我的系统属于金融科技（FinTech）领域，具体应用场景是面向个人投资者的智能投资分析与辅助决策。
它就像一个轻量级的个人投资分析助手，用户打开浏览器就能查看黄金、股票、基金的市场走势，搜索感兴趣的个股，管理自己的投资组合，还能通过蒙特卡洛模拟预测未来的价格走势。覆盖了行情监控→深度分析→组合管理→趋势预测的完整投资决策链条。
在金融行业的实际应用中，类似的系统通常需要付费购买Wind、同花顺等专业终端。我这个项目的定位是零成本、零配置的轻量级替代方案，特别适合个人投资者和金融数据分析的学习者使用。
① 数据看板（首页）
展示六大核心市场指标（上证指数、沪深300、国内金价、国际金价、美元汇率、涨跌家数），同时展示黄金价格走势图（含MA5/MA10/MA20移动平均线）、沪深300指数图、基金净值图和AI预测图。支持1个月到1年四个时间范围切换，所有图表支持鼠标滚轮缩放和滑块拖拽。
② 个股行情
内置85支全球股票，涵盖A股蓝筹、美股科技巨头、NBA球队、欧洲足球俱乐部等多元化品种。支持行业分类筛选、关键词搜索、分页浏览。点击股票后同时展示60天历史走势和未来20天AI预测。
③ 银行产品
展示10家合作银行的基本信息和信用评级，以及各银行提供的黄金、股票、基金三类投资产品的起投金额、预期年化收益率和风险等级。
④ 我的投资
用户可按黄金、股票、基金三类记录投资行为，添加记录后系统自动进行风险评估（计算风险评分、风险等级、分散度评分）和三情景收益预测（乐观/预期/悲观）。
⑤ 深度分析
资产配置饼图、当日热门板块排行、投资建议，以及已选股票的详细走势和评估。
⑥ 财经新闻
实时聚合国内外财经新闻，自动分类为国际/国内，点击可跳转查看原文。
第一阶段：数据准备
我先从上海黄金交易所官网、东方财富网搜集了 2025年1月到2026年6月共17个月的真实黄金月度数据 和同期沪深300指数数据，整理成Python代码中的常量列表。同时整理了10家银行信息、85支股票信息（含行业分类和基准价格）以及10支精选基金的基本信息。
第二阶段：数据处理引擎开发（spark_engine.py）
这一阶段实现了核心的 SparkProcessor数据引擎。主要包括：
LiveDataFetcher：实时数据获取模块，从新浪财经、gold-api.com等免费API获取实时行情，支持多源降级
FinancialDataGenerator：数据生成器，基于17个月度锚点通过分段线性插值算法生成365天连续日度序列
SparkProcessor：核心引擎类，封装了数据加载、过滤、查询、分析等方法，API风格参考了Spark DataFrame的设计思想
第三阶段：预测引擎开发（predictor.py）
这一阶段实现了 InvestmentPredictor投资预测引擎。独立实现了线性回归、加权移动平均、指数平滑三种算法，并在其基础上构建了蒙特卡洛模拟框架——以当前价格为起点，基于历史波动率生成100条随机路径，每条路径考虑趋势漂移、随机波动、情绪冲击、均值回归和黑天鹅事件五个因素，最终取均值作为预测值，取5%和95%分位数作为置信区间。
第四阶段：Web服务与前端开发（app.py + index.html）
后端基于Python内置的 http.server模块 构建RESTful API服务，设计了13个API端点，覆盖所有功能模块的数据接口。前端基于 HTML5 + CSS3 + 原生JavaScript 构建单页应用，使用 ECharts 5.4 实现交互式图表可视化，所有图表配置了tooltip、lege
评论