VAlpha Terminal

智能金融情报终端 | AI-Powered Financial Intelligence Platform

VAlpha Terminal 是一个专注于中国 A 股市场的智能金融分析平台，集成了投资组合管理、基金分析、股票监控、AI 智能推荐、新闻资讯和市场情绪分析等功能。通过 AI 大语言模型自动生成专业的盘前/盘后分析报告，帮助投资者做出更明智的决策。

• 投资组合 - 多组合管理、收益分析、压力测试、AI 诊断
• 基金分析 - 管理基金池，自动生成盘前策略和盘后复盘报告
• 股票监控 - 自选股追踪，支持基本面+技术面综合分析
• AI 智能推荐 - 量化因子模型 + LLM 深度分析，智能选股选基
• 新闻资讯 - 多源财经新闻聚合，AI 情绪分析
• 商品情报 - 黄金、白银等贵金属实时分析
• 市场情绪 - 基于多维度指标的情绪分析
• 邮件通知 - 报告生成、异常提醒自动推送
• 定时任务 - 支持自动化报告生成调度
• 多语言支持 - 中文/英文界面切换
• 多 LLM 支持 - 支持 Gemini、OpenAI、自定义兼容接口

valpha-terminal/
├── api_server.py          # FastAPI 后端入口
├── main.py                # 命令行入口
├── requirements.txt       # Python 依赖
├── funds.db              # SQLite 数据库
│
├── src/                  # 后端源码
│   ├── analysis/         # 分析模块
│   │   └── strategies/   # 策略模式实现
│   ├── data_sources/     # 数据源接口 (AkShare/TuShare)
│   ├── llm/              # LLM 集成 (Gemini/OpenAI)
│   ├── scheduler/        # 定时任务
│   ├── storage/          # 数据库操作
│   ├── auth.py           # JWT 认证
│   └── report_gen.py     # 报告生成
│
├── web/                  # React 前端
│   ├── src/
│   │   ├── pages/        # 页面组件
│   │   ├── components/   # 通用组件
│   │   ├── widgets/      # 仪表盘组件
│   │   ├── locales/      # 国际化文件
│   │   └── api.ts        # API 客户端
│   └── package.json
│
├── reports/              # 生成的分析报告
├── config/               # 配置文件
└── docker/               # Docker 部署文件

• Python 3.10+
• Node.js 18+
• npm 或 yarn

git clone https://github.com/AustinDeng/VAlpha-Terminal.git
cd VAlpha-Terminal

# 创建虚拟环境
python -m venv venv

# 激活虚拟环境
# Windows
venv\Scripts\activate
# Linux/Mac
source venv/bin/activate

# 安装依赖
pip install -r requirements.txt

cd web
npm install

在项目根目录创建 .env 文件（可参考 .env.example）：

# ==============================================================================
# LLM 配置 (至少配置一个)
# ==============================================================================

# LLM 提供商选择: gemini, openai
LLM_PROVIDER=gemini

# Gemini 配置
GEMINI_API_KEY=your_gemini_api_key
GEMINI_API_ENDPOINT=                    # 可选：自定义端点

# OpenAI 配置
OPENAI_API_KEY=your_openai_api_key
OPENAI_BASE_URL=https://api.openai.com/v1  # 可选：自定义端点（支持 DeepSeek 等兼容接口）
OPENAI_MODEL=gpt-4o                     # 模型名称

# ==============================================================================
# 数据源配置
# ==============================================================================

# 数据源策略: hybrid (推荐), tushare, akshare
DATA_SOURCE_PROVIDER=hybrid

# TuShare Pro Token (推荐配置，提高数据稳定性)
# 免费注册: https://tushare.pro/register
TUSHARE_API_TOKEN=your_tushare_token

# 数据缓存 TTL (秒)
DATA_SOURCE_CACHE_TTL=60

# ==============================================================================
# 可选配置
# ==============================================================================

# Tavily API (网络搜索，情绪分析需要)
TAVILY_API_KEY=your_tavily_api_key

# Redis 缓存 (可选，提高性能)
REDIS_URL=redis://localhost:6379/0

# 启动后端 (端口 8000)
uvicorn app.main:app --host 0.0.0.0 --port 8000

# 新终端，启动前端 (端口 5173)
cd web
npm run dev

访问 http://localhost:5173 即可使用。

仪表盘	基金分析

股票监控	情报报告

情绪分析报告

启动后端后，访问以下地址查看 API 文档：

• Swagger UI: http://localhost:8000/docs
• ReDoc: http://localhost:8000/redoc

在系统设置页面可以切换 AI 模型：

• Gemini (推荐) - Google 的 Gemini Pro 模型，有免费额度
• OpenAI - GPT-4o 系列模型
• OpenAI 兼容 - 支持 DeepSeek、本地 LLM 等兼容接口

支持为每个基金/股票配置独立的分析时间：

• 盘前分析: 默认 08:30 (开盘前)
• 盘后分析: 默认 15:30 (收盘后)

# 前端 lint
cd web && npm run lint

# 前端构建
cd web && npm run build

1. 在 src/analysis/strategies/ 创建新策略类
2. 继承 AnalysisStrategy 基类
3. 实现 collect_data() 和 generate_report() 方法
4. 在 factory.py 中注册新策略

使用 Docker 可以一键部署前后端整合的应用，无需分别配置。

在项目根目录创建 .env 文件（参考上方环境变量说明）。

# 构建并启动服务
docker-compose up -d --build

# 查看日志
docker-compose logs -f

# 查看服务状态
docker-compose ps

打开浏览器访问: http://localhost:9000

# 停止服务
docker-compose down

# 重启服务
docker-compose restart

# 查看实时日志
docker-compose logs -f app

# 进入容器
docker-compose exec app bash

Windows PowerShell:

.\deploy.ps1

Linux/Mac:

chmod +x deploy.sh
./deploy.sh

Docker 部署会自动挂载以下目录：

• ./data - 数据库文件
• ./reports - 生成的报告
• ./config - 配置文件

更多 Docker 部署细节请参考 DOCKER_DEPLOY.md

欢迎提交 Issue 和 Pull Request！

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 提交 Pull Request

本项目采用 非商业使用许可证 - 详见 LICENSE 文件

• ✅ 允许：个人使用、学习研究、修改代码、非商业分发
• ❌ 禁止：商业使用、销售软件、提供付费服务、商业产品集成

如需商业授权，请联系作者。

• AkShare - 优秀的 A 股数据接口
• TuShare - 专业的金融数据服务
• Material-UI - React 组件库
• FastAPI - 现代 Python Web 框架