technical-analysis

技术分析

使用 pandas-ta 计算技术指标。支持多标的分析和财报数据。

说明

注意： 如果未安装 uv 或未找到 pyproject.toml，请在以下所有命令中将 uv run python 替换为 python。

uv run python scripts/technicals.py SYMBOL [--period PERIOD] [--indicators INDICATORS] [--earnings]

参数

• SYMBOL - 股票代码或以逗号分隔的列表（例如，AAPL 或 AAPL,MSFT,GOOGL）
• --period - 历史周期：1mo、3mo、6mo、1y（默认值：3mo）
• --indicators - 以逗号分隔的指标列表：rsi,macd,bb,sma,ema,atr,adx（默认值：全部）
• --earnings - 包含财报数据（即将到来的日期 + 历史数据）

输出

单个标的返回：

• price - 当前价格和近期变动
• indicators - 各项指标的计算值
• risk_metrics - 波动率（年化 %）和夏普比率
• signals - 根据指标水平生成的买入/卖出信号
• earnings - 即将到来的日期和 EPS 历史数据（如果指定了 --earnings）

多个标的返回：

• results - 单个标的结果数组

交叉

• indicators.macd.crossover - 最近一次 MACD 线与信号线交叉；若无则为 null：
  • direction - "up"（MACD 上穿信号线 = 看涨）或 "down"（下穿 = 看跌）
  • days_ago - 自交叉以来经过的交易柱数（0 = 最近一个交易柱发生）
• indicators.ema.crossover - 最近一次 EMA9/EMA21 交叉（结构相同；若无则为 null）。 indicators.ema 还会报告 ema9 和 ema21，以及 ema12/ema26。

解读

• RSI > 70 = 超买，RSI < 30 = 超卖
• MACD 交叉 = 动能转变；crossover.days_ago 为 0-5 = 新近信号
• EMA9/21 交叉可确认短期动能；MACD 通常领先，EMA 则用于确认
• 价格接近布林带 = 可能出现反转
• 黄金交叉（SMA20 > SMA50）= 看涨
• ADX > 25 = 趋势强劲
• 夏普比率 > 1 = 风险调整后回报良好，> 2 = 极佳
• 波动率（年化）= 按年化基准缩放后的收益标准差

示例

# Single symbol with all indicators
uv run python scripts/technicals.py AAPL

# Multiple symbols
uv run python scripts/technicals.py AAPL,MSFT,GOOGL

# With earnings data
uv run python scripts/technicals.py NVDA --earnings

# Specific indicators only
uv run python scripts/technicals.py TSLA --indicators rsi,macd

---

相关性分析

计算多个标的之间的价格相关性矩阵，用于分散投资分析。

说明

uv run python scripts/correlation.py SYMBOLS [--period PERIOD]

参数

• SYMBOLS - 以逗号分隔的股票代码（至少 2 个）
• --period - 历史周期：1mo、3mo、6mo、1y（默认值：3mo）

输出

• symbols - 已分析的标的列表
• period - 使用的时间周期
• correlation_matrix - 包含所有标的对之间相关性值的嵌套字典

解读

• 相关性接近 1.0 = 高度相关（走势一致）
• 相关性接近 -1.0 = 负相关（走势相反）
• 相关性接近 0 = 不相关（走势独立）
• 分散投资时，优先选择相关性较低或为负的标的

示例

# Portfolio correlation
uv run python scripts/correlation.py AAPL,MSFT,GOOGL,AMZN

# Sector comparison
uv run python scripts/correlation.py XLF,XLK,XLE,XLV --period 6mo

# Check hedge effectiveness
uv run python scripts/correlation.py SPY,GLD,TLT

依赖项

• numpy
• pandas
• pandas-ta
• yfinance

时区

所有时间戳和基于时间的计算都必须使用 America/New_York 时区。所有 JSON 输出都必须包含 generated_at（纽约时间字符串）和 data_delay 字段。