technical-analysis-mcp 0.7.1

A Python package for technical analysis of financial markets

技术指标分析工具

该工具提供MCP服务器和HTTP API用于分析ETF和股票的技术指标。它使用akshare库获取历史数据，并计算RSI、布林带和移动平均线等技术指标。

环境要求

• Python 3.9+
• 依赖库：akshare, pandas, fastapi, mcp, uvicorn

安装依赖

# 方式1：安装所有依赖
pip install -r requirements.txt

# 方式2：仅安装核心依赖
pip install akshare pandas fastapi mcp uvicorn openai backtrader scipy

快速启动

方式1：使用启动脚本（推荐）

Linux/Mac:

# 启动MCP服务器
./run_mcp_server.sh [stdio|streamable-http]

# 启动HTTP服务器
./run_http_server.sh [port]

# 示例
./run_mcp_server.sh stdio
./run_http_server.sh 8000

Windows:

# 启动MCP服务器
run_mcp_server.bat [stdio|streamable-http]

# 启动HTTP服务器
run_http_server.bat [port]

# 示例
run_mcp_server.bat stdio
run_http_server.bat 8000

方式2：直接通过模块启动

# 启动MCP服务器
python3 -m technical_analysis.main --transport stdio
python3 -m technical_analysis.main --transport streamable-http

# 启动HTTP服务器
python3 -m uvicorn technical_analysis.http_server:app --reload --port 8000

方式3：使用npm脚本

# 启动MCP服务器
npm start

# 启动HTTP服务器
npm run http

API文档

mcp服务器提供的接口:

analyze_etf_technical

@mcp.tool()
def analyze_etf_technical(etf_code='510300', with_market_style=False):
    """
    ETF技术指标分析工具
    :param etf_code: ETF代码 (例如'510300')
    :param with_market_style: 是否包含市场风格分类 (True/False)
    :param base_date: 基准日期，格式为YYYYMMDD (可选)
    :return: 包含技术指标的Markdown表格(最后5条记录)
    """

新增字段说明:

参数:

• etf_code: ETF代码，默认为'510300'(沪深300ETF)

返回值:

• 包含以下技术指标的Markdown表格:
  • 价格数据
  • RSI指标
  • 布林带
  • 移动平均线
  • atr: 平均真实波幅(10日)，衡量价格波动性的指标，数值越大表示波动越大
  • mkt_style: 市场风格分类结果

示例:

result = analyze_etf_technical('510300')
print(result)

analyze_stock_hist_technical

@mcp.tool()
def analyze_stock_hist_technical(stock_code='000001'):
    """
    股票历史数据技术指标分析工具
    :param stock_code: 股票代码 (例如'000001')
    :param base_date: 基准日期，格式为YYYYMMDD (可选)
    :return: 包含技术指标的Markdown表格(最后5条记录)
    """

参数:

• stock_code: 股票代码，默认为'000001'(平安银行)

返回值:

• 包含以下技术指标的Markdown表格:
  • 价格数据
  • RSI指标
  • 布林带
  • 移动平均线
  • atr: 平均真实波幅(10日)，衡量价格波动性的指标，数值越大表示波动越大
  • mkt_style: 市场风格分类结果

示例:

result = analyze_stock_hist_technical('000001')
print(result)

get_stock_news

@mcp.tool()
def get_stock_news(news_count=3, publish_before=None):
    """
    以时间线方式获取股票市场最新事件，包括政策、行业动态和市场行情
    :param news_count: 返回新闻数量 (默认3条)
    :param publish_before: 发布日期上限 (格式YYYY-MM-DD)
    :return: 新闻列表 (JSON格式)
    """

参数:

• news_count: 返回新闻数量，默认为3条
• publish_before: 发布日期上限，格式为YYYY-MM-DD

返回值:

• 新闻列表 (JSON格式)

示例:

result = get_stock_news(news_count=5)
print(result)

screen_etf_anomaly_in_tech

@mcp.tool()
def screen_etf_anomaly_in_tech(etf_codes="513050", base_date=None, lookback_days=60, top_k=10):
    """
    筛选ETF异动行情，基于技术指标分析找出近期表现异常的ETF
    :param etf_codes: 要筛选的ETF代码列表，默认为"513050"，多个代码用逗号分隔
    :param base_date: 基准日期(格式YYYYMMDD)，默认为当前日期
    :param lookback_days: 回溯天数，用于计算技术指标(默认60天)
    :param top_k: 返回排名前几的ETF(默认10个)
    :return: 包含异动ETF信息的Markdown表格，包括ETF代码、名称、异常指标和得分
    """

参数:

