基于Qt的AI股票分析师daily_stock_analysis可视化界面开发-编程阁

基于Qt的AI股票分析师daily_stock_analysis可视化界面开发

每天手动运行脚本、查看命令行输出、再整理分析报告，是不是觉得有点麻烦？尤其是当你想同时关注多只股票，或者想把分析结果分享给团队时，那种来回切换窗口、复制粘贴的感觉，效率实在不高。

如果你也有同感，那今天这篇文章就是为你准备的。我将带你一步步为那个很火的AI股票分析工具daily_stock_analysis，打造一个专属的桌面可视化界面。用上Qt框架之后，你就能在一个漂亮的窗口里完成所有操作：添加股票、一键分析、查看图表、导出报告，甚至还能设置定时任务，完全告别命令行。

整个过程其实没你想的那么复杂，就算你之前没怎么接触过Qt，跟着做下来也能搞定。咱们就从最基础的界面搭建开始，慢慢把数据和逻辑接上去，最后你会得到一个既实用又好看的工具。

1. 为什么需要给AI股票分析工具加个界面？

你可能已经用过daily_stock_analysis了，它确实很强，能自动抓数据、调用AI模型分析、还能推送到微信。但它的操作方式主要还是靠命令行和配置文件。对于日常使用来说，这有几个不太方便的地方。

首先，每次想分析新股票，你得去改配置文件或者敲命令。如果只是临时想看看某只股票，这个流程就显得有点重。其次，分析结果是以纯文本形式输出的，虽然信息全，但不够直观。比如技术指标的走势、历史数据的对比，如果能用图表展示，一眼就能看明白。最后，如果你想定时分析一批股票，或者把分析结果保存下来慢慢看，命令行工具做起来就没那么顺手了。

而一个图形界面能很好地解决这些问题。想象一下，你打开一个软件，左边是股票列表，右边是分析结果和图表，点一下按钮就开始分析，还能设置每天自动运行。是不是感觉顺手多了？这就是我们今天要做的。

Qt是一个特别适合做这种事的框架。它跨平台，意味着你写的程序在Windows、macOS、Linux上都能跑。它组件丰富，按钮、表格、图表控件都有现成的。而且它和Python结合得很好，用PyQt或者PySide库就能轻松开发。所以，用Qt来给daily_stock_analysis做个“外壳”，是个很自然的选择。

2. 开发前的准备工作

在动手写代码之前，我们得先把“舞台”搭好。这包括安装必要的工具库，以及想清楚我们的软件大概长什么样、要干什么。

2.1 环境与依赖安装

首先，确保你的Python环境已经准备好了。我建议用Python 3.8或以上的版本。然后，我们通过pip安装几个核心的库。

# 安装Qt for Python (PySide6是Qt官方推荐的Python绑定) pip install PySide6 # 安装图表库，用于绘制K线、指标线等 pip install pyqtgraph # 或者 matplotlib，这里用pyqtgraph因为性能更好，且与Qt集成更佳 # 安装daily_stock_analysis项目本身（如果你还没装的话） # 假设你已经clone了项目，在其目录下运行： # pip install -r requirements.txt

除了这些，daily_stock_analysis本身可能还需要一些数据源和AI模型的API Key（比如Gemini、Tushare等），这部分请你按照它原来的文档配置好。我们的界面只是调用它的功能，不改变它底层的运行逻辑。

2.2 界面功能与布局设计

在写代码前，先在纸上或脑子里画个草图。我们的工具主要需要这么几个部分：

股票管理区：用来添加、删除、编辑你要分析的股票列表。可以是个表格，每一行是一个股票代码和名称。
控制区：几个大大的按钮，比如“开始分析”、“停止”、“导出报告”、“设置”。
结果显示区：这是核心区域。它又可以分成两块：
- 文本分析结果：显示AI生成的“决策仪表盘”文本，包括买卖建议、检查清单等。可以用一个只读的文本框来展示，并支持不同的颜色高亮关键信息（比如买入标绿，卖出标红）。
- 图表展示区：显示股票的价格走势图、均线、成交量等。这里我们可以用pyqtgraph来画，它交互性好，还能缩放。
日志/状态区：在界面底部放一个小区域，实时显示程序正在做什么（比如“正在获取600519数据…”，“分析完成”），这样用户心里有底。

