{ticker} 基本面分析数据【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN股票类型: {市场名称}货币: {货币名称} ({货币符号})分析日期: {当前日期}数据深度级别: {数据深度}{具体数据模块}数据来源: 根据股票类型自动选择最适合的数据源该模板与源码第 990-1001 行的拼接逻辑完全一致头部元信息来自 StockUtils.get_market_info 返回的 market_name、currency_name、currency_symbol数据模块按市场分支逐个 append 到 result_data 列表后以换行拼接。 ### 2. A股数据is_chinaTrue A股分支包含两个主要模块。 **模块 1A股当前价格信息** markdown ## A股当前价格信息 股票代码: {ticker} 股票名称: {公司名称} 交易所: {上海证券交易所/深圳证券交易所} 行业: {所属行业} 板块: {主板/创业板/科创板/北交所} 最新价格数据 日期: {最新交易日} 开盘价: {开盘价} 元 最高价: {最高价} 元 最低价: {最低价} 元 收盘价: {收盘价} 元 成交量: {成交量} 股 成交额: {成交额} 元 涨跌幅: {涨跌幅}% 换手率: {换手率}%数据来源为get_china_stock_data_unified()第一优先级MongoDBstock_daily_data集合历史交易数据缓存第二优先级按配置的数据源优先级仅包含最近 1-2 天的交易数据源码中days_to_fetch 10兜底拉取、days_to_analyze 2只分析最近 2 天。模块 2A股基本面财务数据## A股基本面财务数据 ### 1. 公司基本信息 - 股票代码: {ticker} - 公司名称: {公司全称} - 所属行业: {行业分类} - 上市板块: {主板/创业板/科创板/北交所} - 上市日期: {上市日期} ### 2. 估值指标 - 市盈率 (PE): {PE值} - 市净率 (PB): {PB值} - 市销率 (PS): {PS值} - 总市值: {总市值} 亿元 - 流通市值: {流通市值} 亿元 ### 3. 财务指标 - 净资产收益率 (ROE): {ROE}% - 总资产收益率 (ROA): {ROA}% - 资产负债率: {负债率}% - 流动比率: {流动比率} - 速动比率: {速动比率} - 毛利率: {毛利率}% - 净利率: {净利率}% ### 4. 盈利能力分析 - 营业收入: {营业收入} 亿元 - 净利润: {净利润} 亿元 - 同比增长率: {增长率}% - 每股收益 (EPS): {EPS} 元 ### 5. 成长性分析 - 营收增长率: {营收增长率}% - 利润增长率: {利润增长率}% - 行业地位: {行业排名/市场份额} ### 6. 风险评估 - 财务风险: {低/中/高} - 经营风险: {低/中/高} - 市场风险: {低/中/高} ### 7. 投资建议 - 估值水平: {低估/合理/高估} - 合理价位区间: {最低价} - {最高价} 元 - 目标价位: {目标价} 元 - 投资建议: {买入/持有/卖出}该模块由OptimizedChinaDataProvider._generate_fundamentals_report()optimized_china_data.py生成数据获取优先级为MongoDB 优先启用TA_USE_APP_CACHE时market_quotes→ 实时股价stock_financial_data→ 财务指标ROE、负债率、利润等stock_basic_info→ 基础信息行业、板块、市值、PE、PB 等API 数据源MongoDB 无数据时降级AKShare → Tushare 依次尝试智能处理解析并标准化不同来源的数据格式基于行业特征进行估值分析计算综合评分基本面评分、估值评分、成长性评分。值得注意的一个源码细节_generate_fundamentals_report在价格/涨跌幅/成交量字段缺失时会读取market_quotes集合兜底补齐optimized_china_data.py保证输出数据的完整性。3. 港股数据is_hkTrue港股数据内容随data_depth变化且源码中港股分支采取了统一策略所有级别都获取完整数据主要原因是提示词统一数据不完整会导致 LLM 基于不存在的数据分析幻觉。基础级别basic/standard## 港股基础信息 **股票代码**: {ticker} **股票名称**: {公司名称} **交易货币**: 港币 (HK$) **交易所**: 香港交易所 (HKG) **数据源**: {数据源名称} **基本面分析建议** - 建议查看公司最新财报 - 关注港股市场整体走势 - 考虑汇率因素对投资的影响完整级别full/detailed/comprehensive## 港股数据 ### 股票基本信息 - 股票代码: {ticker} - 公司名称: {公司名称} - 交易货币: 港币 (HK$) - 交易所: 香港交易所 (HKG) - 行业: {所属行业} - 板块: {所属板块} ### 价格数据 - 最新价格: {最新价} 港币 - 开盘价: {开盘价} 港币 - 最高价: {最高价} 港币 - 最低价: {最低价} 港币 - 成交量: {成交量} - 成交额: {成交额} 港币 ### 估值指标 - 市值: {市值} 港币 - 市盈率: {PE} - 市净率: {PB}数据来源get_hk_stock_data_unified()— 港股行情数据主要数据源实现见 interface.pyget_hk_stock_info_unified()— 港股基础信息备用降级方案interface.py。