基于 Flask 的股票预测管理系统

最近完成了一个股票分析预测系统，今天来分享一下这个项目的设计思路和实现细节。

cover

项目背景

作为一个对金融市场和编程都感兴趣的人，一直想做一个能够自动分析股票、预测走势的工具。经过一段时间的学习和实践，终于完成了这个 Stock Prediction Management System。

项目地址：https://spms.riordon.xyz

核心功能

1. 实时快讯首页

首页集成了实时财经快讯功能：

  • 时间线展示：默认显示近2天的快讯，最多支持500条
  • 智能过滤：支持按关键词筛选重要快讯
  • 自动刷新：每5分钟自动更新数据
  • 底部滚动：最新3条快讯无缝循环滚动
  • 今日热榜：集成 TopHub 热榜数据

2. 股票分析模块

分析页面提供了丰富的技术分析功能：

  • 价格趋势：收盘价折线图 + MA5/MA20/MA60 均线
  • 技术指标：RSI 相对强弱指数、MACD 指标（含 Signal 线和 Histogram）
  • 成交量分析：柱状图 + 20日均量线
  • 支撑压力位：自动计算并标注关键价位
  • 雷达图评分：多维度综合评分可视化
  • AI 分析报告：智能生成分析报告

3. 股票预测模块

这是项目最核心的功能：

  • 使用 GRU（门控循环单元） 模型进行预测
  • 支持预测未来 10/20/30 天的走势
  • 可视化展示历史数据与预测结果的对比

技术架构

后端技术

Flask          # Web 框架
pandas         # 数据处理
numpy          # 数值计算
TensorFlow     # GRU 模型训练与推理

数据源

项目采用了多数据源故障转移机制：

  • akshare：主要数据源，数据丰富且更新及时
  • baostock：备用数据源，当主数据源不可用时自动切换

前端图表

使用 ApexCharts 通过 CDN 引入，支持：

  • 响应式图表
  • 交互式缩放
  • 多种图表类型

项目结构

Stock Prediction Management System/
├─ app/
│  ├─ web/           # Web 服务层
│  ├─ core/          # 核心业务逻辑
│  └─ adapters/      # 数据源适配器
├─ data/             # 数据存储
├─ forecasting/      # 预测模型
└─ run.py            # 启动入口

GRU 模型训练

模型训练脚本位于 forecasting/train_gru.py，主要步骤：

  1. 获取历史股票数据
  2. 数据预处理与归一化
  3. 构建 GRU 网络结构
  4. 训练并保存模型权重

训练完成后，预测接口会自动加载模型进行推理。

部署说明

项目支持通过环境变量配置：

PORT=8888
LOG_LEVEL=INFO
LOG_FILE=data/logs/server.log

启动命令：

python run.py

免责声明

本系统仅用于学习研究目的，不构成任何投资建议。股票市场存在风险，预测结果仅供参考。

如果你对这个项目感兴趣，欢迎访问 https://spms.riordon.xyz 体验，也欢迎交流讨论！