BeerGaao — A股量化分析

为 AI Agent 提供标准化的 A 股分析能力：行情、技术分析、多因子、策略集成、回测、风控、绩效归因。

快速使用

from stock_skill.tools.tools import StockTools
tools = StockTools()

# 技术分析（自动集成：传统策略 + 集成引擎 + ML + 因子IC + 参数校准）
result = tools.analyze_stock("600036.SH")

# 完整复盘
report = tools.full_review()

# 大盘环境
market = tools.analyze_market()

工具列表（16个）

analyze_stock 返回数据

{
  "info": {"code": "600036.SH", "name": "招商银行", "industry": "银行"},
  "indicators": {"ma5": 35.2, "rsi": 55.3, "macd": 0.12, "...": "..."},
  "support": 34.5, "resistance": 36.8,
  "backtest": {"win_rate": 0.6, "sharpe_ratio": 1.2, "...": "..."},
  "raw_signals": [{"strategy": "macd_cross", "direction": "BUY", "confidence": 0.65, "reason": "..."}],
  "ensemble": {"direction": "BUY", "confidence": 0.72, "consensus": 0.65, "regime": "trend_up"},
  "ml_signal": {"direction": "BUY", "confidence": 0.68, "model": "ensemble_ml"},
  "factor_ic": {"rsi": {"ic": 0.035, "ic_ir": 0.42, "significant": true}},
  "calibration": {"rsi_oversold": {"rsi_threshold": 28}},
  "signal": {"signal_type": "买入", "confidence": 0.72, "stop_loss": 33.5, "target_price": 37.2}
}

自然语言路由

信号类型

• 买入 — 多源共识（传统+集成+ML）置信度 ≥ 0.6
• 卖出 — 卖出信号共识 > 买入信号
• 观察 — 有买入信号但置信度 0.4-0.6
• 持有 — 无明确方向信号

策略引擎

详见 strategy-reference.md

包含：10种传统策略（均含买卖信号）+ 4种ML策略（增量训练+持久化）+ 集成引擎（市场状态检测+动态权重+信号去冗余+IC过滤）

因子体系

详见 factor-reference.md

包含：19个因子（基本面7+资金面6+情绪面6）+ 3种合成方式 + 增强IC分析 + 因子衰减检测

风控与回测

详见 risk-reference.md

包含：动态止损/移动止损/仓位管理/相关性风控/熔断机制 + 专业回测引擎（T+1/涨跌停/成交量约束/成本模型/基准对比）

绩效闭环

信号发出 → 自动记录 → 5天后回填实际收益 → 各策略胜率统计 → 权重自动反馈

• evaluate_signal_performance — 回填历史信号收益，刷新策略权重
• strategy_attribution — 追踪收益来源到具体策略

项目结构

stock_skill/
├── tools/tools.py          # 16个Agent工具（主入口）
├── strategies/
│   ├── strategies.py       # 10种传统策略 + 参数校准器
│   ├── ml_strategies.py    # 4种ML策略（增量训练+持久化）
│   ├── ensemble.py         # 集成引擎（市场状态+动态权重）
│   └── optimizer.py        # 参数优化（网格/随机/贝叶斯/遗传）
├── factors/
│   ├── base.py             # 因子基类 + 合成引擎
│   ├── fundamental.py      # 基本面因子
│   ├── capital.py          # 资金面因子
│   ├── sentiment.py        # 情绪面因子
│   └── enhanced_ic.py      # 增强IC分析
├── backtest/engine.py      # 专业回测引擎
├── execution/order.py      # 执行层（T+1/模拟券商）
├── attribution/brinson.py  # Brinson归因
├── providers/providers.py  # 数据源（Tushare+EastMoney）
├── risk.py                 # 风控模块
├── state.py                # SQLite持久化（信号+绩效）
├── config.py               # 配置管理
├── indicators.py           # 技术指标（18个）
├── models.py               # 数据模型
├── semantic.py             # 自然语言接口
└── monitor.py              # 轮询监控

安装

本技能是一个完整的 Python 包，需要安装依赖后才能使用：

# 克隆仓库
git clone https://github.com/GanJiaKouN16/BeerGaao.git
cd BeerGaao

# 安装依赖（推荐使用虚拟环境）
pip install -e .

# 或仅安装核心依赖
pip install -r requirements.txt

配置

通过环境变量或 config.env 文件配置：

配置文件示例（复制 config.example.env 为 config.env 并填写）：

cp config.example.env config.env
# 编辑 config.env，填入你的 TUSHARE_TOKEN

外部服务

本技能会访问以下外部服务：

数据持久化

安全说明

• 凭证存储：Tushare Token 通过环境变量或 config.env 文件配置，支持可选加密
• 模型序列化：使用 joblib 替代 pickle，避免反序列化 RCE 风险
• 沙箱运行：建议在隔离环境（虚拟环境/容器）中运行
• 数据访问：仅访问公开的A股市场数据，不会读取系统敏感文件

输出格式

所有工具返回统一格式：

{"tool": "工具名", "status": "success | error", "data": {...}}