用DeepSeek编写的结合资金面技术市场情绪监控个股情况的程序

一个基于Python的个股监控程序设计方案，整合资金面、技术指标和市场情绪三大维度，使用主流金融数据接口和数据分析库实现：

—

### **系统架构设计**

“`mermaid

graph TD

A[数据源] –> B[数据采集模块]

B –> C[数据处理引擎]

C –> D[监控规则库]

D –> E[报警/推送模块]

“`

—

### **核心代码实现**

#### 1. 数据采集模块

“`python

import tushare as ts

import akshare as ak

import pandas as pd

class DataCollector:

def __init__(self, token):

self.pro = ts.pro_api(token) # Tushare Pro token

def get_fund_flow(self, symbol):

“””资金面数据”””

# 获取北向资金数据

north_bound = ak.stock_em_hsgt_hold_stock(symbol)

# 获取主力资金流向

main_fund = self.pro.moneyflow(ts_code=symbol)

return pd.merge(north_bound, main_fund, on=’trade_date’)

def get_technical_data(self, symbol):

“””技术指标数据”””

df = ak.stock_zh_a_hist(symbol, period=”daily”)

# 计算技术指标

df[‘MA5’] = df[‘close’].rolling(5).mean()

df[‘MA20’] = df[‘close’].rolling(20).mean()

df[‘RSI’] = self._calc_rsi(df[‘close’])

df[‘MACD’], df[‘Signal’] = self._calc_macd(df[‘close’])

return df

def get_market_sentiment(self, symbol):

“””市场情绪数据”””

# 从新闻API获取舆情

news = ak.stock_news_em(symbol=symbol)

# 社交媒体情绪分析

weibo_sentiment = self._analyze_weibo(symbol)

return {

‘news_sentiment’: self._sentiment_analysis(news[‘content’]),

‘social_media’: weibo_sentiment

}

def _calc_rsi(self, series, period=14):

# RSI计算实现

delta = series.diff()

gain = delta.where(delta > 0, 0)

loss = -delta.where(delta < 0, 0)

# … 具体计算逻辑

def _calc_macd(self, series):

# MACD计算实现

ema12 = series.ewm(span=12).mean()

ema26 = series.ewm(span=26).mean()

macd = ema12 – ema26

signal = macd.ewm(span=9).mean()

return macd, signal

“`

#### 2. 监控规则引擎

“`python

class MonitoringRules:

@staticmethod

def fund_flow_alert(data):

“””资金异动规则”””

if data[‘north_inflow_5d’] > 1e8 and data[‘main_net_inflow’] > 5e7:

return “主力资金持续流入”

@staticmethod

def technical_alert(data):

“””技术指标规则”””

latest = data.iloc[-1]

if latest[‘RSI’] < 30 and latest[‘close’] > latest[‘MA20’]:

return “超卖反弹信号”

if latest[‘MACD’] > latest[‘Signal’] and latest[‘volume’] > 1.5*data[‘volume’].mean():

return “量价齐升金叉”

@staticmethod

def sentiment_alert(sentiment_data):

“””市场情绪规则”””

if sentiment_data[‘news_positive’] > 0.7 and sentiment_data[‘social_heat’] > 1e4:

return “市场情绪过热”

“`

#### 3. 报警推送模块

“`python

import smtplib

from email.mime.text import MIMEText

class AlertSender:

def __init__(self, config):

self.config = config # 包含邮件服务器配置

def send_email(self, message):

msg = MIMEText(message)

msg[‘Subject’] = ‘股票监控警报’

msg[‘From’] = self.config[’email’]

msg[‘To’] = self.config[‘receiver’]

with smtplib.SMTP_SSL(self.config[‘smtp_server’], 465) as server:

server.login(self.config[’email’], self.config[‘password’])

server.send_message(msg)

“`

—

### **监控维度说明**

| 维度 | 监控指标 | 数据源 |

|————|———————–

| **资金面** | 北向资金流向、主力资金净流入 | Tushare Pro、AKShare |

| **技术面** | RSI/MACD/均线系统/成交量异动 | 本地计算 |

| **情绪面** | 新闻舆情分析、社交媒体热度 | 网络爬虫+情感分析API |

—

### **运行逻辑**

“`python

if __name__ == “__main__”:

# 初始化组件

collector = DataCollector(“your_tushare_token”)

analyzer = MonitoringRules()

sender = AlertSender(config)

# 监控标的列表

watch_list = [‘600519.SH’, ‘000001.SZ’]

for symbol in watch_list:

# 获取数据

fund_data = collector.get_fund_flow(symbol)

tech_data = collector.get_technical_data(symbol)

sentiment = collector.get_market_sentiment(symbol)

# 执行监控规则

alerts = []

alerts.append(analyzer.fund_flow_alert(fund_data))

alerts.append(analyzer.technical_alert(tech_data))

alerts.append(analyzer.sentiment_alert(sentiment))

# 发送警报

if any(alerts):

message = f”{symbol}警报:\n” + “\n”.join(filter(None, alerts))

sender.send_email(message)

“`

—

### **扩展建议**

1. **增加可视化**：使用Plotly/Dash构建监控仪表盘

2. **机器学习集成**：加入LSTM价格预测模型

3. **实时数据**：通过WebSocket接入Level2行情

4. **风险控制**：加入持仓管理和回撤监控模块

实际部署时需要处理的关键问题：

– 数据接口的频率限制

– 异常处理机制（网络中断、数据异常值）

– 敏感词过滤（舆情监控合规性）

– 策略参数的回测优化

如果需要具体某个模块的深入实现细节（如舆情分析算法），可以告诉我需要强化的部分。