low': [99, 101, 100, 102, 103],
    'close': [102, 101, 103, 104, 105],
    'volume': [1000, 1200, 800, 1500, 900]
})

# 处理所有技术指标
indicators = ti.process_all_indicators(data)

# 计算单个指标
bias = ti.calculate_bias(data['close'], timeperiod=20)
ma_patterns = ti.analyze_ma_patterns(data['close'])

获取股票列表

from AIShareTxt.utils.stock_list import get_stock_list

# 获取沪深300主板成分股
stocks = get_stock_list()
print(f"获取到 {len(stocks)} 只股票")
print(stocks.head())

📁 项目结构

AIShareTxt/
├── core/                      # 核心协调层
│   ├── data_processor.py     # 股票数据处理器（主要入口协调器）
│   └── config.py             # 配置管理
├── indicators/                # 技术指标处理层
│   ├── technical_indicators.py # 技术指标计算
│   ├── data_fetcher.py       # 股票数据获取
│   └── report_generator.py   # 技术指标报告生成
├── ai/                        # AI数据处理建议模块
│   └── client.py             # AI客户端
├── utils/                     # 工具模块
│   ├── utils.py              # 通用工具类
│   └── stock_list.py         # 股票列表工具
└── examples/                  # 示例代码
    └── legacy_api.py         # 传统API示例

📊 支持的技术指标

趋势指标

• 移动平均线（MA5, MA10, MA20, MA60）
• 指数移动平均线（EMA5, EMA10, EMA12, EMA20, EMA26）
• 加权移动平均线（WMA10, WMA20）
• 布林带（BOLL）

动量指标

• MACD指标
• RSI相对强弱指标（RSI9, RSI14）
• KDJ随机指标
• 威廉指标（Williams %R）
• CCI商品通道指标

成交量指标

• OBV能量潮指标
• VWMA成交量加权移动平均
• 量比指标

波动率指标

• ATR平均真实波幅
• 历史波动率

资金流向指标

• 主力资金净流入
• 5日资金流向趋势
• DMI动向指标（+DI, -DI, ADX）

⚙️ 配置说明

AI配置

在使用AI功能前，需要配置API密钥。项目支持DeepSeek和智谱AI两种AI服务：

1. DeepSeek配置

   • 需要设置环境变量 DEEPSEEK_API_KEY
   • 获取API密钥：访问 DeepSeek官网 注册并获取API密钥

   Windows系统设置方法：

   # 临时设置（当前会话有效）
   $env:DEEPSEEK_API_KEY="your_deepseek_api_key"
   
   # 永久设置（需要管理员权限）
   setx DEEPSEEK_API_KEY "your_deepseek_api_key"
   

   Linux/macOS系统设置方法：

   # 临时设置（当前会话有效）
   export DEEPSEEK_API_KEY="your_deepseek_api_key"
   
   # 永久设置（添加到~/.bashrc或~/.zshrc）
   echo 'export DEEPSEEK_API_KEY="your_deepseek_api_key"' >> ~/.bashrc
   source ~/.bashrc
   

2. 智谱AI配置

   • 需要设置环境变量 ZHIPUAI_API_KEY
   • 获取API密钥：访问 智谱AI官网 注册并获取API密钥

   Windows系统设置方法：

   # 临时设置（当前会话有效）
   $env:ZHIPUAI_API_KEY="your_zhipuai_api_key"
   
   # 永久设置（需要管理员权限）
   setx ZHIPUAI_API_KEY "your_zhipuai_api_key"
   

   Linux/macOS系统设置方法：

   # 临时设置（当前会话有效）
   export ZHIPUAI_API_KEY="your_zhipuai_api_key"
   
   # 永久设置（添加到~/.bashrc或~/.zshrc）
   echo 'export ZHIPUAI_API_KEY="your_zhipuai_api_key"' >> ~/.bashrc
   source ~/.bashrc
   

3. 验证环境变量设置

   import os
   
   # 检查环境变量是否设置成功
   deepseek_key = os.environ.get('DEEPSEEK_API_KEY')
   zhipuai_key = os.environ.get('ZHIPUAI_API_KEY')
   
   print(f"DeepSeek API Key: {'已设置' if deepseek_key else '未设置'}")
   print(f"智谱AI API Key: {'已设置' if zhipuai_key else '未设置'}")
   