源码中港股还有最终备用分支当主备数据源全部失败时返回包含错误信息与重试建议的兜底文本agent_utils.py 第 953-970 行保证 Agent 不会拿到空数据。4. 美股数据is_usTrue美股同样按数据深度区分且源码采用统一策略获取完整数据忽略 data_depth。基础级别basic/standard## 美股基础信息 **股票代码**: {ticker} **股票类型**: 美股 **交易货币**: 美元 (USD) **交易所**: 美国证券交易所 **基本面分析建议** - 建议查看公司最新财报 - 关注美股市场整体走势 - 考虑美元汇率因素对投资的影响 - 关注美联储政策对股市的影响完整级别full/detailed/comprehensive## 美股基本面数据 ### 公司信息 - 股票代码: {ticker} - 公司名称: {公司名称} - 交易货币: 美元 (USD) - 行业: {所属行业} - 板块: {所属板块} ### 财务数据 - 市值: {市值} 美元 - 市盈率 (PE): {PE} - 市净率 (PB): {PB} - 营业收入: {营业收入} 美元 - 净利润: {净利润} 美元 - 每股收益 (EPS): {EPS} 美元 ### 分析师观点 - 目标价: {目标价} 美元 - 评级: {买入/持有/卖出}数据来源get_fundamentals_openai()interface.py使用 OpenAI 或 Finnhub API。四、数据深度级别说明combined_data的详细程度由data_depth参数控制级别说明包含内容basic快速分析基础信息 当前价格standard标准分析基础信息 当前价格 基础估值指标full深度分析完整的价格数据 财务指标 估值分析detailed详细分析完整数据 详细财务分析comprehensive全面分析所有可用数据 深度分析 投资建议research_depth → data_depth 映射源码级data_depth并非由调用方直接指定而是由配置项research_depth转换而来agent_utils.py 第 761-786 行research_depth配置data_depth工具实际使用快速basic基础standard标准standard深度full全面comprehensiveresearch_depth同时支持数字输入1快速、2基础、3标准、4深度、5全面工具会自动完成数字到中文等级再到data_depth的标准化转换第 721-759 行。从映射看detailed级别在当前版本的research_depth配置中不直接出现配置项实际可触达的为 basic/standard/full/comprehensive 四档。与之配套基本面分析还遵循只取必要数据的策略第 837-842 行固定获取 10 天数据保证周末/节假日也有数据但只使用最近 2 天参与分析——因为基本面分析关注的是当前价格与财务指标而非历史行情序列。五、数据字段详解价格相关字段字段含义开盘价 (open)当日开盘时的价格最高价 (high)当日最高价格最低价 (low)当日最低价格收盘价 (close)当日收盘价格成交量 (volume)当日成交股票数量成交额 (amount)当日成交金额总额涨跌幅 (change_percent)相对前一交易日的涨跌百分比换手率 (turnover_rate)成交量占流通股本的比例估值指标字段字段含义市盈率 (PE)股价 / 每股收益衡量股票估值水平市净率 (PB)股价 / 每股净资产衡量资产价值市销率 (PS)市值 / 营业收入衡量销售能力总市值 (total_mv)股价 × 总股本流通市值 (circ_mv)股价 × 流通股本财务指标字段字段含义净资产收益率 (ROE)净利润 / 净资产衡量盈利能力总资产收益率 (ROA)净利润 / 总资产衡量资产使用效率资产负债率 (debt_ratio)负债 / 资产衡量财务风险流动比率 (current_ratio)流动资产 / 流动负债衡量短期偿债能力速动比率 (quick_ratio)(流动资产 - 存货) / 流动负债毛利率 (gross_margin)(营业收入 - 营业成本) / 营业收入净利率 (net_margin)净利润 / 营业收入六、数据获取流程A股数据获取流程重点完整流程所有市场七、源码级实现要点1. OptimizedChinaDataProviderA股基本面数据核心A股优化数据提供器 集成缓存与多数据源几个关键实现点统一数据源入口get_stock_data()内部依次尝试 MongoDBadapter.get_historical_data→ 文件缓存find_cached_stock_data→ 统一数据源接口get_china_stock_data_unifiedAPI 