金融科技示例工程【免费下载链接】ai_quant_tradeStock AI Trader: 1-stop platform for learning, sim live trading. Covers: stock basics, strategies, LLMs, factor mining, ML/DL/RL, graph nets, HFT, C deploy JoinQuant code. 股票AI操盘手一站式学习、模拟、实盘平台。涵盖股票基础、策略、大模型、因子挖掘、机器学习/深度学习/强化学习、图网络、高频交易、C部署及聚宽代码。项目地址https://gitcode.com/gh_mirrors/ai/ai_quant_trade点击查看免费下载导读本文围绕ai_quant_trade仓库中 egs_skill/PROPOSAL.md 提出的「券商研报分析 Skillbroker-research-analyst」设计方案展开系统阐述其研报获取 → 结构化提取 → 多机构观点对比 → 风险识别 → 决策辅助全链路架构并结合仓库中已落地的 broker-research-analyst 实现数据适配层、PDF 解析链、质量门禁、多专家 Agent 编排进行源码级验证与深化。读完本文你将掌握如何基于东方财富公开接口零成本采集研报元数据、如何用四层解析链处理中文研报 PDF 并提取图表、如何以质量门禁过滤低时效与非白名单报告、以及如何通过多专家 Agent 并行协作生成带证据链的研报聚合报告。一、需求与目标为什么需要一个研报分析Skill1.1 核心痛点券商研报卖方研报是散户与投研人员获取机构观点最重要的公开材料但在实际使用中存在五类突出问题信息分散研报散落在东方财富、同花顺、慧博、新浪财经及各机构公众号等多个渠道检索与聚合成本高篇幅过长单份研报 PDF 通常 10~50 页散户看不懂、看不完、抓不住重点观点冲突多份研报对同一标的结论不一致时缺乏对比与仲裁机制容易以偏概全时效性问题研报有明确时效性旧报告容易误导决策利益倾向卖方研报存在推荐倾向承销、佣金等利益冲突需要显式的风险识别机制。1.2 目标用户用户群体核心诉求散户投资者看研报但时间有限需要快速摘要与结论聚合投研助理 / 行业研究员快速汇总多家机构观点识别共识与分歧个人量化研究者需要结构化研报数据评级、目标价、盈利预测作为因子或参考信号1.3 Skill 定位边界清晰设计文档明确将本 Skill 定位为聚焦研报获取 → 结构化提取 → 多机构观点对比 → 风险识别 → 决策辅助全链路不做行情预测、不做交易信号生成与参考 Skillchina-stock-analystA 股智能分析助手形成互补而非重叠。该边界在落地后的 SKILL.md 中得到延续本 Skill 仅作信息聚合与分析辅助不构成任何投资建议。二、数据源可行性分析爬取方案 vs 现成接口2.1 方案对比矩阵设计方案对八类数据源做了系统评估成本 / 稳定性 / 覆盖面 / 推荐度数据源获取方式成本稳定性覆盖面推荐度东方财富研报中心公开 JSON 接口reportapi.eastmoney.com免费高全市场券商⭐⭐⭐⭐⭐AKSharestock_research_report_emPython 库封装东方财富接口免费中依赖 AKShare 维护个股研报⭐⭐⭐⭐eastmoney-reportsPyPI 包第三方 CLI 工具免费中行业/策略/宏观/个股⭐⭐⭐⭐新浪财经研报HTML 页面解析免费中全市场⭐⭐⭐慧博投研资讯网页解析部分需登录免费付费中低全市场深度报告⭐⭐⭐券商官方公众号微信公众号文章抓取合规风险高免费低单家机构⭐⭐不建议东方财富妙想 APImkapi2.dfcfs.com官方 API需 APIKey免费付费高资讯研报摘要⭐⭐⭐⭐Wind / Bloomberg 终端商业 API数万元/年极高全市场⭐成本高个人不推荐2.2 推荐数据源策略三层金字塔设计方案给出三层兜底策略与 SKILL.md 中eastmoney_api akshare websearch的固定优先级原则完全一致主路径默认东方财富研报中心公开接口 → 获取研报列表与元数据标题 / 机构 / 分析师 / 评级 / 目标价 / 日期PDF 全文通过pdf.dfcfw.com公开链接下载辅路径补强AKSharestock_research_report_em接口做个股维度聚合eastmoney-reports库批量按行业 / 类型下载兜底路径WebSearch 抓取最新研报摘要与机构观点公众号文章通过 WebSearch 间接获取不直接爬微信规避合规风险。