A股明星分析师预期上修共识策略系统

个人研究用低成本 MVP。第一版只提供 CLI、SQLite 数据库、AKShare 默认数据源、可选 Tushare 补充数据源，不自动下单。

快速开始

1. 安装依赖：

python -m pip install -r requirements.txt

2. 如需 Tushare，将 .env.example 复制为 .env 并填写：

TUSHARE_TOKEN=
USE_TUSHARE=false
USE_AKSHARE=true
DB_URL=sqlite:///data/strategy.db

3. 初始化和运行：

python -m src.cli init-db
python -m src.cli import-analysts
python -m src.cli fetch-hibor-analysts
python -m src.cli update-stock-universe
python -m src.cli update-market --days 180
python -m src.cli update-reports --days 30
python -m src.cli weekly-run

输出目录：outputs/weekly/<run_date>/。

每次周报会生成：

• weekly_report.md：可读版周报。
• candidates_top20.csv：Top20 候选池。
• portfolio_suggestion.csv：8 只建议组合；如果严格过滤无人通过，会标记为研究观察组合。
• weekly_report.xlsx：候选池、建议组合、数据质量三张表。

当前版本范围

• 已实现 Phase 0：项目骨架、YAML 配置、SQLite 初始化、CLI。
• 已实现 Phase 1 基础版：股票基础信息、日行情、研报/评级、手工明星分析师名单导入。
• 支持从慧博知名分析师榜单抓取并去重导入明星分析师： python -m src.cli fetch-hibor-analysts
• 已实现 Phase 2 基础版：过滤、明星分析师匹配、目标价空间、目标价上修、研报后价格反应、趋势分、综合打分和建议组合选择。
• Tushare Token 为空时会自动关闭 Tushare，使用 AKShare。
• 外部接口失败时记录到 data_quality_report 和 logs/strategy.log，流程继续运行。
• 研报只保存链接或来源，不自动下载 PDF。

Phase 2 策略说明

核心策略逻辑位于 src/strategy/，并由单元测试覆盖：

• filters.py：硬过滤与软警告，返回可解释原因。
• factors.py：目标价空间、目标价上修、盈利预测上修、研报后价格反应、趋势分。
• scorer.py：按 config/strategy.yaml 权重计算综合分。
• portfolio.py：按分数和行业上限生成建议组合。

注意

config/strategy.yaml 里的 max_market_update_stocks 控制行情更新的股票数量上限，第一版默认限制较小，避免个人环境第一次运行过慢。

可选 Streamlit 面板

安装依赖后可运行：

streamlit run src/dashboard/app.py

面板只读取本地 SQLite 和最近一次周报数据，不会自动下单。