- 综合排序
- 最热优先
- 最新优先
- 来自专栏人工智能应用
基于 Agent 的股票分析工具
建一个基于 Agent 的股票分析工具或系统，可以采用以下方法和框架，结合 AI Agent 技术与股票市场分析需求，实现选股策略、买卖时机判断、风险控制等功能。 1 系统架构设计 整个系统可以分为以下几个核心模块： 数据采集模块：负责从金融数据接口（如 Yahoo Finance、Alpha Vantage、Tushare 等）获取实时或历史的股票价格、财务数据 2 核心算法与技术 选股策略：通过分析公司基本面（如市盈率、营收、净利润等）和技术面（如均线、MACD、RSI 等指标）选择具有投资价值的股票。 tool import pandas as pd # 模拟获取股票数据的函数 @tool def get_stock_data(symbol: str) -> pd.DataFrame: 103] }) # 模拟选股策略函数 @tool def select_stocks(data: pd.DataFrame) -> list: # 简单策略：选择收盘价上涨的股票
1.5K11编辑于 2025-08-01 - 来自专栏算法一只狗
利用腾讯元器构建多 Agent「股票分析助手」
在信息爆炸的时代，个人投资者若想全面评估一只股票的价值，往往需要同时关注股价走势、财务报表、市场新闻与舆情等多维信息——既耗时，亦难以保证系统性与时效性。 借助 腾讯元器的 MCP（Model Context Protocol） 标准化插件机制与多 Agent 协同工作流，我们能够快速搭建一个“股票分析助手”：它既能实时拉取行情，又能自动解析财报、跟踪新闻 一、构建「股票信息」MCP投资者常看的核心信息包括：股价与估值、关键财务指标（三大报表）、现金流与负债结构，以及市场情绪等。这里以“获取股价”为例，接入一个股票类 MCP。为什么用 MCP？ 工作流我们创建一个名为「股票分析助手」的智能体，并在“工作流”中串联 3 个角色型 Agent： 股价分析师 Agent（行情与技术面） 依赖上文接入的 A 股 MCP（支持 brief / medium 决策分析师 Agent（归因与建议面） 汇总上面两个 Agent 的输出，进行“结论先行”的投资建议： 短/中/长期三维度观点 关键触发条件（如均线突破、MACD 金叉、量能配合） 风险清单与止损
2.3K22编辑于 2025-09-28 - 来自专栏算法一只狗
利用腾讯混元+元器，构建多 Agent 的股票分析助手
本文将带你一步步构建这样一个多 Agent 股票助手，里面主要用到了新的“混元大模型-思考模型高级版”进行推理总结。 Agent 制作 这里我通过多个Agent进行互相协同，然后有几个不同的角色进行共同制定，分析一个股票是否可以持有、买入或者卖出。 比如我先简单构建了三个 Agent 的角色 股价分析师Agent：分析当前股票的股价、基本面等信息 市场和新闻分析师Agent：获取当前股票的最近几天的新闻，然后进行分析 决策分析师 Agent：综合上面找到的信息进行判定 这样子基本的股价分析师 Agent 就做好了 构建第二个智能体：市场和新闻分析师Agent 这个 Agent 主要用来获取外网对于该股票的一些看法和舆论。 的近七天新闻数据和市场舆论 这样子，一个简单的市场和新闻分析师Agent就做好了 构建第三个智能体：决策分析师 Agent 最后一个 Agent 主要是把上面的所有信息进行汇总，生成一个简单的对于该股票的具体分析文档
1.8K42编辑于 2025-09-02 ADP OpenClaw 最佳实践：基于 Marcus 股票日报分析 Agent 的完整实践指南