2.3 关键接口示例设计方案验证 源码印证设计方案给出了三类已验证可用的接口调用方式# 东方财富研报列表接口公开 JSON # GET https://reportapi.eastmoney.com/report/list? # industryCode*pageSize50pageNo1beginTime2026-06-01 # endTime2026-06-27fieldsqType0orgCodeauthor # 返回标题、机构、分析师、评级、目标价、PDF链接、发布时间 # AKShare 个股研报 import akshare as ak df ak.stock_research_report_em(symbol600519) # 茅台研报列表 # eastmoney-reports 库 # pip install eastmoney-reports # 命令行eastmoney query -i 1046 -s 5 # 查询游戏行业最近5篇研报 # 命令行eastmoney download -i 1046 -o ./reports/ # 批量下载PDF在仓库实现中主路径接口已被完整封装进 eastmoney_adapter.py其EastmoneyReportAdapter类实现了请求节流_throttle()方法确保相邻请求间隔不小于interval默认 1.0 秒并在 settings.json 中以request_interval_sec: 1.0配置参数构造fetch_report_list()将beginTime/endTime中的-去除东方财富接口要求YYYYMMDD格式并支持qType四种研报类型0个股 /1行业 /2策略 /3宏观对应源码中REPORT_TYPE_STOCK等常量字段归一化_normalize()将原始 JSON 映射为标准化的ReportMeta数据类dataclass覆盖标题、机构简称/全称、发布日期、infoCode、东方财富标准化评级emRatingName、机构原始评级sRatingName、分析师、当年/次年/第三年 EPS 与 PE 预测、行业名称、PDF 页数attachPages等字段评级变动映射_rating_change_desc()将接口原始码映射为中文描述1首次、2上调、3维持、4下调、5撤销。PDF 下载链接由build_pdf_url()依据https://pdf.dfcfw.com/pdf/H3_{infoCode}_1.pdf模板构造无需任何 API Key。2.4 合规与风控边界设计方案明确了采集行为的合规红线并在源码中落实为可执行约束✅ 只抓取公开网页的研报元数据与公开 PDF✅ 遵守 robots.txt控制请求频率建议 ≤1 req/s源码默认 1.0 秒间隔✅ 不绕过登录墙、不抓取付费内容❌ 不直接爬微信公众号改用 WebSearch 间接获取❌ 不 redistribute 原文 PDF仅本地缓存 摘要引用⚠️ 研报版权归原作者机构所有输出必须标注来源generate_report.py 生成的报告末尾含免责声明。三、架构设计Team-First 多专家模式3.1 目录结构设计方案规划了完整目录骨架仓库中已按此落地实现与方案的差异仅为实际裁剪后的文件清单egs_skill/broker-research-analyst/ ├── SKILL.md # Skill 入口TRAE/Claude Code 加载点 ├── README.md # 安装与使用说明 ├── agents/ # 多专家角色定义 │ ├── report-auditor.md # 研报获取与去重 │ ├── fundamental-extractor.md # 基本面观点提取 │ ├── rating-extractor.md # 评级/目标价/盈利预测提取 │ ├── risk-spotter.md # 风险提示与利益冲突识别 │ ├── consensus-aggregator.md # 多机构观点聚合与分歧识别 │ └── supervisor.md # 主管仲裁与报告生成 ├── scripts/ # Python 辅助脚本 │ ├── eastmoney_adapter.py # 东方财富研报接口适配 │ ├── pdf_downloader.py # PDF 批量下载与缓存 │ ├── pdf_parser.py # PDF 文本抽取与图片提取 │ ├── report_quality_gate.py # 质量门禁 │ ├── report_router.py # 统一路由调度 │ ├── generate_report.py # Markdown 报告生成 │ ├── report_validator.py # 报告质量评估与幻觉检查 │ └── error_logger.py # 全流程错误日志 ├── assets/ │ └── 研报分析模板.md # 输出报告模板 ├── references/ │ ├── 评级体系说明.md # 买入/增持/中性等评级映射 │ └── 机构白名单.md # 主流券商与分析师识别 ├── config/ │ └── settings.json ├── tests/ │ └── test_adapter.py ├── cache/ # 本地研报缓存gitignore └── requirements.txt3.2 运行链路Team-First 并行编排设计方案给出的 10 步链路在 SKILL.md 中收敛为 7 步运行原则并在 report_router.py 中落地为可执行管线1. report-auditor → 校验请求、路由 stock/industry/strategy 2. report_router.py → 拉取研报元数据 质量门禁 3. [并行] rating-extractor → 评级/目标价/EPS预测 4. [并行] fundamental-extractor → 核心逻辑/看多看空 5. [并行] risk-spotter → 风险提示与利益冲突识别 6. consensus-aggregator → 多机构观点聚合标记分歧与共识 7. supervisor → 仲裁 生成最终报告需要说明LLM 多专家分析环节由 TRAE Skill 编排各 Agent 定义在agents/*.mdreport_router.py负责数据准备与报告骨架——这是从 report_router.py 模块 docstring 可以确认的分工边界LLM 多专家分析环节由 TRAE Skill 编排不在本脚本内本脚本负责数据准备与报告骨架。