使用说明

股市分析MCP服务器

一个全面的模型上下文协议（MCP）服务器，用于高级股市分析、趋势识别、投资组合管理、股息追踪、行业分析以及风险指标评估。

📑 目录

特点/特性
安装
使用示例
技术指标
建筑学
数据存储与隐私
最佳实践
依赖项

🚀 功能

📈 价格与数据工具（`price_data.py`）

get_latest_price(ticker) - 获取任何股票的最新市场价格
get_historical_data(ticker, period) - 获取历史开盘价、最高价、最低价、收盘价和成交量（OHLC数据）
get_stock_info(ticker) - 全面的股票信息，包括基本面、市盈率、市值、股息率等。

💼 投资组合管理（`portfolio.py`)

add_holding(ticker, shares, purchase_price, purchase_date?) - 在您的投资组合中添加股票，并自动追踪成本基准
remove_holding(ticker, shares, sale_price, sale_date?) - 出售股票并自动计算盈亏
view_portfolio() - 查看您的所有持仓，实时估值及盈亏情况
view_transactions(limit?) - 查看您的交易历史

🔍 技术分析（`analysis.py`）

analyze_buy_opportunity(ticker) - 简单的SMA交叉策略（20日/50日均线）
calculate_rsi(ticker, period?, timeframe?) - 相对强弱指数（RSI）用于识别超买/超卖状况
calculate_macd(ticker, timeframe?) - 移动平均收敛散度指标用于趋势动量分析
analyze_trends(ticker, timeframe?) - 多指标综合趋势分析
compare_stocks(tickers[]) - 多支股票的并排对比

🔔 警报系统 (`alerts.py`)

set_price_alert(ticker, target_price, alert_type, alert_name?) - 设置价格提醒（高于/低于阈值）
set_rsi_alert(ticker, rsi_threshold, alert_type, alert_name?) - 设置RSI（相对强弱指数）超买/超卖条件的警报
check_alerts() - 检查所有活动警报，并查看哪些已被触发
list_alerts() - 查看所有已配置的警报
clear_triggered_alerts() - 移除已触发的警报
delete_all_alerts() - 删除所有提醒

💰 股息追踪（`dividends.py`)

get_dividend_history(ticker, period?) - 查看带有趋势的股息支付历史
get_dividend_yield(ticker) - 获取当前股息收益率及相关指标
calculate_portfolio_dividend_income() - 计算你的投资组合预期的年度股息收入
find_high_dividend_stocks(min_yield?, sector?) - 发现高股息收益率股票

🏢 行业分析（`sector.py`）

analyze_sector(sector_name) - 对特定市场细分的全面分析
compare_sectors() - 比较所有主要市场板块的业绩表现
get_sector_leaders(sector_name, metric?) - 获取某行业中的表现最佳股票
analyze_portfolio_sector_allocation() - 分析你的投资组合的行业多元化情况

⚠️ 风险指标（`risk.py`)

calculate_sharpe_ratio(ticker, risk_free_rate?, period?) - 测量风险调整后的回报
calculate_beta(ticker, benchmark?, period?) - 计算股票波动率与市场波动率的对比
calculate_portfolio_risk() - 全面的投资组合风险分析及建议
calculate_var(ticker, confidence_level?, period?, position_size?) - 风险价值（Value at Risk）计算
calculate_drawdown(ticker, period?) - 最大回撤和峰谷分析

📦 安装

先决条件

在开始之前，请确保您已具备：

Python 3.8 或更高版本 安装在您的系统上
Cursor 集成开发环境 (IDE) （或另一个兼容MCP的客户端）
Git（版本控制系统） （可选，用于克隆仓库）
用于获取股市数据的互联网连接

