基于Tushare+LLM的A股量化分析系统实战：从数据采集到智能选股

asdj jkdsa — Thu, 02 Apr 2026 00:23:28 +0000

Tushare + AI 量化分析实战：从数据采集到智能选股

本文介绍如何基于 Tushare Pro 搭建一套完整的 A股量化分析系统，支持批量分析 4000+ 只股票，LLM 驱动的情绪评分和智能选股。

一、项目背景

我在研究 A股量化投资时，需要一个能够：

批量采集全市场股票数据
自动分析每只股票的技术面和消息面
智能筛选符合特定条件的标的

传统方式需要人工筛选，效率低下。于是我搭建了 DSA（Deep Stock Analysis）系统。

二、系统架构

数据源层（Tushare/Akshare/Eastmoney/Sina）
         ↓
  DataFetcherManager（多源自动切换）
         ↓
  Pipeline（数据处理 + 特征提取）
         ↓
  LLM Agent（DeepSeek/MiniMax）
         ↓
  SQLite（本地存储）+ 飞书（推送）

核心设计理念：

多数据源冗余：一个失败自动切换下一个
LLM 驱动：用大模型做情绪分析和选股决策
批量处理：支持同时分析上千只股票

三、数据采集层

3.1 Tushare Pro 数据获取

import tushare as ts

pro = ts.pro_api('your_token')

# 获取日线数据
df = pro.daily(
    ts_code='002460.SZ',  # 赣锋锂业
    start_date='20260301',
    end_date='20260331'
)
print(df.head())

Tushare 积分说明：
| 积分 | 可用接口 |
|------|---------|
| 120 | daily（日线）、realtime（实时） |
| 2000 | 财报、龙虎榜、指数 |

3.2 多数据源自动切换

class DataFetcherManager:
    """多数据源统一抽象"""

    def __init__(self):
        self.fetchers = [
            TushareFetcher(),      # 优先 Tushare
            AkshareFetcher(),       # 备选 Akshare
            EastmoneyFetcher(),     # 备选 东财
            SinaFetcher(),          # 备选 新浪
        ]

    def get_realtime_quote(self, code):
        """遍历数据源，失败自动切换"""
        for fetcher in self.fetchers:
            try:
                quote = fetcher.get_realtime_quote(code)
                if quote:
                    return quote
            except:
                continue
        return None  # 全部失败

四、LLM 驱动的分析引擎

4.1 分析流程

{
    "code": "002460",
    "name": "赣锋锂业",
    "sentiment_score": 82,      # 情绪评分 0-100
    "trend_prediction": "强烈看多",
    "operation_advice": "持有",  # 买入/持有/观望/卖出
    "confidence_level": "高",
    "decision_type": "hold"
}

4.2 Prompt 设计

ANALYSIS_PROMPT = """
你是一个专业的A股分析师。请根据以下数据，分析{stock_name}({stock_code})：

实时行情：{realtime_data}
K线形态：{kline_pattern}
板块信息：{sector_info}
近期新闻：{news_summary}

请输出JSON格式的分析结果：
{{
    "sentiment_score": 0-100的评分,
    "trend_prediction": "强烈看多/看多/震荡/看空/强烈看空",
    "operation_advice": "买入/持有/观望/卖出",
    "confidence_level": "高/中/低",
    "decision_type": "buy/hold/wait/sell"
}}
"""

五、批量分析实战

5.1 新能源板块筛选

# 新能源板块相关股票
new_energy_stocks = [
    ('002460', '赣锋锂业'),  # 锂矿龙头
    ('300750', '宁德时代'),  # 电池巨头
    ('600110', '诺德股份'),  # 锂电铜箔
    ('002594', '比亚迪'),    # 新能源车
]

# 批量分析
for code, name in new_energy_stocks:
    result = analyzer.analyze(code)
    print(f"{name}: 情绪={result['sentiment_score']}, 建议={result['operation_advice']}")

2026-04-01 新能源板块分析结果：

代码	名称	收盘价	涨跌	情绪分	建议
603158	腾龙股份	12.28	+10.04%	78	观望
600875	东方电气	38.28	+9.22%	68	持有
300750	宁德时代	405.71	+1.00%	72	持有
002460	赣锋锂业	77.31	-1.37%	82	持有

5.2 全市场扫描

# 获取全部 A股代码
all_codes = pro.stock_basic(list_status='L')

# 批量分析（带进度）
for i, row in tqdm(all_codes.iterrows(), total=len(all_codes)):
    try:
        result = analyzer.analyze(row['ts_code'][:6])
        save_to_db(result)
    except Exception as e:
        log_error(row['ts_code'], str(e))