3.3 输出 JSON Schema约束 LLM 输出设计方案为多专家输出定义了统一 JSON Schema用于约束各 Agent 的结构化返回核心字段包括{ schema_version: v1, agent: broker-research-analyst, subject: 600519 贵州茅台, report_count: 8, time_range: 2026-03-01 ~ 2026-06-27, consensus: { rating_distribution: {买入: 5, 增持: 2, 中性: 1}, avg_target_price: 1850.0, target_price_range: [1700, 2100], eps_forecast_2026: 65.2, eps_forecast_2027: 72.8 }, divergence: [ {topic: 高端酒需求韧性, consensus: 看好, dissent: 1家谨慎} ], key_evidences: [ {conclusion: ..., value: ..., source: 中信证券-2026-06-15, url: ...} ], risk_warnings: [渠道库存压力, 消费降级风险, 税收政策变动], conflict_of_interest: 卖方机构普遍偏乐观注意评级倾向, decision_hint: 观察, confidence: 中 }该 Schema 的要点在于证据链强制每个结论必须带source机构与日期、url、共识与分歧并列呈现、决策提示与置信度显式透明。这与 supervisor.md 的仲裁原则一致所有结论必须附来源机构与日期共识与分歧并列呈现不强行统一。四、核心功能大纲4.1 功能矩阵功能输入输出优先级个股研报汇总股票代码多机构评级/目标价/盈利预测聚合P0行业研报追踪行业名称/代码行业观点、景气度判断、龙头推荐P0研报结构化提取单篇研报 PDF评级、目标价、核心逻辑、风险点P0多机构观点对比标的 时间范围共识点、分歧点、置信度P1研报时效性校验标的标记过期报告、最新报告高亮P1风险与利益冲突识别研报集合卖方倾向性提示、风险点汇总P1研报日报/周报日期范围当日/当周热门研报 Top NP2分析师跟踪分析师姓名其历史研报命中率、新财富排名P2其中 P0 的三个功能个股研报汇总、行业研报追踪、研报结构化提取已在仓库中实现为可运行命令见下文六、实战CLI 快速上手。4.2 触发示例SKILL.md 中的 prompt 示例请汇总 600519茅台最近3个月的券商研报观点 请对比中信、中金、华泰对新能源车行业的最新观点 分析这份研报 PDF./reports/xxx.pdf提取核心逻辑与风险 请输出本周电力行业的研报热度榜 分析师张三的历史研报准确率如何五、关键技术决策与源码级原理5.1 数据采集层主用东方财富reportapi.eastmoney.comJSON 接口无需 Key稳定封装见 eastmoney_adapter.py补强AKSharestock_research_report_em、stock_analyst_rank_em分析师排名依赖声明见 requirements.txt 中的akshare1.12.0标注为可选辅助数据源PDF 下载pdf.dfcfw.com公开链接本地缓存 LRU 淘汰语义缓存目录cache/命名规则{机构}_{股票代码}_{日期}.pdf默认 30 天过期可在 settings.json 的cache.expire_days配置。值得关注的是 pdf_downloader.py 对东方财富反爬挑战的处理——从源码 docstring 可以看出pdf.dfcfw.com对机器人请求会返回 JS 挑战页设置__tst_status/EO_Bot_Ssidcookie 后重定向。下载器通过三条机制应对_is_challenge_page()检测挑战页特征含script且非 PDF用内置 node 运行器_NODE_RUNNER脚本通过 shimdocument/location后在沙箱中eval挑战 JS解算 cookie 并注入会话后重试_is_real_pdf()校验响应首字节为%PDF才落盘避免把挑战页误存为.pdf。