整体布局可以采用经典的“左右结构”或“上中下结构”。我倾向于左边放股票列表和控制按钮，右边大面积区域用来展示结果和图表。这样看起来比较清晰。

3. 从零搭建Qt应用程序框架

好了，准备工作做完，我们开始写代码。首先创建一个Python文件，比如叫stock_analysis_gui.py。

3.1 创建主窗口与基础布局

我们用PySide6来创建主窗口。第一步是初始化应用和主窗口，并设置好我们刚才设计的基本布局。

import sys from PySide6.QtWidgets import (QApplication, QMainWindow, QWidget, QVBoxLayout, QHBoxLayout, QPushButton, QTableWidget, QTableWidgetItem, QTextEdit, QSplitter, QStatusBar, QLabel, QLineEdit) from PySide6.QtCore import Qt, QThread, Signal import pyqtgraph as pg class StockAnalysisWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle("AI股票分析师 - 可视化界面") self.setGeometry(100, 100, 1400, 800) # 设置窗口位置和大小 # 创建中心部件和主布局 central_widget = QWidget() self.setCentralWidget(central_widget) main_layout = QHBoxLayout(central_widget) # 使用分割器，让左右两侧可以手动调整大小 splitter = QSplitter(Qt.Horizontal) # 左侧面板：股票列表和控制 left_panel = QWidget() left_layout = QVBoxLayout(left_panel) # 股票列表标题和添加区域 left_layout.addWidget(QLabel("自选股列表")) self.stock_table = QTableWidget() self.stock_table.setColumnCount(2) self.stock_table.setHorizontalHeaderLabels(["代码", "名称"]) self.stock_table.horizontalHeader().setStretchLastSection(True) left_layout.addWidget(self.stock_table) # 添加股票的输入框和按钮 add_stock_layout = QHBoxLayout() self.stock_code_input = QLineEdit() self.stock_code_input.setPlaceholderText("输入股票代码，如 600519") add_stock_layout.addWidget(self.stock_code_input) add_stock_btn = QPushButton("添加") add_stock_btn.clicked.connect(self.add_stock) add_stock_layout.addWidget(add_stock_btn) left_layout.addLayout(add_stock_layout) # 控制按钮 self.analyze_btn = QPushButton("开始分析") self.analyze_btn.clicked.connect(self.start_analysis) left_layout.addWidget(self.analyze_btn) self.export_btn = QPushButton("导出报告") self.export_btn.clicked.connect(self.export_report) left_layout.addWidget(self.export_btn) self.settings_btn = QPushButton("设置") self.settings_btn.clicked.connect(self.open_settings) left_layout.addWidget(self.settings_btn) # 在左侧布局末尾添加一个弹性空间，让按钮保持在上面 left_layout.addStretch() # 右侧面板：分析结果和图表 right_panel = QWidget() right_layout = QVBoxLayout(right_panel) # 结果文本显示 right_layout.addWidget(QLabel("分析结果")) self.result_text = QTextEdit() self.result_text.setReadOnly(True) right_layout.addWidget(self.result_text) # 图表显示 right_layout.addWidget(QLabel("价格走势")) # 创建一个GraphicsLayoutWidget来放置图表 self.chart_widget = pg.GraphicsLayoutWidget() right_layout.addWidget(self.chart_widget) # 将左右面板添加到分割器 splitter.addWidget(left_panel) splitter.addWidget(right_panel) # 设置分割器初始比例，比如左边占30%，右边占70% splitter.setSizes([int(self.width() * 0.3), int(self.width() * 0.7)]) # 将分割器放入主布局 main_layout.addWidget(splitter) # 添加状态栏 self.statusBar().showMessage("就绪") # 初始化一些数据 self.stocks = [] # 用于存储股票代码列表 self.init_sample_data() def init_sample_data(self): """初始化一些示例股票数据""" sample_stocks = [("600519", "贵州茅台"), ("000858", "五粮液"), ("AAPL", "苹果")] for code, name in sample_stocks: self.add_stock_to_table(code, name) def add_stock_to_table(self, code, name): """向表格中添加一行股票数据""" row = self.stock_table.rowCount() self.stock_table.insertRow(row) self.stock_table.setItem(row, 0, QTableWidgetItem(code)) self.stock_table.setItem(row, 1, QTableWidgetItem(name)) self.stocks.append(code) def add_stock(self): """添加按钮的槽函数""" code = self.stock_code_input.text().strip() if code: # 这里可以添加简单的代码格式验证 self.add_stock_to_table(code, f"股票{code}") self.stock_code_input.clear() self.statusBar().showMessage(f"已添加股票: {code}") else: self.statusBar().showMessage("请输入股票代码") def start_analysis(self): """开始分析按钮的槽函数""" if not self.stocks: self.statusBar().showMessage("请先添加股票") return self.statusBar().showMessage("开始分析选中的股票...") # TODO: 在这里调用后台分析任务 # 暂时模拟一下 self.result_text.setPlainText("分析功能正在开发中...\n将调用daily_stock_analysis核心逻辑。") def export_report(self): """导出报告按钮的槽函数""" self.statusBar().showMessage("导出报告功能开发中...") def open_settings(self): """设置按钮的槽函数""" self.statusBar().showMessage("设置功能开发中...") if __name__ == "__main__": app = QApplication(sys.argv) window = StockAnalysisWindow() window.show() sys.exit(app.exec())