限流通过TA_CHINA_MIN_API_INTERVAL_SECONDS/ta_china_min_api_interval_seconds配置两次 API 调用的最小间隔默认 0.5 秒_wait_for_rate_limit()负责等待财务指标真实获取_get_real_financial_metrics()第 844 行在启用use_app_cache_enabled()时优先从 MongoDB 取真实财务指标MongoDB 数据格式化_format_financial_data_to_fundamentals()将stock_financial_data中的营业收入、净利润、总资产、股东权益等原始值格式化为千分位字符串并现场计算 ROE / ROA 比率market_quotes 兜底当从行情文本解析不出价格/涨跌幅/成交量时直接读取market_quotes集合最新一条记录补齐第 355-377 行。2. MongodbCacheAdapter按优先级查询 MongoDBMongoDB 缓存适配器 统一封装了四个集合的读写get_stock_basic_info(symbol)第 47 行按数据源优先级查询stock_basic_info逐个source尝试全部未命中时兼容无source条件的旧数据get_financial_data(symbol, report_period)第 221 行按数据源优先级获取stock_financial_data财务指标get_market_quotes(symbol)第 327 行读取market_quotes实时行情_get_data_source_priority(symbol)第 81 行从system_configs读取data_source_configs并按priority降序排列详见第二节。3. get_china_stock_data_unified智能日期扩展interface.py 的 A股统一数据接口会对传入日期做智能范围扩展通过get_trading_date_range结合配置项MARKET_ANALYST_LOOKBACK_DAYS市场分析回溯天数默认 30 天自动扩展到足够的历史窗口处理周末/节假日导致的交易日空缺然后再调用配置的数据源。4. 港股与美股数据源港股主要数据源get_hk_stock_data_unifiedinterface.py底层实现见 tradingagents/dataflows/providers/hk/improved_hk.py美股get_fundamentals_openaiinterface.py底层 Finnhub 实现见 tradingagents/dataflows/providers/us/finnhub.py。八、MongoDB 集合说明1.market_quotes— 实时行情数据存储股票实时价格信息字段说明code6 位股票代码close收盘价open开盘价high最高价low最低价volume成交量amount成交额change_percent涨跌幅turnover_rate换手率2.stock_financial_data— 财务数据存储股票财务指标字段说明code/symbol股票代码report_period报告期如20250630data_source数据来源tushare/aksharefinancial_indicators财务指标对象roe、roa、debt_to_assets、current_ratio、quick_ratio、gross_margin、net_margin3.stock_basic_info— 基础信息字段说明code6 位股票代码name股票名称industry所属行业market板块主板/创业板/科创板/北交所pe市盈率pb市净率total_mv总市值亿元circ_mv流通市值亿元source数据来源tushare/akshare/baostock4.stock_daily_data— 历史交易数据存储股票的历史日线数据用于技术分析。九、使用示例A股基本面分析以平安银行000001为例# 输入参数 ticker 000001 # 平安银行 start_date 2025-05-28 end_date 2025-11-04 curr_date 2025-11-04 # 返回的 combined_data 包含: # 000001 基本面分析数据 **股票类型**: 中国A股 **货币**: 人民币 (¥) **分析日期**: 2025-11-04 **数据深度级别**: standard ## A股当前价格信息 股票代码: 000001 股票名称: 平安银行 交易所: 深圳证券交易所 行业: 银行 板块: 主板 最新价格数据 日期: 2025-11-04 收盘价: 13.45 元 涨跌幅: 1.2% 成交量: 45678900 股 换手率: 0.85% ## A股基本面财务数据 ### 估值指标 - 市盈率 (PE): 4.94 - 市净率 (PB): 0.50 - 总市值: 2200.63 亿元 ### 财务指标 - 净资产收益率 (ROE): 4.95% - 资产负债率: 91.32% ### 投资建议 - 估值水平: 低估 - 投资建议: 买入 【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 {ticker} 基本面分析数据