5.2 PDF 解析层四层解析链 图片提取设计方案将解析层简化为pdfplumber PyPDF2落地后演进为配置驱动的四层文本解析链pdf_parser.py优先级解析器定位特点1可选MinerU高精度路径OpenDataLab 出品专为中文 PDF 优化表格转 HTML合并单元格/跨页完整保留内置 OCR需 Python 3.10-3.13 GB 级模型 推荐 GPU默认关闭2默认MarkItDown主路径微软出品输出 LLM 友好的 Markdown保留标题/表格结构中文支持好轻量无 GPU 依赖3pdfplumber兜底 1传统文本抽取对部分 PDF 格式兼容性更好4pypdf兜底 2最简纯文本最后保障PyPDF2 继任者修复无限循环 DoS解析链构建逻辑见_build_parser_chain()当enable_mineruFalse时 MinerU 被移出链避免部署门槛过高当prefer_parser指定时该解析器被提到链首任一解析器产出非空文本即返回parser_used字段记录实际命中的解析器。图片提取链独立于文本解析主路径 PyMuPDFfitz用xref自动去重、保留 JPEG/PNG 原格式兜底 pdfplumber 用内容哈希去重、强制转 PNG。源码明确注释MarkItDown 不支持 PDF 图片提取源码层面不调用 page.images因此图片提取不依赖文本解析器。提取规则包括自动过滤小图标宽度/高度 80px阈值可在 settings.json 的image_min_width/image_min_height调整按{pdf名}_images/p{页码}_img{序号}.{ext}命名图片路径写入ParsedReport.images供 LLM 多模态分析营收走势、毛利率趋势、批发价走势等图表可通过extract_imgsFalse关闭。相关调研细节见 PDF_IMAGE_RESEARCH.md。关键段落识别extract_sections()用正则定位投资要点 / 盈利预测 / 风险提示 / 估值四类段落标题SECTION_PATTERNS容错中英文、空格、标点截取至下一标题或文末单段落上限 3000 字存入ParsedReport.sections。5.3 质量门禁层report_quality_gate.py 实现了设计方案的三大门禁规则并对每条被拒研报记录拒绝原因reasons列表时效性校验check_freshness()判断publish_date距今是否 ≤expire_days默认 90 天来源权威性校验is_org_whitelisted()对ORG_WHITELIST中信证券、中金公司、中信建投、华泰证券、国泰君安、海通证券、招商证券、广发证券等 25 家主流券商按研究实力排序、非穷举做子串模糊匹配require_whitelistFalse时跳过行业研报路径默认关闭白名单评级一致性/利益冲突提示detect_conflict_of_interest()统计评级分布——当买入/增持/推荐/强烈推荐占比 80% 且无任何减持/卖出评级时标记卖方研报普遍偏多买入/增持占比 X%无减持/卖出评级注意卖方利益冲突与乐观倾向。run_quality_gate()返回QualityResult包含total/valid/expired/non_whitelist/missing_rating/rating_distribution/conflict_of_interest等统计当有效研报数低于min_count个股默认 3时记录日志提示结论置信度将受限。5.4 LLM 编排层与报告生成Team-First 并行六个专家 Agent 以独立agents/*.md定义角色 JSON Schema 约束输出supervisor.md明确仲裁原则风控优先、证据链完整、不偏不倚、置信度透明与最终报告结构研报概览 / 质量门禁结果 / 机构共识统计 / 研报明细表 / 多专家分析结论 / 数据来源与免责声明报告生成generate_report.py 生成 Markdown 报告骨架接受llm_analysis字典填入多专家结论fundamental_view、rating_consensus、divergence、risk_warnings、decision_hint与quality_assessment评估结果全流程可观测error_logger.py 将 fetch / quality_gate / download / parse / validate 各环节信息、警告、错误写入./cache/logs/error_*.log并返回error_summary从 report_router.py 的调用链可以确认该机制覆盖每个阶段。5.5 缓存与存储本地缓存目录cache/PDF 按{机构}_{标的}_{日期}.pdf命名pdf_downloader.py中_safe_filename()会替换非法字符元数据支持 SQLitecache/reports.db设计方案中规划缓存默认 30 天过期settings.jsoncache.expire_days可配置。六、实战CLI 快速上手6.1 安装依赖cd egs_skill/broker-research-analyst pip install -r requirements.txt依赖清单见 requirements.txtrequests、markitdown[pdf]默认主解析器、pdfplumber兜底 1 图片兜底、pypdf兜底 2、PyMuPDF图片提取主路径、Pillow、akshare可选辅助。