📈 BigA - 大A股票智能预测系统

基于多种机器学习模型的股票预测平台 | 历史数据分析 + 特征工程 + 智能预测

项目概述

BigA是一个跨平台的股票数据分析与预测系统，通过Rust和Svelte构建，主要功能包括：

• 📊 沪深股市数据采集与管理
• 🧠 多模型股票预测（线性回归、决策树、SVM、朴素贝叶斯）
• 📱 跨平台客户端支持（Windows、macOS、Linux）
• 🔄 实时数据更新与模型持续训练

技术栈

前端

• Svelte + TypeScript：构建响应式用户界面
• TailwindCSS：现代化界面样式

后端

• Rust：高性能、安全的后端逻辑实现
• SQLite + SQLx：轻量级数据存储与管理
• Tauri：跨平台桌面应用框架

机器学习

• Linfa：Rust实现的机器学习库
• 支持多种模型：线性回归、决策树、SVM、朴素贝叶斯
• 特征工程：MA、RSI、MACD等技术指标

开发环境配置

前置要求

• Node.js（推荐最新LTS版本）
• Rust工具链（最新稳定版）
• pnpm包管理器

初始化步骤

# 克隆仓库
git clone https://github.com/zzhtl/biga.git
cd biga

# 安装依赖
pnpm install

# 运行开发环境
cargo tauri dev

🚀 项目功能

• ✅ 股票基础数据管理：沪深两市股票信息查询与管理
• ✅ 历史数据分析：K线、交易量等数据可视化
• ✅ 多模型预测：支持多种机器学习算法预测股价趋势
• ✅ 模型评估：准确率、均方误差等指标评估模型性能
• 🚧 批量预测：自动筛选潜力股票（开发中）
• 🔜 预警系统：异动检测和风险提示（规划中）

使用指南

股票预测

1. 输入股票代码（如：sh000001）
2. 选择使用现有模型或训练新模型
3. 设置预测参数（预测天数、特征选择等）
4. 查看预测结果

模型训练

1. 输入股票代码
2. 选择模型类型（线性回归、决策树等）
3. 配置训练参数（特征选择、历史窗口等）
4. 训练完成后即可用于预测

数据流图

graph LR
    A[数据采集] --> B[特征提取]
    B --> C{模型训练}
    C --> D[模型评估]
    D --> E[股价预测]
    E --> F[可视化展示]

Loading

贡献指南

欢迎提交Issues和Pull Requests！请确保您的代码符合项目的代码风格和测试要求。

许可证

MIT