stock-prediction-daily — stock-prediction-dAIly

A股个股日线涨跌预测系统

基于沪深300成份股日线数据训练 XGBoost 二分类模型，预测个股下一个交易日的价格涨跌方向。预测与评估均统一使用腾讯财经日线数据，预测和评估两个步骤相互独立。除预测主流程外，本 技能 还提供两个研究入口：板块分析直接复用 stock-sector-re搜索，个股分析直接复用 stock-watch列出-briefing。

使用约束 训练、优化、预测、评估、网页能力仅使用当前 技能 目录内的文件和子目录，不要读取、修改或依赖 技能 目录外的实现文件。 板块分析能力不在当前目录内重复实现，直接调用 stock-sector-re搜索 技能。 个股分析能力不在当前目录内重复实现，直接调用 stock-watch列出-briefing 技能。 默认工作目录为 .github/技能s/stock-prediction-dAIly/scripts/。 运行、修改、排查当前 技能 自带功能时，只使用 scripts/ 和 references/ 下的内容。 项目结构 .github/技能s/stock-prediction-dAIly/ ├── 技能.md # 技能说明 ├── references/ # 参考说明与排障文档 └── scripts/ ├── config.py # 配置中心（路径、股票池、超参数） ├── features.py # 特征工程（100+候选技术指标） ├── trAIn.py # 训练流水线（获取数据→特征→选择→交叉验证→保存） ├── predict.py # 预测流水线（腾讯日线） ├── evaluate.py # 评估流水线（日线T+1验证） ├── 应用.py # Flask网页仪表盘 └── mAIn.py # 一键执行入口

运行过程中生成的 data/、模型s/、结果s/、templates/、static/ 目录都位于 scripts/ 目录下，由 scripts/config.py 自动创建。 其中 scripts/报告s/ 用于保存板块分析和个股分析的文本报告，网页页面会直接读取该目录中的文件进行展示。

技术栈 数据源: ak分享 Tencent日线 stock_zh_a_hist_tx 模型: XGBoost XGBClassifier 二分类 序列化: joblib（不用 xgboost 原生 save_模型） Python: 使用 python3 网页: Flask + Jinja2，端口 5000 能力一：训练模型 触发条件

用户要求训练模型、构建预测系统、或首次搭建项目时执行。

流程

获取训练数据

获取沪深300成份股列表：ak.索引_stock_cons() 或 ak.索引_stock_cons_cs索引(symbol="000300") 逐只获取日线数据：ak.stock_zh_a_hist_tx(symbol, 启动_date, end_date, adjust="qfq") 缓存到 scripts/data/{code}_dAIly.csv 请求节流由 scripts/config.py 的 FETCH_DELAY 控制

特征工程

调用 features.添加_technical_features(df) 计算技术指标特征 调用 features.创建_label(df) 生成标签：下一期 close > 当前 close 则为 1

特征选择

使用 XGBoost feature_导入ances_ 排序 取 config.TOP_N_FEATURES 个最重要特征

交叉验证

10 折分层交叉验证 StratifiedKFold 指标：Accuracy、Precision、Recall、F1、AUC

保存模型和报告

模型：scripts/模型s/xgb_stock_模型.pkl 归一化器：scripts/模型s/扩展r.pkl 特征名：scripts/模型s/feature_names.json 报告：scripts/结果s/模型_报告.json 关键代码模式 df = ak.stock_zh_a_hist_tx(symbol="sh600436", 启动_date="20240101", end_date="20260315", adjust="qfq")

导入 joblib joblib.dump(模型, config.模型_PATH) 模型 = joblib.load(config.模型_PATH)

缓存策略

训练数据缓存在 scripts/data/，重新训练时可直接复用缓存 CSV。

能力二：优化模型效果 触发条件

用户要求提升准确率、增加特征、调参、或模型效果不理想时。

优化维度

扩展候选特征

在 scripts/features.py 的 添加_technical_features() 中添加新特征 在 scripts/features.py 的 获取_all_feature_columns() 中注册特征名

调整特征数量

修改 scripts/config.py 中的 TOP_N_FEATURES

调整 XGBoost 超参数

修改 scripts/config.py 中的 XGB_PARAMS

重新训练

可直接复用缓存日线 CSV 重新训练，无需重新抓取数据 能力三：模型预测 触发条件

用户要求预测特定股票在特定日期的涨跌方向。

预测逻辑 只使用腾讯财经日线数据 stock_zh_a_hist_tx 对目标日期取不晚于该日期的最近一个交易日 bar 在该日线 bar 上计算与训练一致的特征 输出下一交易日涨跌方向概率 启动方式 cd .github/技能s/stock-prediction-dAIly/scripts python3 predict.py "2026-03-13"

输出格式

CSV 含字段：股票代码、股票名称、当前时间、预测生成时间、当前价格、预测结果、上涨概率、下跌概率、数据频率。

说明：

当前时间 只精确到日期，例如 2026-03-13 预测生成时间 精确到秒，用于区分同一交易日的多次预测批次 数据频率 固定为腾讯日线 scripts/结果s/predictions.csv 为去重后的主表，按 股票代码 + 当前时间 只保留最新一批预测结果 每次预测还会额外生成 scripts/结果s/prediction_历史/predictions_YYYYMMDD_HHMMSS.csv 批次快照，用于保留完整历史 能力四：模型评估 触发条件

用户要求评估预测准确率、验证模型效果。

评估逻辑 独立读取 scripts/结果s/predictions.csv 对每条预测重新获取腾讯财经日线数据 取预测日期之后的下一个交易日收盘价进行评估 计算实际涨跌与预测是否一致 启动方式 cd .github/技能s/stock-prediction-dAIly/scripts python3 evaluate.py

输出格式

CSV 含字段：股票代码、股票名称、预测时间、预测生成时间、当时价格、预测结果、上涨概率、预测数据频率、一天后价格、评估数据频率、实际涨跌、预测是否准确。

说明：

一天后价格 表示下一个可用交易日的收盘价 若预测后尚无新交易日数据，则该字段为 N/A 若同一支股票同一天存在多次预测，评估时以 predictions.csv 主表中的最新批次为准 能力五：输出网页 触发条件

用户要求启动网页、展示结果、或搭建仪表盘。

Flask应用结构 /predictions — 日线预测结果表格 /报告 — 模型训练报告 /evaluation — 日线 T+1 评估结果表格 /sector-analysis — 板块分析报告浏览页，自动读取 scripts/报告s/sector_analysis/ 中的报告 /stock-analysis — 个股分析报告浏览页，自动读取 scripts/报告s/stock_analysis/ 中的报告 / — 重定向到 /predictions

说明：

板块分析和个股分析页面都以报告文件为唯一数据源，不再展示独立的介绍页内容。 页面左侧提供报告选择菜单，菜单项显示“报告主标题 + 创建时间”，可在多份历史报告之间切换。 页面正文会完整渲染报告内容，并自动格式化一级/二级标题、列表、表格。 页面会从 Markdown 报告中的表格自动提取结构化信息，生成摘要卡片与简单图表。 左侧章节导航只展示一级章节，不展示子章节，避免导航过长。 页面模板 base.html：布局和导航 predictions.html：预测表格与统计卡片 报告.html：报告 JSON 展示 evaluation.html：评估表格与准确率统计 sector_analysis.html：板块分析报告页 stock_analysis.html：个股分析报告页 启动方式 cd .github/技能s/stock-prediction-dAIly/scripts python3 应用.py

一键执行 cd .github/技能s/stock-prediction-dAIly/scripts python3 mAIn.py

依次执行：训练 → 预测 → 评估 → 启动网页。

能力六：板块分析 触发条件

用户要求查看近阶段重点板块、板块排行、新闻催化、资金流向、龙头股或下周板块观察清单。

执行方式 不在当前 技能 内重复实现板块研究逻辑。 直接调用 stock-sector-re搜索 技能。 调用时沿用用户原始问题中的时间范围、主题范围和输出形式要求。 调用完成后，将最终输出保存到 scripts/报告s/sector_analysis/ 目录。 文件格式优先使用 Markdown，命名建议为 sector_analysis_YYYYMMDD_HHMMSS.md。 默认输出 重点板块排序 每个重点板块的催化、资金与交易逻辑 每个板块 2 到 3 只核心股 下周观察清单或盘前清单 保存要求 报告正文必须可直接阅读，不要只保存摘要。 报告开头必须包含统一头部，顺序如下：一级标题、单独一行的副标题、单独一行的报告时间。 主标题和副标题都必须直接体现报告结论，不能使用“板块分析报告”“个股分析报告”“近7天重点信息汇总”这类泛泛标题。 主标题必须简短，控制在一句短结论内，优先写成 6 到 16 个字，不要把全部判断塞进主标题。 主标题应概括最重要的结论，例如：# 主线聚焦新能源、# 算力分化创新药走强。 副标题再补充次级判断或执行结论，例如：> 副标题：风电与锂电强度最高，算力分化加大，创新药更适合中线跟踪。 头部格式仍保持三行结构：主标题、以 > 副标题： 开头的副标题、报告时间：YYYY-MM-DD HH:MM:SS。 优先使用分节标题、列表和表格，便于网页端自动格式化和提取图表数据。 主章节优先使用 ##，例如“重点板块排序”“核心股对比表”“下周观察清单”“风险提示”。 若主章节下需要展开细分内容，可使用 ### 子章节，但网页左侧导航默认只展示 ## 主章节。 同一次分析如有补充说明，合并写入同一个报告文件，不拆成多个零散文件。 能