MinerU 高精度路径为可选依赖pip install mineru[all] mineru-models-download需 Python 3.10-3.13默认不安装。6.2 核心命令report_router.py 主入口# 1. 个股研报汇总不下载 PDF python scripts/report_router.py stock --code 600519 --name 贵州茅台 --days 90 --output ./cache/600519_研报分析.md # 2. 个股研报汇总下载 PDF 并解析用于 LLM 深度分析 python scripts/report_router.py stock --code 600519 --name 贵州茅台 --days 90 --download --output ./cache/600519_研报分析.md # 3. 行业研报追踪 python scripts/report_router.py industry --code 473 --name 证券 --days 30 --output ./cache/证券行业_研报.md # 4. 仅列出研报元数据JSON用于快速预览 python scripts/report_router.py list --code 600519 --days 90 --size 20子命令参数与 report_router.py 中 argparse 定义一致stock--code必填股票代码、--name股票名称、--days回溯天数默认 90、--download是否下载并解析 PDF、--output输出 Markdown 路径、--no-whitelist不要求机构白名单、--log-dir错误日志目录默认./cache/logsindustry--code行业代码如 473 表示证券Ⅱ、--name、--days、--outputlist--code/--industry/--days/--size。6.3 独立工具脚本脚本功能调用示例eastmoney_adapter.py东方财富研报列表抓取CLI 输出 JSONpython scripts/eastmoney_adapter.py --code 600519 --type 0 --days 90 --size 20pdf_parser.pyPDF 解析四层解析链 图片提取python scripts/pdf_parser.py xxx.pdf --parser markitdown --sectionspdf_downloader.pyPDF 批量下载与缓存含反爬绕过由 report_router 内部调用report_quality_gate.py质量门禁时效/白名单/利益冲突由 report_router 内部调用generate_report.pyMarkdown 报告生成由 report_router 内部调用report_validator.py报告质量评估与幻觉检查由 report_router 内部调用6.4 配置说明config/settings.jsonsettings.json 是全局配置中心关键项{ version: 1.0.0, data_sources: {primary: eastmoney, secondary: akshare, fallback: websearch}, eastmoney: { list_api: https://reportapi.eastmoney.com/report/list, pdf_base: https://pdf.dfcfw.com/pdf/H3_{infoCode}_1.pdf, default_page_size: 50, request_interval_sec: 1.0, timeout_sec: 20 }, report_types: {0: 个股研报, 1: 行业研报, 2: 策略研报, 3: 宏观研报, 4: 公司研报, 5: 基金研报}, quality_gate: {expire_days: 90, min_report_count: 3, require_org_whitelist: true}, cache: {dir: ./cache, expire_days: 30, naming: {org}_{code}_{date}.pdf}, pdf_parser: { prefer_parser: , enable_mineru: false, mineru_backend: pipeline, mineru_timeout_sec: 600, text_chain: [mineru, markitdown, pdfplumber, pypdf2], image_chain: [pymupdf, pdfplumber], image_min_width: 80, image_min_height: 80 } }要点解读text_chain声明完整解析链顺序enable_mineru置true时启用 MinerU 高精度路径也可通过pdf_parser.py --mineru或--parser mineru强制指定quality_gate中的expire_days90、min_report_count3与源码run_quality_gate()默认参数一致。