📈 BigA - 大A股票智能预测系统

基于深度学习的股票预测平台 | 模块化架构 + 技术指标 + 多因子策略

项目概述

BigA 是一个跨平台的股票数据分析与预测系统，采用 Rust + Svelte 构建，具有清晰的模块化架构：

• 📊 沪深股市数据采集与管理
• 🧠 深度学习股票预测（Candle 框架）
• 💎 金融级预测策略（多因子评分、买卖点识别）
• 📈 技术指标分析（MACD、KDJ、RSI、布林带等）
• 📱 跨平台支持（Windows、macOS、Linux）

🏗️ 项目架构

src-tauri/src/
├── lib.rs                 # 应用入口
├── error.rs               # 统一错误处理
│
├── config/                # 📋 配置模块
│   ├── constants.rs       # 常量定义
│   └── weights.rs         # 策略权重配置
│
├── utils/                 # 🔧 工具模块
│   ├── date.rs            # 日期处理
│   └── math.rs            # 数学计算
│
├── db/                    # 💾 数据层
│   ├── connection.rs      # 数据库连接池
│   ├── models.rs          # 数据模型
│   └── repository.rs      # 数据仓库（CRUD）
│
├── api/                   # 🌐 外部 API
│   └── stock.rs           # 股票数据接口
│
├── prediction/            # 🎯 预测核心模块
│   ├── types.rs           # 类型定义
│   │
│   ├── indicators/        # 📊 技术指标
│   │   ├── macd.rs        # MACD 指标
│   │   ├── kdj.rs         # KDJ 指标
│   │   ├── rsi.rs         # RSI 指标
│   │   ├── bollinger.rs   # 布林带
│   │   ├── obv.rs         # OBV 能量潮
│   │   ├── cci.rs         # CCI 指标
│   │   ├── dmi.rs         # DMI 趋向指标
│   │   └── atr.rs         # ATR 波动率
│   │
│   ├── analysis/          # 📈 分析模块
│   │   ├── trend.rs       # 趋势分析
│   │   ├── volume.rs      # 量价分析
│   │   ├── pattern.rs     # K线形态识别
│   │   └── support_resistance.rs  # 支撑阻力位
│   │
│   ├── strategy/          # 💡 策略模块
│   │   ├── multi_factor.rs      # 多因子评分
│   │   └── multi_timeframe.rs   # 多周期共振
│   │
│   └── model/             # 🤖 机器学习
│       ├── training.rs    # 模型训练
│       ├── inference.rs   # 预测推理
│       └── management.rs  # 模型管理
│
├── services/              # ⚙️ 服务层
│   ├── stock.rs           # 股票服务
│   ├── historical.rs      # 历史数据服务
│   └── prediction.rs      # 预测服务
│
└── commands/              # 🎮 Tauri 命令
    ├── stock.rs           # 股票命令
    ├── stock_list.rs      # 股票列表
    ├── stock_realtime.rs  # 实时数据
    ├── stock_historical.rs # 历史数据
    └── stock_prediction.rs # 预测命令

技术栈

前端

• Svelte + TypeScript：响应式用户界面
• TailwindCSS：现代化样式框架

后端

• Rust：高性能后端逻辑
• Tauri：跨平台桌面应用框架
• SQLite + SQLx：异步数据库操作

机器学习

• Candle：Rust 原生深度学习框架
• 4层深度神经网络：256→128→64→32 + 残差连接
• 训练优化：AdamW、学习率调度、早停、L2 正则化、Dropout

🚀 核心功能

📊 技术指标（8大指标）

指标	说明	用途
MACD	指数平滑异同移动平均线	趋势判断、金叉死叉
KDJ	随机指标	超买超卖、短期转折
RSI	相对强弱指数	超买超卖判断
布林带	Bollinger Bands	波动区间、突破信号
OBV	能量潮指标	量价配合分析
CCI	商品通道指数	异常波动检测
DMI	趋向指标	趋势强度判断
ATR	真实波动幅度	波动率、止损设置

💎 金融级分析

• ✅ 趋势分析：MA 多周期趋势、趋势强度量化
• ✅ 量价分析：量价配合、OBV 趋势、吸筹信号
• ✅ K线形态：10+ 经典形态识别（锤子线、早晨之星等）
• ✅ 支撑阻力：5类关键价位（MA/高低点/整数关口/密集区/斐波那契）
• ✅ 多因子评分：7大维度综合评分
• ✅ 多周期共振：日/周/月三重确认

🤖 深度学习预测

• ✅ 模型训练：自定义训练参数、批量训练
• ✅ 智能预测：价格预测 + 方向预测 + 置信度
• ✅ 预测理由：每个预测带详细理由和关键因素
• ✅ 模型管理：保存、加载、删除、评估

开发环境配置

前置要求

• Node.js（推荐 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

运行示例

cd src-tauri

# 测试历史数据获取
cargo run --example test_historical_data

# 测试增强预测
cargo run --example test_enhanced_prediction

# 测试专业预测策略
cargo run --example test_professional_prediction

# 测试技术指标
cargo run --example test_indicators

# 测试 MACD 计算
cargo run --example test_macd_full

快速开始

1. 基础预测

1. 输入股票代码（如：sh600519）
2. 选择现有模型或训练新模型
3. 设置预测天数
4. 点击"快速预测"查看结果

2. 金融级预测

1. 输入股票代码
2. 选择已有模型
3. 点击"💎 金融级预测"
4. 查看买卖点信号、支撑压力位等专业分析

3. 模型训练

1. 输入股票代码
2. 配置训练参数（epochs、batch_size、learning_rate）
3. 训练完成后即可用于预测

数据流图

graph TB
    subgraph 数据层
        A[API 数据采集] --> B[数据库存储]
    end
    
    subgraph 分析层
        B --> C[技术指标计算]
        C --> D[趋势/量价分析]
        D --> E[形态识别]
    end
    
    subgraph 策略层
        E --> F[多因子评分]
        F --> G[多周期共振]
    end
    
    subgraph 预测层
        G --> H[深度学习模型]
        H --> I[价格预测]
        I --> J[买卖点识别]
    end
    
    subgraph 输出
        J --> K[预测结果]
        J --> L[操作建议]
        J --> M[风险评估]
    end

Loading

📚 文档导航

文档	说明
📘 完整文档	系统概述、技术指标、模型训练、权重配置、常见问题等

⚠️ 免责声明

本系统仅供技术学习和研究使用，不构成任何投资建议。股市有风险，投资需谨慎。使用本系统进行投资决策所产生的任何损失，开发者不承担任何责任。

贡献指南

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

许可证

MIT