{ticker} 基本面分析数据【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN股票类型: {市场名称}货币: {货币名称} ({货币符号})分析日期: {当前日期}数据深度级别: {数据深度}{具体数据模块}数据来源: 根据股票类型自动选择最适合的数据源该模板与源码第 990-1001 行的拼接逻辑完全一致头部元信息来自 StockUtils.get_market_info 返回的 market_name、currency_name、currency_symbol数据模块按市场分支逐个 append 到 result_data 列表后以换行拼接。 ### 2. A股数据is_chinaTrue A股分支包含两个主要模块。 **模块 1A股当前价格信息** markdown ## A股当前价格信息 股票代码: {ticker} 股票名称: {公司名称} 交易所: {上海证券交易所/深圳证券交易所} 行业: {所属行业} 板块: {主板/创业板/科创板/北交所} 最新价格数据 日期: {最新交易日} 开盘价: {开盘价} 元 最高价: {最高价} 元 最低价: {最低价} 元 收盘价: {收盘价} 元 成交量: {成交量} 股 成交额: {成交额} 元 涨跌幅: {涨跌幅}% 换手率: {换手率}%数据来源为get_china_stock_data_unified()第一优先级MongoDBstock_daily_data集合历史交易数据缓存第二优先级按配置的数据源优先级仅包含最近 1-2 天的交易数据源码中days_to_fetch 10兜底拉取、days_to_analyze 2只分析最近 2 天。模块 2A股基本面财务数据## A股基本面财务数据 ### 1. 公司基本信息 - 股票代码: {ticker} - 公司名称: {公司全称} - 所属行业: {行业分类} - 上市板块: {主板/创业板/科创板/北交所} - 上市日期: {上市日期} ### 2. 估值指标 - 市盈率 (PE): {PE值} - 市净率 (PB): {PB值} - 市销率 (PS): {PS值} - 总市值: {总市值} 亿元 - 流通市值: {流通市值} 亿元 ### 3. 财务指标 - 净资产收益率 (ROE): {ROE}% - 总资产收益率 (ROA): {ROA}% - 资产负债率: {负债率}% - 流动比率: {流动比率} - 速动比率: {速动比率} - 毛利率: {毛利率}% - 净利率: {净利率}% ### 4. 盈利能力分析 - 营业收入: {营业收入} 亿元 - 净利润: {净利润} 亿元 - 同比增长率: {增长率}% - 每股收益 (EPS): {EPS} 元 ### 5. 成长性分析 - 营收增长率: {营收增长率}% - 利润增长率: {利润增长率}% - 行业地位: {行业排名/市场份额} ### 6. 风险评估 - 财务风险: {低/中/高} - 经营风险: {低/中/高} - 市场风险: {低/中/高} ### 7. 投资建议 - 估值水平: {低估/合理/高估} - 合理价位区间: {最低价} - {最高价} 元 - 目标价位: {目标价} 元 - 投资建议: {买入/持有/卖出}该模块由OptimizedChinaDataProvider._generate_fundamentals_report()optimized_china_data.py生成数据获取优先级为MongoDB 优先启用TA_USE_APP_CACHE时market_quotes→ 实时股价stock_financial_data→ 财务指标ROE、负债率、利润等stock_basic_info→ 基础信息行业、板块、市值、PE、PB 等API 数据源MongoDB 无数据时降级AKShare → Tushare 依次尝试智能处理解析并标准化不同来源的数据格式基于行业特征进行估值分析计算综合评分基本面评分、估值评分、成长性评分。值得注意的一个源码细节_generate_fundamentals_report在价格/涨跌幅/成交量字段缺失时会读取market_quotes集合兜底补齐optimized_china_data.py保证输出数据的完整性。3. 港股数据is_hkTrue港股数据内容随data_depth变化且源码中港股分支采取了统一策略所有级别都获取完整数据主要原因是提示词统一数据不完整会导致 LLM 基于不存在的数据分析幻觉。基础级别basic/standard## 港股基础信息 **股票代码**: {ticker} **股票名称**: {公司名称} **交易货币**: 港币 (HK$) **交易所**: 香港交易所 (HKG) **数据源**: {数据源名称} **基本面分析建议** - 建议查看公司最新财报 - 关注港股市场整体走势 - 考虑汇率因素对投资的影响完整级别full/detailed/comprehensive## 港股数据 ### 股票基本信息 - 股票代码: {ticker} - 公司名称: {公司名称} - 交易货币: 港币 (HK$) - 交易所: 香港交易所 (HKG) - 行业: {所属行业} - 板块: {所属板块} ### 价格数据 - 最新价格: {最新价} 港币 - 开盘价: {开盘价} 港币 - 最高价: {最高价} 港币 - 最低价: {最低价} 港币 - 成交量: {成交量} - 成交额: {成交额} 港币 ### 估值指标 - 市值: {市值} 港币 - 市盈率: {PE} - 市净率: {PB}数据来源get_hk_stock_data_unified()— 港股行情数据主要数据源实现见 interface.pyget_hk_stock_info_unified()— 港股基础信息备用降级方案interface.py。