第一步：获取代码

选项A：从GitHub克隆

git clone https://github.com/CalvinLiuu/stock_mcp_server.git
cd stock_mcp_server

选项B：下载ZIP文件

将仓库下载为ZIP文件
将其解压到您希望的位置
打开一个终端并导航到解压后的文件夹

步骤2：设置虚拟环境

创建并激活一个虚拟环境（推荐）：

在 macOS/Linux 上：

python3 -m venv .venv
source .venv/bin/activate

在Windows上：

python -m venv .venv
.venv\Scripts\activate

步骤3：安装依赖项

在您的虚拟环境已激活的情况下，安装所需的软件包：

pip install -r requirements.txt

这将安装：

yfinance - 用于实时股市数据
pandas - 用于数据分析
numpy - 用于数值计算
fastmcp - 用于MCP服务器功能

步骤4：在光标中配置MCP

要在 Cursor IDE 中使用此服务器，您需要将其添加到您的 MCP 配置文件中。

查找您的MCP配置

MCP配置文件通常位于：

macOS/Linux： ~/.cursor/mcp.json
Windows： %USERPROFILE%\.cursor\mcp.json

添加服务器配置

打开 mcp.json 创建文件并添加以下配置（调整路径以匹配您的安装位置）：

选项A：使用Python模块（推荐）

{
  "mcpServers": {
    "stock-analyzer": {
      "command": "/absolute/path/to/stock_mcp_server/.venv/bin/python",
      "args": [
        "-m",
        "mcp.server.fastmcp",
        "run",
        "/absolute/path/to/stock_mcp_server/stock.server.py"
      ],
      "env": {}
    }
  }
}

选项B：使用fastmcp CLI

{
  "mcpServers": {
    "stock-analyzer": {
      "command": "/absolute/path/to/stock_mcp_server/.venv/bin/fastmcp",
      "args": [
        "dev",
        "/absolute/path/to/stock_mcp_server/stock.server.py"
      ],
      "env": {}
    }
  }
}

重要提示：

替换 /absolute/path/to/stock_mcp_server/ 以及您实际安装服务器的完整路径
在Windows系统中，使用反斜杠和相应的路径（例如。， C:\\Users\\YourName\\...)
确保使用来自虚拟环境的Python解释器（.venv/bin/python）

macOS 示例：

{
  "mcpServers": {
    "stock-analyzer": {
      "command": "/Users/johndoe/Documents/stock_mcp_server/.venv/bin/python",
      "args": [
        "-m",
        "mcp.server.fastmcp",
        "run",
        "/Users/johndoe/Documents/stock_mcp_server/stock.server.py"
      ],
      "env": {}
    }
  }
}

Windows 示例：

{
  "mcpServers": {
    "stock-analyzer": {
      "command": "C:\\Users\\JohnDoe\\Documents\\stock_mcp_server\\.venv\\Scripts\\python.exe",
      "args": [
        "-m",
        "mcp.server.fastmcp",
        "run",
        "C:\\Users\\JohnDoe\\Documents\\stock_mcp_server\\stock.server.py"
      ],
      "env": {}
    }
  }
}

第五步：重启光标

更新您的（信息/设置/软件等）后 mcp.json 配置：

保存文件
完全重启 Cursor （关闭并重新打开）
当Cursor启动时，MCP服务器应自动启动

步骤6：验证安装

您可以通过检查 Cursor 中的 MCP 日志或尝试使用其中一个工具来验证安装情况：

在Cursor的AI聊天中，尝试：

Can you get the latest price for AAPL using the stock analyzer?

你应该能看到服务器实时返回股票数据。

或者查看可用工具：

What tools are available in the stock-analyzer MCP server?

🧪 手动测试服务器（可选）

在 Cursor 之外测试服务器：

# Activate your virtual environment first
source .venv/bin/activate  # macOS/Linux
# or
.venv\Scripts\activate  # Windows

# Run the server in development mode
fastmcp dev stock.server.py

你应该会看到类似这样的输出：

Registering price data tools...
Registering portfolio management tools...
Registering technical analysis tools...
Registering alert system tools...
Registering dividend tracking tools...
Registering sector analysis tools...
Registering risk analysis tools...
✅ All tools registered successfully!
📊 Stock Market Analyzer v0.3.0 is ready!

🔧 故障排除

服务器无法启动？

验证您路径中的内容 mcp.json 是绝对路径（而非相对路径）
确保你使用的是虚拟环境中的 Python（.venv/bin/python）
检查所有依赖项是否已安装： pip list 应该显示 yfinance、pandas、numpy、fastmcp

“模块未找到”错误？

确保您的虚拟环境已激活
重新安装依赖项： pip install -r requirements.txt

无法获取股票数据？

检查你的网络连接
某些股票的数据可能延迟，或者需要使用不同的股票代码
先尝试投资一些像“AAPL”或“MSFT”这样的普通股

MCP 服务器未出现在 Cursor 中？

确保 mcp.json 文件是有效的JSON（没有尾随逗号，语法正确）
检查Cursor的MCP日志中的错误信息
尝试完全重启 Cursor

在 macOS/Linux 上遇到权限错误？

确保Python可执行文件具有可执行权限： chmod +x .venv/bin/python

📱 安装后的快速入门

安装并配置完成后，您即可通过Cursor的AI聊天立即开始使用这些工具：

# Check a stock price
"Get the latest price for Tesla"

# Add to your portfolio
"Add 10 shares of AAPL at $150 to my portfolio"

# View your portfolio
"Show me my current portfolio"

# Set an alert
"Alert me when TSLA goes below $250"

# Analyze a stock
"Analyze trends for NVDA"

🎯 使用示例

投资组合管理

# Add stocks to your portfolio
add_holding("AAPL", 10, 150.00)
add_holding("MSFT", 5, 380.00)
add_holding("NVDA", 8, 450.00)