六、飞书定时推送

6.1 持仓日报

from lark_oapi import Client

def send_daily_report(positions):
    """发送持仓日报到飞书"""
    client = Client.builder()\
        .app_id(APP_ID)\
        .app_secret(APP_SECRET)\
        .build()

    content = "📊 持仓股早报\n\n"
    for pos in positions:
        content += f"🔋 {pos['name']} ({pos['code']})\n"
        content += f"   现价: {pos['price']} | 涨跌: {pos['pct']}%\n"
        content += f"   情绪: {pos['sentiment']}/100 | 建议: {pos['advice']}\n\n"

    # 发送消息
    client.im.v1.message.create(
        receive_id=USER_ID,
        msg_type="text",
        content=json.dumps({"text": content})
    )

七、Tushare 积分获取经验

7.1 积分等级对照

积分	可用数据	获取难度
0	仅基础行情	注册即得
120	日线、实时行情	完善信息即可
500	资金流、板块	邀请5个用户
2000	财报、龙虎榜	写2-3篇文章

7.2 我的积分获取经历

注册 + 完善信息：获得 120 积分 ✅
开源项目贡献：向 Tushare 提交 GitHub 仓库 ✅
技术文章发表：在 dev.to/知乎/CSDN 发布教程 ✅
社区活跃：在 QQ 群帮助解答问题 → 50-200 积分

7.3 快速获取积分建议

1. 发文章（最推荐）
   - 写 Tushare 使用教程
   - 发到知乎/CSDN/掘金
   - 把链接发给群主 → 100-1000积分

2. 邀请用户
   - 每邀请1个有效用户 → +50积分
   - 邀请5个用户 → +250积分

3. 学生认证
   - 联系 Tushare 高校群
   - 提交学生证 → 直接送2000积分

八、总结

基于 Tushare + LLM 的量化分析系统，让选股过程从人工筛选变为智能分析：

优势：

数据获取自动化（多源切换）
分析过程智能化（LLM 驱动）
结果存储本地化（SQLite）
报告推送定时化（飞书）

局限：

Tushare 免费接口有限（需要积分解锁更多数据）
LLM 分析需要 API 成本
量化策略需要回测验证

下一步计划：

接入 Level2 行情（资金流更精准）
增加回测模块（验证策略有效性）
支持港股和美股

项目地址：https://github.com/shuwey/dsa
Tushare 注册：https://tushare.pro/register

用Tushare数据搭建AI量化分析系统，已开源至GitHub

asdj jkdsa — Thu, 02 Apr 2026 00:15:19 +0000

前言

大家好，今天分享一个我搭建的自动化A股分析系统，核心思路是用 Tushare 获取数据，用 AI 做基本面+技术面分析，实现批量筛选A股机会。

系统已经完成了4000只A股的批量分析，涵盖了新能源、半导体、医疗等多个热门板块。

系统架构

数据源层 → DataFetcherManager统一抽象 → LLM分析引擎 → SQLite存储

核心特性：

多数据源自动切换（Tushare/Akshare/Eastmoney/Sina）
LLM情绪评分 + 操盘建议
批量分析支持（已测试4000只A股）
飞书机器人定时推送
SQLite本地存储

核心功能

1. 多数据源自动切换

系统会自动在多个数据源之间切换，一个失败立即切换下一个：

realtime_priority = ["tushare", "tencent", "akshare_sina", "efinance"]
quote = fetcher_manager.get_realtime_quote("002460")

2. 情绪评分 + 操盘建议

采集实时行情 + K线形态 + 板块信息
交给 LLM 做综合研判
输出：情绪评分(0-100) + 操盘建议(买入/持有/观望/卖出)

3. 批量分析支持

支持批量提交任务，同时分析多只股票

4. 定时推送

通过飞书机器人，每天定时推送持仓股分析报告

新能源板块分析结果（2026-04-01）

代码	名称	收盘价	涨跌	情绪分	建议
603158	腾龙股份	12.28	+10.04%	78	观望
600875	东方电气	38.28	+9.22%	68	持有
300750	宁德时代	405.71	+1.00%	72	持有
002460	赣锋锂业	77.31	-1.37%	82	持有
300274	阳光电源	134.45	-10.82%	待补	待补

安装与使用

git clone https://github.com/shuwey/dsa.git
cd dsa
pip install -r requirements.txt
# 配置 .env 填写 TUSHARE_TOKEN
python main.py

数据权限说明

Tushare 积分权限对照：

积分	可用数据
120	日线数据、实时行情
500	资金流、板块数据
2000	财报、龙虎榜、指数

💡 Tushare 社区非常友好，写文章、贡献代码都可以获得积分！

开源地址

https://github.com/shuwey/dsa

如果你对量化投资感兴趣，不妨从 Tushare 入手，搭建自己的分析系统。

Forem: asdj jkdsa