源码中港股还有最终备用分支当主备数据源全部失败时返回包含错误信息与重试建议的兜底文本agent_utils.py 第 953-970 行保证 Agent 不会拿到空数据。4. 美股数据is_usTrue美股同样按数据深度区分且源码采用统一策略获取完整数据忽略 data_depth。基础级别basic/standard## 美股基础信息 **股票代码**: {ticker} **股票类型**: 美股 **交易货币**: 美元 (USD) **交易所**: 美国证券交易所 **基本面分析建议** - 建议查看公司最新财报 - 关注美股市场整体走势 - 考虑美元汇率因素对投资的影响 - 关注美联储政策对股市的影响完整级别full/detailed/comprehensive## 美股基本面数据 ### 公司信息 - 股票代码: {ticker} - 公司名称: {公司名称} - 交易货币: 美元 (USD) - 行业: {所属行业} - 板块: {所属板块} ### 财务数据 - 市值: {市值} 美元 - 市盈率 (PE): {PE} - 市净率 (PB): {PB} - 营业收入: {营业收入} 美元 - 净利润: {净利润} 美元 - 每股收益 (EPS): {EPS} 美元 ### 分析师观点 - 目标价: {目标价} 美元 - 评级: {买入/持有/卖出}数据来源get_fundamentals_openai()interface.py使用 OpenAI 或 Finnhub API。四、数据深度级别说明combined_data的详细程度由data_depth参数控制级别说明包含内容basic快速分析基础信息 当前价格standard标准分析基础信息 当前价格 基础估值指标full深度分析完整的价格数据 财务指标 估值分析detailed详细分析完整数据 详细财务分析comprehensive全面分析所有可用数据 深度分析 投资建议research_depth → data_depth 映射源码级data_depth并非由调用方直接指定而是由配置项research_depth转换而来agent_utils.py 第 761-786 行research_depth配置data_depth工具实际使用快速basic基础standard标准standard深度full全面comprehensiveresearch_depth同时支持数字输入1快速、2基础、3标准、4深度、5全面工具会自动完成数字到中文等级再到data_depth的标准化转换第 721-759 行。从映射看detailed级别在当前版本的research_depth配置中不直接出现配置项实际可触达的为 basic/standard/full/comprehensive 四档。与之配套基本面分析还遵循只取必要数据的策略第 837-842 行固定获取 10 天数据保证周末/节假日也有数据但只使用最近 2 天参与分析——因为基本面分析关注的是当前价格与财务指标而非历史行情序列。五、数据字段详解价格相关字段字段含义开盘价 (open)当日开盘时的价格最高价 (high)当日最高价格最低价 (low)当日最低价格收盘价 (close)当日收盘价格成交量 (volume)当日成交股票数量成交额 (amount)当日成交金额总额涨跌幅 (change_percent)相对前一交易日的涨跌百分比换手率 (turnover_rate)成交量占流通股本的比例估值指标字段字段含义市盈率 (PE)股价 / 每股收益衡量股票估值水平市净率 (PB)股价 / 每股净资产衡量资产价值市销率 (PS)市值 / 营业收入衡量销售能力总市值 (total_mv)股价 × 总股本流通市值 (circ_mv)股价 × 流通股本财务指标字段字段含义净资产收益率 (ROE)净利润 / 净资产衡量盈利能力总资产收益率 (ROA)净利润 / 总资产衡量资产使用效率资产负债率 (debt_ratio)负债 / 资产衡量财务风险流动比率 (current_ratio)流动资产 / 流动负债衡量短期偿债能力速动比率 (quick_ratio)(流动资产 - 存货) / 流动负债毛利率 (gross_margin)(营业收入 - 营业成本) / 营业收入净利率 (net_margin)净利润 / 营业收入六、数据获取流程A股数据获取流程重点完整流程所有市场七、源码级实现要点1. OptimizedChinaDataProviderA股基本面数据核心A股优化数据提供器 集成缓存与多数据源几个关键实现点统一数据源入口get_stock_data()内部依次尝试 MongoDBadapter.get_historical_data→ 文件缓存find_cached_stock_data→ 统一数据源接口get_china_stock_data_unifiedAPI 