🤖 MetalTrend AI - 智能贵金属趋势分析系统

基于 AI 的自动化贵金属（黄金/白银）市场分析工具，集成 LLM 与专业技术指标，助您洞察先机。

贵金属趋势分析机器人 是一个功能强大的 Python 工具，它整合了实时市场数据、经典技术分析以及先进的大语言模型（LLM）智能，为您提供全面、深入的黄金和白银市场洞察。分析结果将以结构化报告的形式生成，并可实时推送到飞书，让您随时随地掌握市场动态。

🌟 项目特色

🤖 AI驱动分析: 集成GPT-4等大语言模型，生成专业市场研判和自然语言报告
📊 专业技术分析: 自动计算MA、MACD、RSI、布林带等关键技术指标
📡 免费行情数据: 基于 Stooq 免费日线数据，支持周/月线重采样
📰 新闻情感分析: 集成Bloomberg、CNBC、凤凰网财经等新闻源，智能分析市场情绪
🕯️ K线形态识别: 智能识别十多种经典K线形态（十字星、锤子线、吞噬形态等）
📱 多渠道推送: 支持飞书、钉钉、Slack、Telegram、邮件通知，配置环境变量即可自动启用
⚙️ 高度可配置: YAML配置文件，灵活定制分析参数和模型选择
🎯 智能趋势研判: 结合技术面与基本面分析，自动判断市场趋势（看涨/看跌/震荡）
📍 关键位识别: 自动计算并标识重要的支撑位和阻力位

成果展示

下面是机器人自动生成并推送到飞书的分析报告截图：

每日摘要报告 (Daily Summary)	单一品种详情报告 (Detailed Report)

🚀 快速开始

Python虚拟环境安装

# 1. 克隆仓库
git clone https://github.com/qubyyang/metal_trend_analysis.git
cd metal_trend_analysis

# 2. 创建虚拟环境
python -m venv venv
source venv/bin/activate  # macOS/Linux
# venv\Scripts\activate   # Windows

# 3. 安装依赖
pip install -r requirements.txt

# 4. 复制环境变量文件
cp .env.example .env

# 5. 运行分析
python src/main.py

📋 详细安装步骤

1. 环境准备

Python 3.10 或更高版本
Git

2. 安装

# 1. 克隆仓库
git clone https://github.com/qubyyang/metal_trend_analysis.git
cd metal_trend_analysis

# 2. (推荐) 创建并激活虚拟环境
python -m venv venv
source venv/bin/activate  # macOS/Linux
# venv\Scripts\activate   # Windows

# 3. 安装依赖
pip install -r requirements.txt

3. 配置

# 1. 复制配置文件
cp config/config.yaml.example config/config.yaml

# 2. 编辑配置文件 config/config.yaml
#    填入您的 API Keys 和 Webhook URL

# 3. 编辑 .env 文件，填写环境变量
#    例如 LLM_API_KEY 等

# 4. （可选）如需本地图表渲染，可手动安装可视化依赖
# pip install matplotlib plotly

您需要配置以下关键信息：

api.stooq: Stooq 数据源配置（无需 API Key）
llm.api_key: 您选择的大语言模型提供商的 API Key
llm.base_url (可选): 如果您使用代理或私有部署的 LLM，请配置此项
llm.model: 指定要使用的模型名称，例如 gpt-4-turbo
feishu.webhook_url: 飞书机器人的 Webhook 地址
dingtalk.webhook_url: 钉钉机器人的 Webhook 地址（可选）
slack.webhook_url: Slack 的 Webhook 地址（可选）
telegram.bot_token / telegram.chat_id: Telegram 机器人配置（可选）
email.from / email.password / email.to: 邮件通知配置（可选）
news.sources: 新闻源配置（已包含Bloomberg、CNBC、凤凰网财经等已验证源）

示例 .env（仅示例，勿提交真实密钥）：

LLM_API_KEY=your_llm_api_key
LLM_MODEL_NAME=gpt-4o
FEISHU_WEBHOOK_URL=https://open.feishu.cn/open-apis/bot/v2/hook/xxx