⭐⭐☆中级预计配置时长10~30分钟一、背景与目标本文档以"Marcus股票日报分析Agent"为例，介绍如何在腾讯云ADP平台一件部OpenClaw后，从零开始搭建一个具备实时行情获取能力的金融AI智能体 热点板块及个股动态传统方式需要手动查阅多个财经网站，效率低、信息分散通过ADP一键部署openclaw后，可以实现"一句话获取股市日报"的极简体验1.2实践目标1.在部署好的OpenClaw上完成Agent https://adp.cloud.tencent.com/adp#/trialProduct2.点击【部署】，部署成功后点击右侧查看，进入openclaw助手，点击左上角头像更新名称简介头像等信息步骤2配置Agent 人设（PersonaPrompt）通过精心设计的系统提示词，赋予Agent专业的金融顾问人格。 在对话页面，输入以下指令（可根据实际需求调整）：帮我配置，一个股票日报分析Agent，它的人设prompt为:1、角色你是Marcus，一名拥有超过15年华尔街经验的高级日内交易策略师。
1.1K60编辑于 2026-03-10- 来自专栏全栈程序员必看
股票API
实时股票数据接口大全 股票数据的获取目前有如下两种方法可以获取: 1. http/javascript接口取数据 2. web-service接口 1.http/javascript接口取数据 1.1Sina股票数据接口 以大秦铁路（股票代码：601006）为例，如果要获取它的最新行情，只需访问新浪的股票数据 接口： http://hq.sinajs.cn/list=sh601006 ； 6：”26.91″，竞买价，即“买一”报价； 7：”26.92″，竞卖价，即“卖一”报价； 8：”22114263″，成交的股票数，由于股票交易以一百股为基本单位，所以在使用时，通常把该值除以一百 ：601006）的当前股价 current price:14.20 如果你要同时查询多个股票，那么在URL最后加上一个逗号，再加上股票代码就可以了；比如你要一次查询大秦铁路（601006）和大同煤业 ，将会在头条显示此股票的相关信息，例如在google搜索601006时， 第一条搜索结果如下图： 通过点击左边的图片我们发现会将此图片链接到sina财经频道上，也就是说google股票数据的获取也是从
10K20编辑于 2022-07-23 - 来自专栏服务端技术杂谈
为了Agent而Agent？
主要讲的是如何选取Agent主流框架的逻辑。 讨论了两种路径，workflows和agent。 我理解大概率是为了Agent而Agent所找的一个所谓具有代表性的例子吧。 而且你现在用Agent，未来扩展性也是一个问题。 业务想要扩展一个新的场景逻辑，你敢直接用Agent承接吗？ 有人说，我们会在Agent上线之前，充分评估模型，确保Agent可以适配新的业务场景需求。 但是业务不会等你Agent ready之后再开量啊。 而Agent更适合人机协作，比如AI Coding或其他chatbot，因为有个人在旁边可以为Agent的不可控进行兜底。 大家用Agent的目的很多时候并不是从第一性原理出发，很多时候都是为了Agent而Agent，想一想Agent真的比workflow好吗？
11410编辑于 2026-03-11 - 来自专栏数据科学实战
AkShare-股票数据-股票更名
作者寄语 新增股票更名数据接口 更新接口 "stock_info_sz_change_name" # 深证证券交易所股票曾用名详情 "stock_info_change_name" # A 股股票曾用名列表 股票更名 接口: stock_info_change_name 目标地址: http://vip.stock.finance.sina.com.cn/corp/go.php/vCI_CorpInfo/ stockid/300378.phtml 描述: 获取新浪财经-股票曾用名 限量: 单次获取新浪财经-股票曾用名所有历史曾用名称 输入参数 名称 类型 必选 描述 stock str Y stock=" 000503"; 股票代码 输出参数 名称 类型 默认显示 描述 list or None str Y 有曾用名则返回列表, 无曾用名则返回 None 接口示例 import akshare as 000503") print(stock_info_change_name_list) 数据示例 ['琼海虹', '海虹控股', 'ST海虹', '海虹控股', 'G海虹', '海虹控股', '国新健康'] 股票更名