限流通过TA_CHINA_MIN_API_INTERVAL_SECONDS/ta_china_min_api_interval_seconds配置两次 API 调用的最小间隔默认 0.5 秒_wait_for_rate_limit()负责等待财务指标真实获取_get_real_financial_metrics()第 844 行在启用use_app_cache_enabled()时优先从 MongoDB 取真实财务指标MongoDB 数据格式化_format_financial_data_to_fundamentals()将stock_financial_data中的营业收入、净利润、总资产、股东权益等原始值格式化为千分位字符串并现场计算 ROE / ROA 比率market_quotes 兜底当从行情文本解析不出价格/涨跌幅/成交量时直接读取market_quotes集合最新一条记录补齐第 355-377 行。2. MongodbCacheAdapter按优先级查询 MongoDBMongoDB 缓存适配器 统一封装了四个集合的读写get_stock_basic_info(symbol)第 47 行按数据源优先级查询stock_basic_info逐个source尝试全部未命中时兼容无source条件的旧数据get_financial_data(symbol, report_period)第 221 行按数据源优先级获取stock_financial_data财务指标get_market_quotes(symbol)第 327 行读取market_quotes实时行情_get_data_source_priority(symbol)第 81 行从system_configs读取data_source_configs并按priority降序排列详见第二节。3. get_china_stock_data_unified智能日期扩展interface.py 的 A股统一数据接口会对传入日期做智能范围扩展通过get_trading_date_range结合配置项MARKET_ANALYST_LOOKBACK_DAYS市场分析回溯天数默认 30 天自动扩展到足够的历史窗口处理周末/节假日导致的交易日空缺然后再调用配置的数据源。4. 港股与美股数据源港股主要数据源get_hk_stock_data_unifiedinterface.py底层实现见 tradingagents/dataflows/providers/hk/improved_hk.py美股get_fundamentals_openaiinterface.py底层 Finnhub 实现见 tradingagents/dataflows/providers/us/finnhub.py。八、MongoDB 集合说明1.market_quotes— 实时行情数据存储股票实时价格信息字段说明code6 位股票代码close收盘价open开盘价high最高价low最低价volume成交量amount成交额change_percent涨跌幅turnover_rate换手率2.stock_financial_data— 财务数据存储股票财务指标字段说明code/symbol股票代码report_period报告期如20250630data_source数据来源tushare/aksharefinancial_indicators财务指标对象roe、roa、debt_to_assets、current_ratio、quick_ratio、gross_margin、net_margin3.stock_basic_info— 基础信息字段说明code6 位股票代码name股票名称industry所属行业market板块主板/创业板/科创板/北交所pe市盈率pb市净率total_mv总市值亿元circ_mv流通市值亿元source数据来源tushare/akshare/baostock4.stock_daily_data— 历史交易数据存储股票的历史日线数据用于技术分析。九、使用示例A股基本面分析以平安银行000001为例# 输入参数 ticker 000001 # 平安银行 start_date 2025-05-28 end_date 2025-11-04 curr_date 2025-11-04 # 返回的 combined_data 包含: # 000001 基本面分析数据 **股票类型**: 中国A股 **货币**: 人民币 (¥) **分析日期**: 2025-11-04 **数据深度级别**: standard ## A股当前价格信息 股票代码: 000001 股票名称: 平安银行 交易所: 深圳证券交易所 行业: 银行 板块: 主板 最新价格数据 日期: 2025-11-04 收盘价: 13.45 元 涨跌幅: 1.2% 成交量: 45678900 股 换手率: 0.85% ## A股基本面财务数据 ### 估值指标 - 市盈率 (PE): 4.94 - 市净率 (PB): 0.50 - 总市值: 2200.63 亿元 ### 财务指标 - 净资产收益率 (ROE): 4.95% - 资产负债率: 91.32% ### 投资建议 - 估值水平: 低估 - 投资建议: 买入 【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考