环境变量见.env.example。七、与参考 Skill 的差异化定位与联动维度china-stock-analystbroker-research-analyst本 Skill数据源AKShare 行情 东方财富妙想 API东方财富研报接口 AKShare 研报接口分析对象股票本身量价/资金/财报券商研报内容本身输出短线交易信号 营收质量评分研报观点聚合 多机构共识/分歧时间维度实时 历史回测研报发布时间窗口通常 1-3 个月风控重点数据真实性、价格锚点研报时效性、卖方利益冲突联动建议设计方案与 README.md 均给出两者可串联使用——先用本 Skill 汇总机构研报观点再用china-stock-analyst做量价验证形成机构观点 市场信号双轨研判。八、实施路线图设计方案规划了四阶段路线其中 Phase 1~2 的核心内容已在仓库中落地Phase 1MVP— 目录骨架与 SKILL.md、东方财富研报列表接口适配、单只股票研报汇总、基础 Markdown 报告均已实现Phase 2结构化提取— PDF 下载与解析、评级/目标价/盈利预测提取 Agent、多机构观点聚合均已实现含四层解析链与图片提取Phase 3风险与对比— 时效性校验、利益冲突识别、多机构分歧点识别、行业研报追踪质量门禁已实现行业追踪命令可用Phase 4增强— 分析师跟踪、研报日报/周报、与china-stock-analyst联动接口、回归测试套件测试已有 test_adapter.py其余属后续规划。九、风险与未决问题设计方案列举的五项风险在实现中均有对应应对或已知约束东方财富接口变更风险公开接口可能随时调整。应对EastmoneyReportAdapter作为适配层隔离业务逻辑不直接触碰接口细节PDF 解析准确率研报排版复杂表格、图表中文字段提取需调优。应对四层解析链逐级兜底 MinerU 高精度路径表格转 HTML 段落正则识别卖方倾向性研报普遍偏乐观。应对质量门禁自动检测买入/增持占比 80% 且无卖出并强制标注详见 report_quality_gate.pydetect_conflict_of_interest()合规边界仅做信息聚合与分析辅助。应对不绕登录墙、不爬微信公众号、输出强制含不构成投资建议声明分析师识别同名分析师去重需执业证书编号辅助设计方案提出属未决问题references/机构白名单.md 提供机构侧白名单支撑。十、总结broker-research-analyst从 PROPOSAL.md 的方案设计到仓库落地构建了一条完整可运行的券商研报全链路分析流水线东方财富公开接口负责零成本数据采集适配层 节流 反爬绕过四层 PDF 解析链与图片提取解决中文研报的结构化难题质量门禁在时效性、机构权威性、卖方利益冲突三个维度做前置过滤最后由六个专家 Agent 并行提取 主管仲裁产出带证据链与置信度的聚合报告。对于希望构建研报聚合 → 观点对比 → 决策辅助类应用的开发者本仓库提供了可直接复用的数据适配、解析、门禁与编排参考实现并明确了合规边界与后续增强方向分析师跟踪、日报/周报、与行情分析 Skill 联动。赞分享金融科技示例工程【免费下载链接】ai_quant_tradeStock AI Trader: 1-stop platform for learning, sim live trading. Covers: stock basics, strategies, LLMs, factor mining, ML/DL/RL, graph nets, HFT, C deploy JoinQuant code. 股票AI操盘手一站式学习、模拟、实盘平台。涵盖股票基础、策略、大模型、因子挖掘、机器学习/深度学习/强化学习、图网络、高频交易、C部署及聚宽代码。项目地址https://gitcode.com/gh_mirrors/ai/ai_quant_trade点击查看免费下载相关推荐Anaconda高级配置20个必知设置项优化你的开发体验Anaconda高级配置20个必知设置项优化你的开发体验 Anaconda是一款将Sublime Text 3转变为全功能Python开发IDE的插件集成了开发工具代码质量Parca架构深度解析从数据采集到存储查询的全链路设计Parca架构深度解析从数据采集到存储查询的全链路设计 Parca是一个开源的持续性能分析工具专门用于分析CPU和内存使用情况能够精确到代码行号并在时间维可观测性性能分析券商研报开源资源实战指南从东方财富每日研报到华泰金工研报的获取与应用券商研报开源资源实战指南从东方财富每日研报到华泰金工研报的获取与应用 本文是 ai_quant_trade 仓库「研报类」资源清单的核心导读聚焦两类可直接落金融科技示例工程上一篇archinstall内核清理删除旧内核与模块文件下一篇HIUI小米出品的中后台React组件库完全指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考