4. 在代码中使用

   from AIShareTxt.ai.client import AIClient
   
   # 使用DeepSeek（默认）
   ai_client = AIClient(provider="deepseek")
   
   # 使用智谱AI
   ai_client = AIClient(provider="zhipuai")
   
   # 进行AI数据处理建议
   if ai_client.is_available():
       advice = ai_client.generate_data_processing_recommendation(
           technical_report="技术数据报告内容",
           stock_code="000001"
       )
       print(f"AI数据处理建议: {ai_client.get_recommendation_text(advice)}")
   else:
       print("AI功能不可用，请检查API配置")
   

分析配置

可以通过配置文件调整分析参数：

from AIShareTxt.core.config import IndicatorConfig

config = IndicatorConfig()

# 调整均线周期
config.MA_PERIODS = {
    'short': [5, 10, 20],    # 短期均线
    'medium': [60],           # 中期均线
    'long': [120, 250]        # 长期均线
}

# 调整MACD参数
config.MACD_CONFIG = {
    'fastperiod': 12,
    'slowperiod': 26,
    'signalperiod': 9
}

🔧 开发指南

贡献代码

欢迎贡献代码！请遵循以下步骤：

1. Fork 本项目
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改前运行回归测试：python scripts/regression_test.py
4. 提交更改 (git commit -m 'Add some AmazingFeature')
5. 推送到分支 (git push origin feature/AmazingFeature)
6. 创建 Pull Request

回归测试

在提交代码前，请运行回归测试确保核心功能正常：

# 运行回归测试
python scripts/regression_test.py

回归测试会验证以下核心入口：

• analyze_stock("000001") - API 方式
• aishare 000001 - 命令行方式

💡 注意：只有修改 AIShareTxt/ 目录下的代码时才需要运行回归测试。文档、配置文件等修改不会触发测试。

详细说明请查看：回归测试使用指南

📈 使用示例

完整分析流程

from AIShareTxt import StockAnalyzer

def analyze_example():
    """完整的股票数据处理示例"""

    # 1. 创建数据处理器
    processor = StockDataProcessor()

    # 2. 处理指定股票数据
    stock_code = "000001"  # 平安银行
    report = processor.generate_stock_report(stock_code)

    # 3. 输出数据报告
    print(f"股票 {stock_code} 数据报告：")
    print("=" * 60)
    print(report)

# 运行示例
if __name__ == "__main__":
    analyze_example()

批量分析

from AIShareTxt.utils.stock_list import get_stock_list
from AIShareTxt import StockDataProcessor

def batch_analysis():
    """批量数据处理示例"""

    # 获取股票列表
    stocks = get_stock_list()
    if stocks is None:
        print("无法获取股票列表")
        return

    # 处理前5只股票
    processor = StockDataProcessor()

    for idx, stock in stocks.head(5).iterrows():
        stock_code = stock['代码']
        stock_name = stock['名称']

        print(f"\n处理 {stock_name} ({stock_code}) 数据...")
        print("=" * 50)

        try:
            report = processor.generate_stock_report(stock_code)
            print(report)

        except Exception as e:
            print(f"  数据处理失败: {e}")

batch_analysis()

📄 许可证

本项目采用木兰宽松许可证 第2版 - 查看 LICENSE 文件了解详情。

⚠️ 免责声明

本工具提供的所有信息均为客观的数据处理结果，仅供参考，不构成投资建议。投资有风险，入市需谨慎。

📞 联系方式

• 项目主页: https://github.com/chaofanat/AIShareTxt
• 问题反馈: https://github.com/chaofanat/AIShareTxt/issues
• 邮箱: [e-mail]

🙏 致谢

感谢以下开源项目的支持：

• akshare - 金融数据接口
• TA-Lib - 技术分析库
• pandas - 数据分析库
• numpy - 科学计算库