4. 运行分析

# 运行对所有已配置品种的分析
python src/main.py

# 仅分析黄金
python src/main.py --instrument gold

# 仅分析白银，并指定时间周期为 1 周
python src/main.py --instrument silver --timeframe 1w

分析完成后，报告将保存在 output/reports/ 目录下，同时会推送到您配置的飞书频道。

🐳 Docker 部署

MetalTrend AI 提供了 Docker 部署方案，支持一键启动和定时任务。

快速启动

# 1. 复制环境变量配置
cp .env.example .env

# 2. 编辑 .env 文件，填入 API 密钥
vim .env

# 3. 启动容器
docker-compose up -d

# 4. 查看日志
docker-compose logs -f

提示：容器内默认读取 config/config.yaml，请确保已复制并配置该文件。

单次执行（不使用定时）

# 运行一次后退出
docker-compose run --rm -e CRON_SCHEDULE= metal-trend-analysis

# 指定品种与周期
docker-compose run --rm -e CRON_SCHEDULE= -e INSTRUMENT=gold -e TIMEFRAME=1h metal-trend-analysis

定时执行

通过环境变量 CRON_SCHEDULE 配置定时分析：

# 每天早上 9 点执行
docker-compose run -e CRON_SCHEDULE="0 9 * * *" metal-trend-analysis

# 每小时执行一次
docker-compose run -e CRON_SCHEDULE="0 * * * *" metal-trend-analysis

# 自定义时区（可选）
docker-compose run -e CRON_SCHEDULE="0 9 * * *" -e TZ=Asia/Shanghai metal-trend-analysis

常用操作

# 停止并移除容器
docker-compose down

# 重新构建镜像
docker-compose up -d --build

# 查看 cron 日志（容器内）
docker-compose exec metal-trend-analysis tail -f /app/output/logs/cron.log

详细说明请参考 SETUP.md

📰 新闻情感分析功能

MetalTrend AI现在集成了强大的新闻情感分析功能，可以从多个权威新闻源抓取相关新闻，并自动分析市场情绪。

🏢 支持的新闻源

目前系统内置以下已验证可用的新闻源：

英文新闻源

Bloomberg Markets - 全球领先的商业和金融市场信息提供商
CNBC Market News - 美国商业新闻权威机构

中文新闻源

凤凰网财经 - 知名中文财经媒体
华尔街见闻 - 重要财经资讯平台
财联社电报 - 财经快讯与市场电报
澎湃新闻 - 综合新闻与财经报道

说明：部分源使用 HTML 解析 + Jina AI 文本代理，用于解决无公开 RSS 的站点。

🔧 工作原理

新闻抓取：系统从配置的 RSS / HTML / API 源定时抓取最新新闻
关键词过滤：根据config/keywords.txt中的关键词筛选相关新闻
情感分析：使用内置的情感词典分析每篇新闻的积极/消极词汇
综合研判：结合技术面分析，提供全面的市场洞察

⚙️ 配置说明

在config/config.yaml中，您可以配置以下新闻相关选项：

news:
  enabled: true  # 启用新闻抓取
  max_articles: 10  # 每个源最多抓取的文章数
  cache_duration: 300  # 缓存时长（秒，5分钟）
  fetch:
    timeout: 15
    delay: 2  # 不同源之间的请求延迟（秒）
    max_retries: 3
  sources:
    # 可根据需要启用或禁用不同新闻源
    - name: "Bloomberg Markets"
      type: "rss"
      url: "https://feeds.bloomberg.com/markets/news.rss"
      enabled: true
    - name: "华尔街见闻"
      type: "html"
      url: "https://r.jina.ai/http://wallstreetcn.com/"
      parser: "markdown_links"
      link_contains:
        - "wallstreetcn.com/articles"
        - "wallstreetcn.com/livenews"
      enabled: true
    # ... 其他新闻源配置

📊 分析报告集成

新闻情感分析结果会集成到最终的Markdown报告中：

新闻情感统计：显示整体市场情绪倾向
关键主题识别：提取高频的积极/消极词汇
代表性文章：展示最具影响力的新闻
LLM深度分析：结合新闻内容提供专业的市场研判

✅ 新闻源测试

如需验证新闻源可用性，可运行测试脚本：

python scripts/test_news_sources.py

默认读取 config/config.yaml，若不存在则读取 config/config.yaml.example。

📁 项目结构

metal_trend_analysis/
├── config/                # 配置文件
│   ├── config.yaml        # 主配置文件
│   └── keywords.txt       # 新闻关键词
├── data/                  # 原始数据与缓存
├── docker/                # Docker 相关脚本
├── docs/                  # 内部文档
│   └── internal/
├── images/                # README 和报告中使用的图片
├── output/                # 程序输出
│   ├── logs/              # 日志文件
│   └── reports/           # 生成的 Markdown 报告
├── scripts/               # 辅助脚本
├── src/                   # 核心源代码
│   ├── main.py            # 🚀 主程序入口
│   ├── analyzers/         # 📊 分析模块 (技术指标, K线形态, 新闻情感分析)
│   ├── data_fetchers/     # 📡 数据获取模块 (Stooq, 新闻抓取)
│   ├── llm/               # 🤖 LLM 分析模块
│   ├── notification/      # 📢 通知模块 (飞书/钉钉/Slack/Telegram/邮件)
│   ├── reporting/         # 📄 报告生成模块
│   └── utils/             # 🛠️ 工具类 (配置加载, 日志)
├── docker-compose.yml     # Docker Compose 配置
├── Dockerfile             # Docker 镜像构建
├── .gitignore
├── LICENSE
├── README.md              # 本文档
├── README_EN.md           # English README
└── requirements.txt       # Python 依赖