1.8K10发布于 2020-07-23 - 来自专栏数据科学实战
AkShare-股票数据-股票列表
作者寄语 新增返回 A 股所有股票代码和股票简称的接口，可以一次返回相应板块的股票列表。 更新接口 "stock_info_sz_name_code" # 深证证券交易所股票代码和简称 "stock_info_sh_name_code" # 上海证券交易所股票代码和简称 "stock_info_a_code_name " # A 股股票代码和简称 股票列表-A股 接口: stock_info_a_code_name 目标地址: 沪深交易所 描述: 获取沪深 A 股股票代码和简称数据 限量: 单次获取所有 A 股股票代码和简称数据 -上证 接口: stock_info_sh_name_code 目标地址: 上海证券交易所 描述: 获取上海证券交易所股票代码和简称数据 限量: 单次获取上海证券交易所股票代码和简称数据 输入参数 名称 -深证 接口: stock_info_sz_name_code 目标地址: 深证证券交易所 描述: 获取深证证券交易所股票代码和简称数据 限量: 单次获取深证证券交易所股票代码和简称数据 输入参数 名称
5.8K10发布于 2020-07-23 - 来自专栏数据科学实战
AKShare-股票数据-股票热度
作者寄语 本次更新东方财富网站的股票热度数据，该接口可以获取热度排名前 100 位的热门股票数据。 更新接口 "stock_hot_rank_em" # 股票热度-东财 股票热度-东财 接口: stock_hot_rank_em 目标地址: http://guba.eastmoney.com/rank / 描述: 东方财富网站-股票热度 限量: 单次返回所有股票当前交易日的人气排名数据 输入参数 名称 类型 描述 - - - 输出参数 名称 类型 描述 当前排名 int64 - 代码 object - 股票名称 object - 最新价 float64 - 涨跌幅 float64 - 接口示例 import akshare as ak stock_hot_rank_em_df = ak.stock_hot_rank_em () print(stock_hot_rank_em_df) 数据示例 当前排名 代码 股票名称 最新价 涨跌幅 0 1 SZ300059 东方财富 27.36
1.6K20编辑于 2022-03-15 - 来自专栏数据科学实战
AKShare-股票数据-股票回购
作者寄语 本次接口股票回购数据接口 更新接口 "stock_repurchase_em" # 股票回购数据 股票回购数据 接口: stock_repurchase_em 目标地址: https:// data.eastmoney.com/gphg/hglist.html 描述: 东方财富网-数据中心-股票回购-股票回购数据 限量: 单次返回所有历史数据 输入参数 名称 类型 描述 - - - 输出参数 名称 类型 描述 序号 int64 - 股票代码 object - 股票简称 object - 最新价 float64 - 计划回购价格区间 float64 注意单位: 元 计划回购数量区间-下限 float64 ak stock_repurchase_em_df = ak.stock_repurchase_em() print(stock_repurchase_em_df) 数据示例 序号 股票代码 股票简称 ...
1.2K30编辑于 2021-12-08 - 来自专栏毛利学Python
股票分析实战
沪深300股票指数由中证指数公司编制的沪深300指数于2005年4月8日正式发布。 读取股票 tushare包的get_k_data()函数来获取股票交易数据 #先引入后面可能用到的包（package） import pandas as pd import numpy as np 股票描述 data.describe() ---- ? 蒙特卡洛模拟股票 from scipy.stats import norm # 蒙特卡洛模拟股票 # 对数收益率 log_returns = np.log(1 + data["close"].pct_change 可见对于股票传统的蒙特卡洛的无法准确的预测，所以必须使用更加高级的深度学习模型来学习，预测股票未来的发展走势
1.7K20发布于 2019-08-29 - 来自专栏C++
【LeetCode教你买股票】买卖股票的最佳时机
买卖股票的最佳时机 买卖股票的最佳时机 class Solution { public: int maxProfit(vector<int>& prices) { int res II 买卖股票的最佳时机 II 动态规划解法。 III 买卖股票的最佳时机 III class Solution { public: int maxProfit(vector<int>& prices) { int n = IV 买卖股票的最佳时机 IV class Solution { public: int maxProfit(int k, vector<int>& prices) { int 买卖股票的最佳时机含手续费 class Solution { public: int maxProfit(vector<int>& prices, int fee) { int
37010编辑于 2025-05-28 - 来自专栏木下学Python
挖掘股票因子
题目就如上图，有两问题，第一问是让我们根据所给数据找出影响高送转的因子（这些名词题目有给解释，小编也会给大家），第二问根据所给的前七年的数据，预测第八年那些股票会发生高送转。 第一问大家都很好理解，给了七年股票的因子数据，有基础数据，年数据，日数据，其中日数据有 3G，根据所给数据，从中找出影响一支股票是否发生高送转。 第二问就是根据选出来的这些因子，判断股票在第八年是否会高送转。 完整描述见题目 pdf。 代码流程 先给大家看看我代码目录，使用的 jupyter： ? 4.这一步是理解数据用的，就选一支股票查看有几条数据，长啥样，按条件选择行： ? 5.以日数据表分组计算，求每个因子的平均值： ? 12.使用 KNN 分类算法，对股票分类： ? 13.使用支持向量机算法，对股票分类： ? 14.对第八年的测试数据套进支持向量机模型 以上就是整个处理流程，完整代码会发关键词获取。
72620发布于 2020-05-13 - 来自专栏Python
理解 Agent2Agent(A2A)、Agent to Agent和链式函数调用的区别与联系
在构建 AI 智能体系统或多模块任务执行架构时，我们常会遇到三个关键术语： Agent to Agent 链式函数调用 Agent2Agent (A2A) 它们看似类似，甚至常被混用，但实际上分别属于不同的抽象层次 两个 Agent 间的信息传递行为 多智能体协同、机器人通信 Agent2Agent (A2A) 系统架构层 一个 Agent 主动调用其他 Agent 协作解决问题 LLM Agent 编排、AutoGen Agent2Agent 像一个“项目经理型 AI”会调度多个“专家型 AI”组成动态团队，解决复杂任务 类比一句话总结： 链式函数调用像拼装生产线，Agent to Agent像员工交流，而Agent2Agent Agent to Agent（通信范式） # 每个 Agent 通过消息交互完成任务 agent_A.send("get data") agent_B.receive("get data").send( 中的 planner_agent.plan() → 调用搜索、总结、编码 agent 七、总结一句话 链式函数调用解决“流程”，Agent to Agent定义“协作”，而Agent2Agent打造
85610编辑于 2025-07-10 - 来自专栏Agent Apps
告别Agent Skills, 拥抱 Agent Apps
这正是面向Agent的TUI（AOTUI）要回答的问题。是什么：一种新的界面范式面向Agent的文本用户界面（AOTUI）是一种以LLMAgent为一等公民的界面范式。 没有鼠标点击，Agent调用Tool/Funtion。没有视觉提示（颜色、布局、头像），数据通过文本引用来引用。简言之：AOTUI就是当你为模型而非人类设计时，用户界面的样子。 AOTUI如何重建桥梁AOTUI为没有鼠标的Agent解决了问题的三个部分——识别、选择和触发。 下一步：[认识Agentina→](https://agentina-agent-apps.vercel.app/en)—基于AOTUI构建的Agent应用宿主。