运行上面这段代码，一个具备基本框架的界面就出来了。左边可以添加股票，右边有结果显示和图表区域。虽然现在点击按钮还没什么实际功能，但架子已经搭好了。

3.2 使用多线程处理耗时任务

股票分析涉及到网络请求（获取数据）、AI模型调用，这些都是比较耗时的操作。如果在主界面线程里直接做这些事，界面就会“卡住”，直到任务完成。这体验可不好。

所以我们需要用到多线程。Qt提供了QThread类，可以很方便地创建后台工作线程。我们把耗时的分析任务丢到线程里去跑，跑完了再通知主界面更新结果。

# 在上面的类定义之后，添加一个工作线程类 class AnalysisWorker(QThread): # 定义一个信号，用于在工作完成时传递结果回主线程 analysis_finished = Signal(str) progress_updated = Signal(str) def __init__(self, stock_codes): super().__init__() self.stock_codes = stock_codes def run(self): """线程运行的主函数，在这里执行耗时的分析任务""" import time total = len(self.stock_codes) for i, code in enumerate(self.stock_codes): # 模拟一个耗时的分析过程 self.progress_updated.emit(f"正在分析 {code}... ({i+1}/{total})") time.sleep(1) # 模拟网络请求或计算耗时 # 这里应该是调用daily_stock_analysis核心模块的地方 # 例如：result = analyze_stock(code) # 我们暂时用模拟数据 simulated_result = f""" 🟢 分析完成 | {code} 模拟分析结论：技术指标呈多头排列，量能配合良好。 💰 建议：关注回调买入机会。 """ # 发射信号，传递单个股票的分析结果 self.analysis_finished.emit(simulated_result) self.progress_updated.emit("所有股票分析完成！")

然后，我们需要修改主窗口类，让它能够创建并启动这个工作线程，并且能接收线程发回来的信号。

# 在StockAnalysisWindow类的__init__方法中，初始化一个worker变量 self.analysis_worker = None # 修改start_analysis方法 def start_analysis(self): if not self.stocks: self.statusBar().showMessage("请先添加股票") return self.analyze_btn.setEnabled(False) # 分析期间禁用按钮 self.statusBar().showMessage("分析进行中...") self.result_text.clear() # 清空上次结果 # 创建并启动工作线程 self.analysis_worker = AnalysisWorker(self.stocks) self.analysis_worker.progress_updated.connect(self.update_status) self.analysis_worker.analysis_finished.connect(self.update_result_text) self.analysis_worker.finished.connect(self.on_analysis_finished) # 线程结束时触发 self.analysis_worker.start() def update_status(self, message): """更新状态栏信息""" self.statusBar().showMessage(message) def update_result_text(self, result): """将单个股票的分析结果追加到文本框中""" current_text = self.result_text.toPlainText() self.result_text.setPlainText(current_text + "\n" + "-"*30 + "\n" + result) def on_analysis_finished(self): """分析线程结束时调用""" self.analyze_btn.setEnabled(True) self.statusBar().showMessage("分析任务完成") self.analysis_worker = None