🏗️ 系统架构

MetalTrend AI 采用模块化架构设计，各组件职责清晰，易于扩展和维护。

核心模块说明

数据获取模块 (data_fetchers/)

对接 Stooq 免费数据获取日线行情
支持多种时间周期的K线数据
内置数据缓存机制，减少API调用

分析引擎 (analyzers/)
- 技术指标计算（MA、MACD、RSI、布林带等）
- K线形态识别（十字星、锤子线、吞噬形态等）
- 新闻情感分析（市场情绪量化评估）
- 趋势研判和关键位识别
LLM分析模块 (llm/)
- 集成GPT系列大语言模型
- 生成自然语言市场分析报告
- 支持自定义prompt和模型选择
报告生成 (reporting/)
- 自动生成Markdown格式报告
- 包含图表、指标表格和AI分析结论
- 支持多种输出格式
通知系统 (notification/)

飞书/钉钉/Slack/Telegram/邮件通知
基于环境变量自动启用
推送失败重试机制

🗺️ 发展路线图

✅ 已完成 - v1.0

Stooq 免费数据获取
技术指标计算（MA、MACD、RSI、布林带）
K线形态识别（10+种经典形态）
LLM分析集成（GPT-4支持）
自动报告生成（Markdown格式）
飞书通知功能
新闻抓取与情感分析（集成Bloomberg、CNBC、凤凰网财经等已验证源）

✅ 已完成 - v1.1

Docker一键部署（支持定时任务，默认时区Asia/Shanghai）

🚧 计划中 - v1.2

🎯 未来规划 - v2.0

📊 技术栈

类别	技术
语言	Python 3.10+
数据处理	Pandas, NumPy
LLM/AI	OpenAI 兼容 API（OpenAI / DeepSeek / Qwen）
技术分析	自研指标计算（Pandas / NumPy）
可视化	Matplotlib, Plotly（可选）
API	Stooq (free), Feishu / DingTalk / Slack / Telegram / Email

🤝 贡献指南

我们热烈欢迎任何形式的贡献！无论是功能建议、代码优化、Bug 修复还是文档改进，都对我们至关重要。

如何贡献

Fork 本仓库
创建特性分支 (git checkout -b feature/AmazingFeature)
提交更改 (git commit -m 'Add some AmazingFeature')
推送分支 (git push origin feature/AmazingFeature)
开启 Pull Request

请参考 CONTRIBUTING.md 了解详细的贡献流程和代码规范。

📄 开源许可

本项目基于 MIT License 开源。

📚 相关资源

项目文档（内部）

🌟 社区与支持

GitHub Issues: 报告Bug或提出新功能

🏷️ 相关标签

gold, silver, trading, technical-analysis, llm, gpt,
precious-metals, quantitative-finance, ai, python,
trend-analysis, market-analysis, algorithmic-trading,
chatgpt, open-source, fin-tech

⚠️ 免责声明

本工具提供的所有分析、数据和报告仅供学习和研究使用，不构成任何投资建议。金融市场存在风险，任何基于本工具信息进行的投资决策，风险自负。

🙏 如果这个项目对您有帮助，请给一个 ⭐️ Star！

您的支持是我们持续优化的动力 💪

Name		Name	Last commit message	Last commit date
Latest commit History 6 Commits
config		config
docker		docker
images		images
scripts		scripts
src		src
.dockerignore		.dockerignore
.env.example		.env.example
.gitignore		.gitignore
Dockerfile		Dockerfile
README.md		README.md
README_EN.md		README_EN.md
SETUP.md		SETUP.md
SETUP_EN.md		SETUP_EN.md
docker-compose.yml		docker-compose.yml
requirements.txt		requirements.txt
start.sh		start.sh

Folders and files

Latest commit

History

Repository files navigation

🤖 MetalTrend AI - 智能贵金属趋势分析系统

🌟 项目特色

成果展示

🚀 快速开始

Python虚拟环境安装

📋 详细安装步骤

1. 环境准备

2. 安装

3. 配置

4. 运行分析

🐳 Docker 部署

快速启动

单次执行（不使用定时）

定时执行

常用操作

📰 新闻情感分析功能

🏢 支持的新闻源

英文新闻源

中文新闻源

🔧 工作原理

⚙️ 配置说明

📊 分析报告集成

✅ 新闻源测试

📁 项目结构

🏗️ 系统架构

核心模块说明

🗺️ 发展路线图

✅ 已完成 - v1.0

✅ 已完成 - v1.1

🚧 计划中 - v1.2

🎯 未来规划 - v2.0

📊 技术栈

🤝 贡献指南

如何贡献

📄 开源许可

📚 相关资源

🌟 社区与支持

🏷️ 相关标签

⚠️ 免责声明

🙏 如果这个项目对您有帮助，请给一个 ⭐️ Star！

About

Topics

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages