from typing import Annotated from datetime import datetime from dateutil.relativedelta import relativedelta import yfinance as yf import os import time import logging from .stockstats_utils import StockstatsUtils from .retry_utils import retry logger = logging.getLogger(__name__) @retry(max_attempts=3, backoff=2.0, exceptions=(Exception,)) def get_YFin_data_online( symbol: Annotated[str, "公司的股票代碼"], start_date: Annotated[str, "開始日期，格式為 yyyy-mm-dd"], end_date: Annotated[str, "結束日期，格式為 yyyy-mm-dd"], ): """ 從 Yahoo Finance 線上獲取股票數據。 Args: symbol (str): 公司的股票代碼。 start_date (str): 開始日期。 end_date (str): 結束日期。 Returns: str: 包含股票數據的 CSV 格式字串。 """ datetime.strptime(start_date, "%Y-%m-%d") datetime.strptime(end_date, "%Y-%m-%d") # 建立股票代碼物件 ticker = yf.Ticker(symbol.upper()) # 獲取指定日期範圍的歷史數據（添加 timeout） try: data = ticker.history(start=start_date, end=end_date, timeout=30) except Exception as e: raise Exception(f"從 Yahoo Finance 獲取 {symbol} 數據失敗: {e}") # 檢查數據是否為空 if data.empty: return ( f"找不到 '{symbol}' 在 {start_date} 和 {end_date} 之間的數據" ) # 從索引中移除時區資訊以獲得更清晰的輸出 if data.index.tz is not None: data.index = data.index.tz_localize(None) # 將數值四捨五入到小數點後兩位以便更清晰地顯示 numeric_columns = ["Open", "High", "Low", "Close", "Adj Close"] for col in numeric_columns: if col in data.columns: data[col] = data[col].round(2) # 將 DataFrame 轉換為 CSV 字串 csv_string = data.to_csv() # 新增標頭資訊 header = f"# {symbol.upper()} 從 {start_date} 到 {end_date} 的股票數據\n" header += f"# 總記錄數：{len(data)}\n" header += f"# 數據檢索時間：{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n\n" return header + csv_string def get_stock_stats_indicators_window( symbol: Annotated[str, "公司的股票代碼"], indicator: Annotated[str, "要獲取分析和報告的技術指標"], curr_date: Annotated[ str, "您正在交易的當前交易日期，格式為 YYYY-mm-dd" ], look_back_days: Annotated[int, "回溯天數"], ) -> str: """ 獲取給定股票在一個時間窗口內的技術指標。 Args: symbol (str): 公司的股票代碼。 indicator (str): 技術指標。 curr_date (str): 當前日期。 look_back_days (int): 回溯天數。 Returns: str: 包含指標值的格式化字串。 """ best_ind_params = { # 移動平均線 "close_50_sma": ( "50 SMA：一個中期趨勢指標。" "用法：識別趨勢方向並作為動態支撐/阻力。" "提示：它滯後於價格；與更快的指標結合以獲得及時信號。" ), "close_200_sma": ( "200 SMA：一個長期趨勢基準。" "用法：確認整體市場趨勢並識別黃金/死亡交叉設置。" "提示：它反應緩慢；最適合戰略趨勢確認，而非頻繁的交易入場。" ), "close_10_ema": ( "10 EMA：一個反應靈敏的短期平均線。" "用法：捕捉動能的快速轉變和潛在的入場點。" "提示：在震盪市場中容易產生噪音；與較長的平均線一起使用以過濾錯誤信號。" ), # MACD 相關 "macd": ( "MACD：通過 EMA 的差異計算動能。" "用法：尋找交叉和背離作為趨勢變化的信號。" "提示：在低波動性或橫盤市場中與其他指標確認。" ), "macds": ( "MACD 信號線：MACD 線的 EMA 平滑。" "用法：使用與 MACD 線的交叉來觸發交易。" "提示：應作為更廣泛策略的一部分以避免誤報。" ), "macdh": ( "MACD 柱狀圖：顯示 MACD 線與其信號線之間的差距。" "用法：可視化動能強度並及早發現背離。" "提示：可能不穩定；在快速變動的市場中輔以額外的過濾器。" ), # 動能指標 "rsi": ( "RSI：衡量動能以標記超買/超賣狀況。" "用法：應用 70/30 閾值並觀察背離以發出反轉信號。" "提示：在強勁趨勢中，RSI 可能保持極端；務必與趨勢分析交叉檢查。" ), # 波動性指標 "boll": ( "布林帶中軌：作為布林帶基礎的 20 SMA。" "用法：作為價格變動的動態基準。" "提示：與上下軌結合以有效發現突破或反轉。" ), "boll_ub": ( "布林帶上軌：通常比中軌高 2 個標準差。" "用法：發出潛在超買狀況和突破區域的信號。" "提示：與其他工具確認信號；在強勁趨勢中價格可能會沿著軌道運行。" ), "boll_lb": ( "布林帶下軌：通常比中軌低 2 個標準差。" "用法：指示潛在的超賣狀況。" "提示：使用額外分析以避免錯誤的反轉信號。" ), "atr": ( "ATR：平均真實波幅，用於衡量波動性。" "用法：根據當前市場波動性設置止損水平和調整頭寸大小。" "提示：這是一個反應性指標，因此請將其用作更廣泛風險管理策略的一部分。" ), # 成交量指標 "vwma": ( "VWMA：成交量加權移動平均線。" "用法：通過將價格行為與成交量數據相結合來確認趨勢。" "提示：注意成交量激增導致的結果偏差；與其他成交量分析結合使用。" ), "mfi": ( "MFI：資金流動指數是一種動能指標，使用價格和成交量來衡量買賣壓力。" "用法：識別超買 (>80) 或超賣 (<20) 狀況，並確認趨勢或反轉的強度。" "提示：與 RSI 或 MACD 一起使用以確認信號；價格與 MFI 之間的背離可能表示潛在的反轉。" ), } if indicator not in best_ind_params: raise ValueError( f"不支持指標 {indicator}。請從以下選項中選擇：{list(best_ind_params.keys())}" ) end_date = curr_date curr_date_dt = datetime.strptime(curr_date, "%Y-%m-%d") before = curr_date_dt - relativedelta(days=look_back_days) # 優化：一次性獲取股票數據並計算所有日期的指標 try: indicator_data = _get_stock_stats_bulk(symbol, indicator, curr_date) # 生成我們需要的日期範圍 current_dt = curr_date_dt date_values = [] while current_dt >= before: date_str = current_dt.strftime('%Y-%m-%d') # 查找此日期的指標值 if date_str in indicator_data: indicator_value = indicator_data[date_str] else: indicator_value = "N/A：非交易日 (週末或假日)" date_values.append((date_str, indicator_value)) current_dt = current_dt - relativedelta(days=1) # 建立結果字串 ind_string = "" for date_str, value in date_values: ind_string += f"{date_str}: {value}\n" except Exception as e: print(f"獲取批量 stockstats 數據時出錯：{e}") # 如果批量方法失敗，則回退到原始實現 ind_string = "" curr_date_dt = datetime.strptime(curr_date, "%Y-%m-%d") while curr_date_dt >= before: indicator_value = get_stockstats_indicator( symbol, indicator, curr_date_dt.strftime("%Y-%m-%d") ) ind_string += f"{curr_date_dt.strftime('%Y-%m-%d')}: {indicator_value}\n" curr_date_dt = curr_date_dt - relativedelta(days=1) result_str = ( f"## 從 {before.strftime('%Y-%m-%d')} 到 {end_date} 的 {indicator} 值：\n\n" + ind_string + "\n\n" + best_ind_params.get(indicator, "無可用描述。") ) return result_str def _get_stock_stats_bulk( symbol: Annotated[str, "公司的股票代碼"], indicator: Annotated[str, "要計算的技術指標"], curr_date: Annotated[str, "供參考的當前日期"] ) -> dict: """ 優化的股票統計指標批量計算。 一次性獲取數據並計算所有可用日期的指標。 返回將日期字串映射到指標值的字典。 """ from .config import get_config import polars as pl import pandas as pd from stockstats import wrap import os config = get_config() online = config["data_vendors"]["technical_indicators"] != "local" if not online: # 本地數據路徑 try: data = pl.read_csv( os.path.join( config.get("data_cache_dir", "data"), f"{symbol}-YFin-data-2015-01-01-2025-03-25.csv", ) ) # stockstats 需要 pandas DataFrame data_pd = data.to_pandas() df = wrap(data_pd) except FileNotFoundError: raise Exception("Stockstats 失敗：尚未獲取 Yahoo Finance 數據！") else: # 帶有快取的線上數據獲取 from datetime import datetime as dt, timedelta today_date = dt.now() curr_date_dt = dt.strptime(curr_date, "%Y-%m-%d") end_date = today_date start_date = today_date - timedelta(days=365*15) start_date_str = start_date.strftime("%Y-%m-%d") end_date_str = end_date.strftime("%Y-%m-%d") os.makedirs(config["data_cache_dir"], exist_ok=True) data_file = os.path.join( config["data_cache_dir"], f"{symbol}-YFin-data-{start_date_str}-{end_date_str}.csv", ) # 檢查緩存是否存在且有效（24小時內） cache_valid = False if os.path.exists(data_file): file_mtime = os.path.getmtime(data_file) current_time = time.time() cache_age_hours = (current_time - file_mtime) / 3600 if cache_age_hours < 24: cache_valid = True logger.info(f"{symbol} 緩存有效（年齡：{cache_age_hours:.1f} 小時）") else: logger.info(f"{symbol} 緩存過期（年齡：{cache_age_hours:.1f} 小時），將重新下載") if cache_valid: data_pl = pl.read_csv(data_file) data_pl = data_pl.with_columns(pl.col("Date").str.to_datetime()) # stockstats 需要 pandas DataFrame data = data_pl.to_pandas() else: # 使用重試機制下載數據 @retry(max_attempts=3, backoff=2.0) def download_data(): return yf.download( symbol, start=start_date_str, end=end_date_str, multi_level_index=False, progress=False, auto_adjust=True, timeout=30 ) try: data = download_data() data = data.reset_index() data.to_csv(data_file, index=False) logger.info(f"成功下載並緩存 {symbol} 數據到 {data_file}") except Exception as e: logger.error(f"下載 {symbol} 數據失敗: {e}") # 如果下載失敗但有舊緩存，使用舊緩存 if os.path.exists(data_file): logger.warning(f"使用過期緩存作為備援") data_pl = pl.read_csv(data_file) data_pl = data_pl.with_columns(pl.col("Date").str.to_datetime()) data = data_pl.to_pandas() else: raise df = wrap(data) df["Date"] = df["Date"].dt.strftime("%Y-%m-%d") # 一次性計算所有行的指標 df[indicator] # 這會觸發 stockstats 計算指標 # 建立一個將日期字串映射到指標值的字典 result_dict = {} for _, row in df.iterrows(): date_str = row["Date"] indicator_value = row[indicator] # 處理 NaN/None 值 if pd.isna(indicator_value): result_dict[date_str] = "N/A" else: result_dict[date_str] = str(indicator_value) return result_dict def get_stockstats_indicator( symbol: Annotated[str, "公司的股票代碼"], indicator: Annotated[str, "要獲取分析和報告的技術指標"], curr_date: Annotated[ str, "您正在交易的當前交易日期，格式為 YYYY-mm-dd" ], ) -> str: """ 獲取單個日期的 stockstats 指標。 Args: symbol (str): 股票代碼。 indicator (str): 指標名稱。 curr_date (str): 日期。 Returns: str: 指標值。 """ curr_date_dt = datetime.strptime(curr_date, "%Y-%m-%d") curr_date = curr_date_dt.strftime("%Y-%m-%d") try: indicator_value = StockstatsUtils.get_stock_stats( symbol, indicator, curr_date, ) except Exception as e: print( f"獲取指標 {indicator} 在 {curr_date} 的 stockstats 指標數據時出錯：{e}" ) return "" return str(indicator_value) def get_balance_sheet( ticker: Annotated[str, "公司的股票代碼"], freq: Annotated[str, "數據頻率：'annual' 或 'quarterly'"] = "quarterly", curr_date: Annotated[str, "當前日期 (yfinance 未使用)"] = None ): """從 yfinance 獲取資產負債表數據。""" try: ticker_obj = yf.Ticker(ticker.upper()) if freq.lower() == "quarterly": data = ticker_obj.quarterly_balance_sheet else: data = ticker_obj.balance_sheet if data.empty: return f"找不到 '{ticker}' 的資產負債表數據" # 為與其他函式保持一致，轉換為 CSV 字串 csv_string = data.to_csv() # 新增標頭資訊 header = f"# {ticker.upper()} 的資產負債表數據 ({freq})\n" header += f"# 數據檢索時間：{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n\n" return header + csv_string except Exception as e: return f"檢索 {ticker} 的資產負債表時出錯：{str(e)}" def get_cashflow( ticker: Annotated[str, "公司的股票代碼"], freq: Annotated[str, "數據頻率：'annual' 或 'quarterly'"] = "quarterly", curr_date: Annotated[str, "當前日期 (yfinance 未使用)"] = None ): """從 yfinance 獲取現金流量數據。""" try: ticker_obj = yf.Ticker(ticker.upper()) if freq.lower() == "quarterly": data = ticker_obj.quarterly_cashflow else: data = ticker_obj.cashflow if data.empty: return f"找不到 '{ticker}' 的現金流量數據" # 為與其他函式保持一致，轉換為 CSV 字串 csv_string = data.to_csv() # 新增標頭資訊 header = f"# {ticker.upper()} 的現金流量數據 ({freq})\n" header += f"# 數據檢索時間：{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n\n" return header + csv_string except Exception as e: return f"檢索 {ticker} 的現金流量時出錯：{str(e)}" def get_income_statement( ticker: Annotated[str, "公司的股票代碼"], freq: Annotated[str, "數據頻率：'annual' 或 'quarterly'"] = "quarterly", curr_date: Annotated[str, "當前日期 (yfinance 未使用)"] = None ): """從 yfinance 獲取損益表數據。""" try: ticker_obj = yf.Ticker(ticker.upper()) if freq.lower() == "quarterly": data = ticker_obj.quarterly_income_stmt else: data = ticker_obj.income_stmt if data.empty: return f"找不到 '{ticker}' 的損益表數據" # 為與其他函式保持一致，轉換為 CSV 字串 csv_string = data.to_csv() # 新增標頭資訊 header = f"# {ticker.upper()} 的損益表數據 ({freq})\n" header += f"# 數據檢索時間：{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n\n" return header + csv_string except Exception as e: return f"檢索 {ticker} 的損益表時出錯：{str(e)}" def get_fundamentals( ticker: Annotated[str, "公司的股票代碼"], curr_date: Annotated[str, "當前日期 (yfinance 未使用)"] = None ): """從 yfinance 獲取公司基本面數據。""" try: ticker_obj = yf.Ticker(ticker.upper()) info = ticker_obj.info if not info or len(info) == 0: return f"找不到 '{ticker}' 的基本面數據" # 提取關鍵基本面指標（與 alpha_vantage 格式相似） fundamentals = { # 基本資訊 "Symbol": info.get("symbol", ticker.upper()), "Name": info.get("longName", info.get("shortName", "")), "Description": (info.get("longBusinessSummary", "") or "")[:300], "Sector": info.get("sector", ""), "Industry": info.get("industry", ""), "MarketCapitalization": info.get("marketCap", ""), # 關鍵財務指標 "EBITDA": info.get("ebitda", ""), "PERatio": info.get("trailingPE", info.get("forwardPE", "")), "PEGRatio": info.get("pegRatio", ""), "BookValue": info.get("bookValue", ""), "DividendPerShare": info.get("dividendRate", ""), "DividendYield": info.get("dividendYield", ""), "EPS": info.get("trailingEps", ""), "RevenuePerShareTTM": info.get("revenuePerShare", ""), "ProfitMargin": info.get("profitMargins", ""), "OperatingMarginTTM": info.get("operatingMargins", ""), "ReturnOnAssetsTTM": info.get("returnOnAssets", ""), "ReturnOnEquityTTM": info.get("returnOnEquity", ""), "RevenueTTM": info.get("totalRevenue", ""), "GrossProfitTTM": info.get("grossProfits", ""), # 交易指標 "52WeekHigh": info.get("fiftyTwoWeekHigh", ""), "52WeekLow": info.get("fiftyTwoWeekLow", ""), "50DayMovingAverage": info.get("fiftyDayAverage", ""), "200DayMovingAverage": info.get("twoHundredDayAverage", ""), # 財務健康指標 "QuarterlyEarningsGrowthYOY": info.get("earningsQuarterlyGrowth", ""), "QuarterlyRevenueGrowthYOY": info.get("revenueGrowth", ""), "AnalystTargetPrice": info.get("targetMeanPrice", ""), "Beta": info.get("beta", ""), # 額外的 yfinance 特有指標 "CurrentPrice": info.get("currentPrice", info.get("regularMarketPrice", "")), "DebtToEquity": info.get("debtToEquity", ""), "CurrentRatio": info.get("currentRatio", ""), "QuickRatio": info.get("quickRatio", ""), "FreeCashFlow": info.get("freeCashflow", ""), } # 過濾掉空值和 None fundamentals = {k: v for k, v in fundamentals.items() if v not in (None, "", "None")} import json # 新增標頭資訊 header = f"# {ticker.upper()} 的基本面數據 (來源: yfinance)\n" header += f"# 數據檢索時間：{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n\n" return header + json.dumps(fundamentals, ensure_ascii=False, indent=2) except Exception as e: return f"檢索 {ticker} 的基本面數據時出錯：{str(e)}" def get_insider_transactions( ticker: Annotated[str, "公司的股票代碼"] ): """從 yfinance 獲取內部人士交易數據。""" try: ticker_obj = yf.Ticker(ticker.upper()) data = ticker_obj.insider_transactions if data is None or data.empty: return f"找不到 '{ticker}' 的內部人士交易數據" # 為與其他函式保持一致，轉換為 CSV 字串 csv_string = data.to_csv() # 新增標頭資訊 header = f"# {ticker.upper()} 的內部人士交易數據\n" header += f"# 數據檢索時間：{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n\n" return header + csv_string except Exception as e: return f"檢索 {ticker} 的內部人士交易時出錯：{str(e)}"