这样，当你点击“开始分析”时，界面不会卡顿，状态栏会实时更新进度，分析结果也会一条条地显示出来。

4. 集成daily_stock_analysis核心功能

界面和线程都准备好了，现在要把“灵魂”——daily_stock_analysis的分析功能——接进来。我们不需要重写它的逻辑，而是把它当作一个库来调用。

4.1 封装分析逻辑为可调用模块

daily_stock_analysis项目的主要分析逻辑集中在analyzer_service.py或类似的模块中。我们的目标是创建一个简单的接口函数，输入股票代码，输出格式化后的分析文本。

假设我们创建一个新的Python文件analysis_core.py，作为界面和原项目之间的桥梁。

# analysis_core.py import sys import os # 假设你的daily_stock_analysis项目目录在上一级 sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'daily_stock_analysis')) try: # 尝试导入原项目的分析器 # 注意：实际导入路径和函数名需要根据原项目结构调整 from analyzer_service import analyze_single_stock # 或者如果原项目是通过main.py运行的，可能需要封装其核心函数 except ImportError as e: print(f"警告：无法导入原项目分析模块，将使用模拟模式。错误: {e}") analyze_single_stock = None def get_stock_analysis(stock_code): """ 获取单只股票的分析报告。 参数: stock_code (str): 股票代码，如 '600519' 返回: str: 格式化后的分析报告文本 """ if analyze_single_stock is not None: # 调用原项目的分析函数 try: # 注意：原函数可能需要更多参数，如市场类型、API密钥等 # 这里需要根据原项目的实际调用方式调整 result_dict = analyze_single_stock(stock_code) # 将返回的字典格式化成我们想要的字符串 return format_analysis_result(result_dict) except Exception as e: return f"分析股票 {stock_code} 时出错：{str(e)}" else: # 模拟模式，返回模拟数据 return f""" 模拟分析报告 | {stock_code} ---------------------------------------- AI核心观点: 该股票目前处于震荡上行通道，技术面偏多。 关键指标: - MA5 > MA10 > MA20 (多头排列) - 乖离率: 2.1% (安全范围内) - 成交量: 温和放大 操作建议: 可考虑在回调至MA5均线附近时分批买入。 风险提示: 需关注大盘整体情绪及板块轮动情况。 ---------------------------------------- """ def format_analysis_result(result_dict): """将原项目返回的字典格式化成美观的文本""" # 这里需要根据daily_stock_analysis实际的返回数据结构来编写 # 假设它返回一个包含'decision', 'points', 'checklist'等字段的字典 lines = [] lines.append(f" {result_dict.get('stock_name', 'N/A')} ({result_dict.get('stock_code', 'N/A')})") lines.append("-" * 40) lines.append(f" 决策: {result_dict.get('decision', 'N/A')}") lines.append(f" 核心逻辑: {result_dict.get('reasoning', 'N/A')}") lines.append("💰 关键点位:") points = result_dict.get('action_points', {}) for key, value in points.items(): lines.append(f" - {key}: {value}") lines.append(" 检查清单:") checklist = result_dict.get('checklist', []) for item in checklist: lines.append(f" - {item}") return "\n".join(lines)

4.2 在界面中调用分析模块

现在，修改我们之前的工作线程AnalysisWorker.run()方法，让它调用我们封装的get_stock_analysis函数。

# 在AnalysisWorker类的run方法中，替换掉模拟部分 def run(self): from analysis_core import get_stock_analysis # 导入我们的封装函数 total = len(self.stock_codes) for i, code in enumerate(self.stock_codes): self.progress_updated.emit(f"正在分析 {code}... ({i+1}/{total})") # 调用真正的分析函数 analysis_text = get_stock_analysis(code) self.analysis_finished.emit(analysis_text) self.progress_updated.emit("所有股票分析完成！")

