# 系统升级路线图 (Roadmap to AI Quant System)

根据您提供的架构图，目前的系统仅实现了最基础的“价格监控”和“模拟下单”功能。要达到图中展示的**全方位 AI 量化交易系统**（包含行业分析、大模型决策、全量监控等），需要进行以下四个阶段的升级：

## 第一阶段：数据广度与深度扩展 (Data Layer)

目前的 `futu.py` 仅抓取了价格数据，图中的系统需要更多维度的信息。

- [ ] **全量纳斯达克覆盖 (3886支股票)**
    - **现状**: 仅支持 Top N 或简单的分页抓取。
    - **行动**: 优化 `StockDataIntegrator`，维护一份完整的纳斯达克成分股列表（Symbol List），确保监控覆盖无死角。
- [ ] **盘前/盘后数据 (Pre/Post-Market)**
    - **现状**: 代码中有部分解析逻辑，但未完全启用。
    - **行动**: 确保在美股非交易时段（北京时间 16:00 - 21:30）也能获取实时报价。
- [ ] **非结构化数据抓取 (新闻/研报)**
    - **现状**: **缺失**。
    - **行动**: 开发新的爬虫模块 `news_scraper.py`：
        - **新浪财经/东方财富**: 抓取个股快讯。
        - **雪球**: 抓取社区讨论热度。
        - **投行研报**: 抓取高盛、花旗等机构的评级调整（Upgrade/Downgrade）和目标价。

## 第二阶段：引入“大脑” - 大模型与云端分析 (Intelligence Layer)

这是图中“自研大模型”和“云端分析”的核心部分，目前的 `market_analyzer.py` 逻辑太简单。

- [ ] **接入 LLM (大语言模型)**
    - **现状**: 仅使用 `if 涨幅 > 5%` 的硬编码规则。
    - **行动**: 改造 `market_analyzer.py`，接入 OpenAI (GPT-4)、Claude 或本地部署的 DeepSeek/Llama 模型。
    - **应用场景**:
        - **情感分析**: 输入新闻标题，让 AI 判断是利好还是利空。
        - **财报解读**: 输入财报摘要，让 AI 分析营收增长和指引。
- [ ] **行业与趋势分析**
    - **现状**: 仅关注个股。
    - **行动**: 增加“板块分析”模块，计算半导体、科技、医药等板块的整体涨跌幅，实现“行业分析”功能。

## 第三阶段：系统架构升级 (Architecture Layer)

要同时监控 3886 支股票，目前的单线程循环效率不够。

- [ ] **高并发异步架构**
    - **现状**: 同步轮询（一次抓取一个或一页），延迟高。
    - **行动**: 使用 Python 的 `asyncio` 和 `aiohttp` 重构 `monitor.py`，实现高并发抓取，确保 3000+ 支股票的数据延迟在秒级以内。
- [ ] **数据库存储**
    - **现状**: 使用 CSV 文件。
    - **行动**: 引入 **SQLite** 或 **PostgreSQL** 数据库。存储历史行情、新闻数据和 AI 分析记录，以便进行“趋势分析”和回测。

## 第四阶段：实盘交易对接 (Execution Layer)

图中的“股票购买”和“股票抛售”需要对接真实券商。

- [ ] **券商 API 对接**
    - **现状**: `trader.py` 仅打印日志。
    - **行动**: 接入券商 API（如 **富途 OpenD**、**老虎证券 Open API** 或 **Interactive Brokers API**）。
    - **功能**: 实现真实的下单（Place Order）、撤单、资金查询和持仓同步。

---

## 总结：下一步具体操作建议

建议您先从 **第二阶段** 入手，因为这是“AI 财经”最核心的特征：

1.  **申请一个大模型 API Key** (如 DeepSeek, OpenAI)。
2.  **修改 `market_analyzer.py`**：
    *   不再只看涨跌幅。
    *   增加一个函数 `analyze_news_sentiment(news_text)`，让 AI 帮您判断新闻利好。
3.  **创建一个 `news_spider.py`**，试着抓取几条财经新闻作为 AI 的输入。