15210编辑于 2026-03-06 - 来自专栏XINDOO的专栏
Agent设计模式——附录 G - 编码 Agent
最高效的开发团队不仅将任务委托给 Agent，更通过整套复杂编码 Agent 实现自我增强。这些 Agent 扮演着不知疲倦的专业团队成员角色，放大人类创造力并显著提升团队扩展能力与开发速度。 Agent 虽能力强大，但定位为支持性协作者。开发者指导具体 Agent 调用、提供必要上下文，并最关键地——对 Agent 生成输出行使最终裁决权，确保其符合项目质量标准与长期愿景。 本框架致力于在人类领导与底层模型原始能力间建立最纯净对话通道，确保每个 Agent 均以峰值潜力运行。 该框架构建为专业化 Agent 团队，每个 Agent 针对开发生命周期中的核心功能专门设计。 专业化 Agent 团队： 通过定向提示工程，我们可构建专业分工的 Agent 团队，每个成员针对特定开发任务深度优化。 流程 Agent：代码质量监督员 批判分析： Agent 执行初步审查，识别潜在缺陷、编码规范违规及逻辑漏洞，功能类似静态分析工具。 深度反思： Agent 对自身批判进行元分析。
39310编辑于 2025-10-27 - 来自专栏数据科学实战
AKShare-股票数据-个股人气榜相关股票
作者寄语 本次更新东方财富网站的股票-个股人气榜-相关股票的数据，该接口可以获取指定股票相关的股票数据。 更新接口 "stock_hot_rank_relate_em" # 个股人气榜-相关股票 相关股票 接口: stock_hot_rank_relate_em 目标地址: http://guba.eastmoney.com code=000665 描述: 东方财富-个股人气榜-相关股票 限量: 单次返回指定 symbol 的股票近期历史数据 输入参数 名称 类型 描述 symbol str symbol="SZ000665 ak.stock_hot_rank_relate_em(symbol="SZ000665") print(stock_hot_rank_relate_em_df) 数据示例 时间 股票代码 相关股票代码 涨跌幅 0 2022-02-28 12:00:00 SZ000665 SH601789 9.41 1 2022-02-28 12:00:00 SZ000665 SH600996
1.2K20编辑于 2022-03-15 - 来自专栏红队蓝军
java agent使用与agent内存马
什么是java agent 本质是一个jar包中的类，有两种实现，第一种是通过permain()函数实现。 Java agent的使用方式有两种： 实现premain方法，在JVM启动前加载。 实现agentmain方法，在JVM启动后加载。 agent基础使用 环境搭建 agent项目源码 agent： package com.naihe; import java.io.IOException; import java.lang.instrument 并没有使用字节码相关的库 二，修改MANIFEST.MF 使用解压工具打开MANIFEST.MF，并修改内容 Premain-Class: com.naihe.agent Agent-Class: com.naihe.agent : com.naihe.agent Agent-Class: com.naihe.agent Can-Redefine-Classes: true Can-Retransform-Classes: true
1.5K20编辑于 2022-04-13 - 来自专栏全栈程序员必看
python 股票历史数据(python获取股票历史数据)
雅虎的api功能更齐全，但是连接速度比较慢，有时候一个连接请求都要10多秒甚至20秒（原谅我的渣网速-，-）这对于需要大量股票数据的我来说显然不可接受。后来发现从网易财经可以下载股票和指数的历史数据。 需要自己用str.split(‘\r\n’)来截取 日期,股票代码,名称,收盘价,最高价,最低价,开盘价,前收盘,涨跌额,涨跌幅,成交量,成交金额 2015-09-11,’000001,上证指数, 'text/html, application/xhtml+xml, */*', 'Accept-Language':'zh-CN,zh;q=0.8', 'User-Agent 这里我还修改了列名，大家不改也没关系 col_info[col_info.index('日期')]='交易日期' #该段更改列名称 col_info[col_info.index('股票代码
2.7K20编辑于 2022-08-01 - 来自专栏渔夫
算法-股票交易
https://blog.csdn.net/li_xunhuan/article/details/89789441 题目： 给定一个数组，它的第 i 个元素是一支给定股票第 如果你最多只允许完成一笔交易（即买入和卖出一支股票），设计一个算法来计算你所能获取的最大利润。 注意你不能在买入股票前卖出股票。
87720发布于 2019-07-31
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号