这样，界面按钮就和后台的分析引擎连接起来了。当你点击分析，界面会依次调用daily_stock_analysis的核心功能，并把返回的结果展示出来。

5. 实现数据可视化与图表展示

光有文字分析还不够，图表能更直观地展示趋势。我们用pyqtgraph来绘制K线图和均线。

5.1 使用pyqtgraph绘制K线图

首先，我们需要获取股票的历史价格数据。daily_stock_analysis项目里通常有数据获取模块（比如使用akshare或tushare），我们可以复用或者自己调用数据接口。

我们在analysis_core.py里加一个函数来获取历史数据。

# 在analysis_core.py中新增 def get_stock_history(stock_code, period="1y"): """ 获取股票历史数据，用于绘图。 参数: stock_code (str): 股票代码 period (str): 时间周期，如 '1y' 代表一年 返回: pd.DataFrame: 包含日期、开盘、收盘、最高、最低、成交量的DataFrame """ # 这里是一个示例，实际应调用akshare、tushare或原项目的数据模块 import pandas as pd import numpy as np from datetime import datetime, timedelta # 模拟生成一年左右的假数据 dates = pd.date_range(end=datetime.today(), periods=250, freq='B') # 大约250个交易日 base_price = np.random.randn(len(dates)).cumsum() + 100 # 随机游走作为基础价格 opens = base_price + np.random.randn(len(dates)) * 2 closes = opens + np.random.randn(len(dates)) * 3 highs = np.maximum(opens, closes) + np.abs(np.random.randn(len(dates)) * 1.5) lows = np.minimum(opens, closes) - np.abs(np.random.randn(len(dates)) * 1.5) volumes = np.random.randint(1000000, 10000000, size=len(dates)) df = pd.DataFrame({ 'date': dates, 'open': opens, 'close': closes, 'high': highs, 'low': lows, 'volume': volumes }) df.set_index('date', inplace=True) return df

然后，在主窗口类中添加绘制图表的方法。我们需要在用户选择某只股票（比如点击表格中的某一行）时，更新右侧的图表。

# 在StockAnalysisWindow类中添加以下方法 def plot_stock_chart(self, stock_code): """绘制指定股票的K线图和均线""" from analysis_core import get_stock_history import pandas as pd # 清空之前的图表 self.chart_widget.clear() # 获取历史数据 df = get_stock_history(stock_code) if df is None or df.empty: return # 创建K线图 # pyqtgraph需要将数据组织成特定的格式 dates = pd.to_numeric(df.index) # 将日期转换为数值（从某个纪元开始的天数） opens = df['open'].values highs = df['high'].values lows = df['low'].values closes = df['close'].values # 计算移动平均线（例如5日、20日） df['MA5'] = df['close'].rolling(window=5).mean() df['MA20'] = df['close'].rolling(window=20).mean() # 创建PlotItem plot = self.chart_widget.addPlot(title=f"{stock_code} 价格走势") # 设置背景和网格 plot.setBackground('w') plot.showGrid(x=True, y=True, alpha=0.3) # 绘制K线图（使用蜡烛图或OHLC线） # 这里使用简单的线图示意，更复杂的K线图可以使用pg.CandleStickItem # 绘制收盘价线 plot.plot(dates, closes, pen=pg.mkPen(color='b', width=2), name='收盘价') # 绘制均线 plot.plot(dates, df['MA5'].values, pen=pg.mkPen(color='r', width=1.5), name='MA5') plot.plot(dates, df['MA20'].values, pen=pg.mkPen(color='g', width=1.5), name='MA20') # 添加图例 plot.addLegend() # 设置X轴为日期格式（需要转换回日期显示） axis = pg.DateAxisItem(orientation='bottom') plot.setAxisItems({'bottom': axis}) # 在图表下方添加一个成交量子图 volume_plot = self.chart_widget.addPlot(row=1, col=0) volume_plot.setBackground('w') # 简单的成交量柱状图，上涨为绿色，下跌为红色 colors = ['g' if close >= open_ else 'r' for close, open_ in zip(closes, opens)] bg = pg.BarGraphItem(x=dates, height=df['volume'].values/1e6, width=0.8*(dates[1]-dates[0]), brushes=colors) volume_plot.addItem(bg) volume_plot.setLabel('left', '成交量 (百万)') volume_plot.showGrid(x=True, y=True, alpha=0.3) # 调整两个图表的相对高度 self.chart_widget.ci.layout.setRowStretchFactor(0, 3) # 价格图占3份高度 self.chart_widget.ci.layout.setRowStretchFactor(1, 1) # 成交量图占1份高度

