基于XGBoost+LSTM双模型的股票预测系统——“智语析金”智能投研平台-育师

1. 从理论到实践的量化探索

项目背景：传统的股票技术分析依赖人工盯盘与形态识别，主观性强且效率低下。随着AI技术的下沉，我们能否让机器自动学习历史数据中的规律，辅助我们进行投资决策？这便是本项目——“智语析金”智能投研平台的初衷。

本项目是一个全栈式的金融AI应用。它不仅包含了XGBoost（传统机器学习）和LSTM（深度学习）双模型进行股价涨跌预测，还结合了LangChain框架和智谱AI大模型，实现了基于RAG（检索增强生成）的年报智能问答。前端采用Streamlit快速搭建，交互体验流畅。

项目特点总结：

双核驱动：XGBoost负责捕捉特征间的非线性关系，LSTM负责捕捉时间序列的长期依赖，两者融合提升预测稳健性。
智能交互：支持自然语言查询行情数据（如“最近一个月涨了多少？”），自动出图。
RAG知识库：上传PDF年报，即可针对文档内容进行AI问答。
全链路可视化：从数据采集、模型训练到回测评估，全部在Web端完成。

2. 核心技术栈与架构设计

为了让大家对系统有一个宏观的了解，下面列出本项目使用的核心库和技术方案。

2.1 开发环境

语言：Python 3.8+
框架：Streamlit 1.28 (快速构建Web UI)
数据库/向量库：ChromaDB (用于RAG检索)

2.2 核心算法库

数据处理：Pandas, Numpy
传统模型：XGBoost (集成学习，作为基模型)
时序模型：TensorFlow 2.x / Keras (构建LSTM网络)
特征工程：TA-Lib (技术指标计算，如RSI, MACD, 布林带)

2.3 AI与大模型

大模型接口：智谱AI (GLM-4-Flash)
RAG框架：LangChain (文档加载、文本分割、向量化检索)

2.4 系统架构流程图

数据流：Tushare/AkShare数据源->技术指标计算->特征工程(25维降为7维)->XGBoost+LSTM训练->Streamlit前端展示与交互。

3. 核心模块实现详解

由于篇幅有限，这里仅展示最关键的核心逻辑，完整代码可在文末获取。

3.1 数据采集与容灾（双数据源）

为了确保程序在任何网络环境下都能运行，我们实现了Tushare与AkShare的自动切换机制。

# core.py 核心代码片段 import tushare as ts import akshare as ak def fetch_stock_data(symbol="300274", start_date="20200101", end_date="20241231"): # 优先使用Tushare Pro (专业版) try: df = pro.daily(ts_code=ts_code, ...) if len(df) > 0: return df except: # 失败则自动降级到AkShare (免费开源) df = ak.stock_zh_a_hist(symbol=symbol, ...) return df

数据示例：

原始数据结构示例：

加载出来的文件保存在同目录下的data文件夹，如图所示。

3.2 特征工程：构建技术指标

我们计算了RSI、MACD、布林带、ATR等25个候选特征，并通过VIF（方差膨胀因子）筛选出7个核心特征以避免多重共线性。

核心特征：open,high,low,volume,pct_change,rsi,macd_signal。
预测目标：Target(未来5日收盘价 > 当前收盘价 ? 1 : 0)。

3.3 双模型融合策略

本项目采用软投票机制，结合了两种不同原理的模型：

模型名称	原理优势	权重
XGBoost	对表格数据极其敏锐，能处理特征间的复杂交互，泛化能力强。	60%
LSTM (长短期记忆网络)	专门处理时间序列，能记住过去60天的“记忆”来判断未来趋势。	40%

融合代码逻辑：

# 获取预测概率 xgb_prob = xgb_model.predict_proba(X_test)[0, 1] lstm_prob = lstm_model.predict(X_test_seq)[0, 0] # 加权融合 final_prob = 0.6 * xgb_prob + 0.4 * lstm_prob print(f"综合上涨概率: {final_prob:.2%}")

4. 系统界面展示与功能导览

4.1 AI智能诊断仪表盘

在“AI诊断”页面，系统会可视化展示当前股票的上涨概率。本系统结合了技术面指标（如RSI超买超卖）与大模型分析，生成详细的诊断报告。

4.2 行情驾驶舱

交互式K线图，支持缩放查看细节，集成布林带、MACD、成交量副图，帮助进行技术分析。

4.3 RAG智能问答（亮点功能）

系统支持上传PDF年报（如阳光电源年报）。程序会将PDF切片向量化存入ChromaDB。当用户提问“公司主营业务收入如何？”时，系统会先检索相关段落，再交给大模型组织语言回答，有效避免“幻觉”。

4.4 策略回测与评估

在“模型评估”模块，我们可以看到模型在测试集上的表现。经过测试，双模型融合后的AUC达到了0.60，准确率约为 55.45%，相比单一模型有显著提升。

5. 项目运行与部署指南

如果你想在本地运行此项目，请按以下步骤操作：

克隆/下载项目：

git clone [你的仓库地址] cd financial_copilot

安装依赖：
```
pip install -r requirements.txt
```
(注意：若提示tensorflow报错，可单独下载CPU版本)
启动应用：
```
streamlit run app.py
```
配置API（可选）：
- 如果要启用AI报告生成，请在侧边栏填入智谱AI的API Key。