股票技术分析模块设计与LLM集成实践

1. 技术面分析模块的整体设计思路

在股票分析系统中，技术面分析模块扮演着数据加工者的角色。这个模块的核心任务是将原始的K线数据转化为可供LLM理解的结构化技术指标摘要。不同于传统技术分析软件直接给出买卖信号的做法，我们的设计理念是"指标计算+简明参考"，把最终的决策权交给能够综合多维度信息的LLM模型。

从工程架构角度看，这个模块采用了典型的数据处理流水线设计：

1. 数据输入层：通过yfinance API获取K线数据
2. 指标计算层：并行计算各类技术指标
3. 逻辑判断层：根据指标值生成状态描述
4. 输出格式化层：整理为LLM友好的结构化数据

这种分层设计使得每个环节都可以独立优化。比如当需要新增RSI指标时，只需在指标计算层添加相应函数，不会影响其他模块的正常工作。

2. 核心指标计算原理与实现细节

2.1 移动平均线(MA)的计算与趋势判断

移动平均线是技术分析中最基础的指标之一。我们的系统计算了四个关键周期的MA值：

python复制def calculate_ma(close_prices, windows=[5,10,20,60]):
    ma_values = {}
    for window in windows:
        ma_values[f'MA{window}'] = close_prices.rolling(window=window).mean().iloc[-1]
    return ma_values

趋势判断逻辑包含两个维度：

1. 价格位置关系：当前价格相对于各MA线的位置（上方/下方）
2. 均线排列形态：检查是否形成MA5>MA10>MA20>MA60的多头排列

这些布尔判断结果会存入trend_ma字典，为后续的LLM分析提供结构化输入。

2.2 MACD指标的计算与状态判断

MACD是一个结合了趋势和动量特征的复合指标。我们的实现采用标准参数(12,26,9)：

python复制def _macd(close_prices, fast=12, slow=26, signal=9):
    ema_fast = close_prices.ewm(span=fast, adjust=False).mean()
    ema_slow = close_prices.ewm(span=slow, adjust=False).mean()
    macd_line = ema_fast - ema_slow
    signal_line = macd_line.ewm(span=signal, adjust=False).mean()
    histogram = macd_line - signal_line
    return {
        'macd': macd_li