最后，我们需要在股票表格被点击时，触发这个绘图函数。

# 在StockAnalysisWindow的__init__方法中，连接表格的点击信号 self.stock_table.itemSelectionChanged.connect(self.on_stock_selected) # 添加对应的槽函数 def on_stock_selected(self): """当股票表格中的选择发生变化时调用""" selected_items = self.stock_table.selectedItems() if selected_items: # 获取选中行的股票代码（假设第一列是代码） row = selected_items[0].row() stock_code_item = self.stock_table.item(row, 0) if stock_code_item: stock_code = stock_code_item.text() self.plot_stock_chart(stock_code) self.statusBar().showMessage(f"已加载 {stock_code} 的图表")

现在，当你点击左边表格里的某只股票，右边就会显示出它的价格走势图和成交量图，还有均线叠加在上面，看起来就专业多了。

6. 完善功能与交互体验

基础功能都有了，我们再给它加点儿“润色”，让这个工具更好用。

6.1 添加配置管理

daily_stock_analysis需要配置API密钥、选择模型等。我们可以在界面里加一个设置对话框。

# 添加一个设置对话框类 from PySide6.QtWidgets import QDialog, QFormLayout, QDialogButtonBox, QLineEdit class SettingsDialog(QDialog): def __init__(self, parent=None): super().__init__(parent) self.setWindowTitle("设置") self.layout = QFormLayout(self) self.gemini_key_input = QLineEdit() self.gemini_key_input.setEchoMode(QLineEdit.Password) self.layout.addRow("Gemini API Key:", self.gemini_key_input) self.openai_key_input = QLineEdit() self.openai_key_input.setEchoMode(QLineEdit.Password) self.layout.addRow("OpenAI API Key:", self.openai_key_input) self.stock_source_combo = QComboBox() self.stock_source_combo.addItems(["AkShare", "Tushare", "YFinance"]) self.layout.addRow("数据源:", self.stock_source_combo) buttons = QDialogButtonBox(QDialogButtonBox.Ok | QDialogButtonBox.Cancel) buttons.accepted.connect(self.accept) buttons.rejected.connect(self.reject) self.layout.addRow(buttons) def get_settings(self): return { "gemini_key": self.gemini_key_input.text(), "openai_key": self.openai_key_input.text(), "data_source": self.stock_source_combo.currentText() }

然后在主窗口的open_settings方法中弹出这个对话框，并把获取到的配置保存起来（比如用json文件）。

6.2 实现报告导出与任务调度

导出功能可以把当前的分析结果保存为HTML、PDF或者Markdown文件，方便分享。我们可以用Python的weasyprint或markdown库来实现。

对于定时任务，Qt提供了QTimer。我们可以让用户设置一个时间（比如每个工作日下午6点），然后启动一个定时器，到点就自动触发分析任务。

# 在主窗口类中添加定时器相关代码 from PySide6.QtCore import QTimer, QTime def setup_timer(self): self.timer = QTimer() self.timer.timeout.connect(self.on_timer_triggered) # 示例：每天18:00触发 self.scheduled_time = QTime(18, 0) def on_timer_triggered(self): if QTime.currentTime() > self.scheduled_time: self.start_analysis() # 计算下一次触发时间（明天同一时间） self.timer.start(24 * 60 * 60 * 1000) # 24小时后再次检查 else: # 还没到时间，1分钟后再检查 self.timer.start(60 * 1000) def start_scheduled_task(self): """用户点击“开启定时任务”后调用""" self.timer.start(60 * 1000) # 先每分钟检查一次 self.statusBar().showMessage(f"已开启定时分析，计划时间: {self.scheduled_time.toString()}")