• etf_codes: ETF代码列表，默认为"513050"
• base_date: 基准日期，格式为YYYYMMDD
• lookback_days: 回溯天数，默认为60天
• top_k: 返回排名前几的ETF，默认为10个

返回值:

• 包含异动ETF信息的Markdown表格

示例:

result = screen_etf_anomaly_in_tech(etf_codes="513050,510300")
print(result)

安装与配置

源码安装（推荐）

# 克隆项目
git clone <repository-url>
cd technical_analysis

# 安装依赖
pip install -r requirements.txt

# 直接运行（无需安装包）
python3 -m technical_analysis.main --transport stdio

包安装（可选）

# 从源码安装
pip install -e .

# 运行
technical-analysis-mcp

配置

1. 确保已安装Python 3.9+版本
2. 安装所需依赖库
3. 数据文件会自动生成，无需额外配置

市场风格分类示例

# 获取带市场风格分类的ETF技术指标
result = analyze_etf_technical('510300', with_market_style=True)
print(result)

# 获取带市场风格分类的股票技术指标
result = analyze_stock_hist_technical('000001', with_market_style=True)
print(result)

MCP配置示例

方式1：使用启动脚本

{
  "mcpServers": {
    "technical-analysis-mcp": {
      "command": "/path/to/technical_analysis/run_mcp_server.sh",
      "args": ["stdio"]
    }
  }
}

方式2：直接使用模块

{
  "mcpServers": {
    "technical-analysis-mcp": {
      "command": "python3",
      "args": ["-m", "technical_analysis.main", "--transport", "stdio"]
    }
  }
}

方式3：使用npm脚本

{
  "mcpServers": {
    "technical-analysis-mcp": {
      "command": "npm",
      "args": ["start"]
    }
  }
}

RESTful API

启动HTTP服务器

# 方式1：使用启动脚本
./run_http_server.sh 8000

# 方式2：直接启动
python3 -m uvicorn technical_analysis.http_server:app --reload --port 8000

# 方式3：使用npm脚本
npm run http

API文档

服务器启动后，可以通过以下地址访问：

• API文档: http://localhost:8000/docs
• OpenAPI Schema: http://localhost:8000/openapi.json

API端点

ETF技术分析

GET /api/etf/{etf_code}

参数：

• etf_code: ETF代码 (例如'510300')
• with_market_style: 是否包含市场风格分类 (默认true)
• base_date: 基准日期 (格式YYYYMMDD)
• return_days: 返回数据条数 (默认5)

ETF异动筛选

GET /api/etf/screen

参数：

• etf_codes: ETF代码列表 (逗号分隔)
• base_date: 基准日期 (格式YYYYMMDD)
• top_k: 返回数量 (默认10)

项目结构

technical_analysis/
├── technical_analysis/          # 主包目录
│   ├── __init__.py             # 包初始化
│   ├── __main__.py             # 模块入口
│   ├── main.py                 # MCP服务器主程序
│   ├── http_server.py          # HTTP服务器
│   ├── stock_data.py           # 股票数据获取
│   ├── etf_screener.py         # ETF异动筛选
│   ├── trading_strategy.py     # 交易策略
│   ├── market_sentiment.py     # 市场情绪分析
│   ├── grid_strategy_backtest.py  # 网格策略回测
│   ├── grid_loader.py          # 网格加载器
│   ├── vector_db.py            # 向量数据库
│   ├── broker_stock_analysis.py # 券商股票分析
│   └── backtest_data.py        # 回测数据
├── requirements.txt            # Python依赖
├── pyproject.toml             # 项目配置
├── package.json               # npm脚本配置
├── run_mcp_server.sh         # MCP服务器启动脚本(Linux/Mac)
├── run_http_server.sh        # HTTP服务器启动脚本(Linux/Mac)
├── run_mcp_server.bat        # MCP服务器启动脚本(Windows)
├── run_http_server.bat       # HTTP服务器启动脚本(Windows)
├── s.yaml                    # 阿里云函数计算配置
└── README.md                 # 项目文档

特性

• 📊 技术指标分析: RSI、布林带、移动平均线、ATR等
• 🎯 市场风格分类: 自动识别市场状态
• 📈 ETF异动筛选: 基于技术指标的异常检测
• 🔍 市场情绪分析: 复合情绪分数计算
• 📰 新闻事件检索: 股票市场新闻获取
• 🧠 LLM集成: 支持AI驱动的交易策略生成
• 🚀 多部署方式: 本地、云函数、容器化部署
• 🔌 标准化接口: MCP协议和RESTful API
• 🌏 中文市场支持: 专注中国金融数据

许可证

MIT License