# View your portfolio with current valuations
view_portfolio()

# Sell some shares
remove_holding("AAPL", 5, 175.00)

# View transaction history
view_transactions(limit=20)

警报系统

# Set a price alert
set_price_alert("TSLA", 250.00, "below")

# Set an RSI alert for oversold conditions
set_rsi_alert("NVDA", 30, "below")

# Check if any alerts triggered
check_alerts()

# View all configured alerts
list_alerts()

股息分析

# View dividend history
get_dividend_history("JNJ", period="5y")

# Check dividend yield
get_dividend_yield("KO")

# Calculate portfolio dividend income
calculate_portfolio_dividend_income()

# Find high-yield stocks in utilities sector
find_high_dividend_stocks(min_yield=4.0, sector="Utilities")

行业分析

# Analyze technology sector
analyze_sector("Technology")

# Compare all sectors
compare_sectors()

# Get sector leaders by performance
get_sector_leaders("Healthcare", metric="return")

# Check portfolio sector diversification
analyze_portfolio_sector_allocation()

风险分析

# Calculate Sharpe ratio
calculate_sharpe_ratio("AAPL", risk_free_rate=0.04, period="1y")

# Calculate beta vs S&P 500
calculate_beta("TSLA", benchmark="SPY")

# Comprehensive portfolio risk analysis
calculate_portfolio_risk()

# Calculate Value at Risk
calculate_var("NVDA", confidence_level=0.95, position_size=10000)

# Analyze maximum drawdown
calculate_drawdown("MSFT", period="5y")

技术分析

# Get detailed stock information
get_stock_info("GOOGL")

# Check RSI for overbought/oversold signals
calculate_rsi("TSLA", period=14, timeframe="3mo")

# Analyze MACD for momentum
calculate_macd("MSFT", timeframe="6mo")

# Comprehensive trend analysis
analyze_trends("NVDA", timeframe="1y")

# Compare multiple stocks
compare_stocks(["AAPL", "MSFT", "GOOGL"])

📊 技术指标解析

相对强弱指数（RSI）

70分以上超买 - 潜在卖出信号
低于30超卖 - 潜在买入机会
三十到七十中性范围

MACD（移动平均收敛发散指标）

**看涨交叉（或：金叉）**MACD线在信号线上方交叉
**看跌交叉（或称为“死亡交叉”）**MACD线（快线）下穿信号线（慢线）
用于识别动量和趋势变化

SMA交叉策略

买入信号短期简单移动平均线（20日）上穿长期简单移动平均线（50日）
卖出信号短期简单移动平均线（SMA）下穿长期简单移动平均线

夏普比率

> 2.0极佳的风险调整后回报
1.0-2.0好的
0到1.0公平
小于0差（回报低于无风险利率）

Beta（测试版）

β > 1比市场更波动
β = 1随市场波动
0小于β小于1比市场波动性小
β小于0与市场走势相反

🏗️ 建筑学

stock_mcp_server/
├── stock.server.py         # Main server entry point
├── utils.py                # Shared utilities (load/save data)
├── price_data.py           # Price and stock information
├── portfolio.py            # Portfolio management
├── analysis.py             # Technical analysis tools
├── alerts.py               # Alert system
├── dividends.py            # Dividend tracking
├── sector.py               # Sector analysis
├── risk.py                 # Risk metrics
├── portfolio.json          # Portfolio data (auto-generated)
├── alerts.json             # Alert data (auto-generated)
├── requirements.txt        # Python dependencies
└── README.md               # Documentation

模块化设计

每个模块都是独立的，可以单独进行更新：

**utils.py**数据持久化的共享函数
**price_data.py**基本库存数据检索
**portfolio.py**持仓与交易追踪
**analysis.py**技术指标与趋势分析
**alerts.py**价格和相对强弱指数（RSI）警报系统
**dividends.py**股息历史及收益追踪
**sector.py**全行业范围的分析与比较
**risk.py**风险指标与投资组合风险管理

📁 数据存储与隐私

🔒 仅限本地存储

您的数据保持完全私密且本地存储：

✅ 所有投资组合数据仅存储在您的计算机上
✅ 无需云存储或外部服务器
✅ 无需认证或账号
✅ 对您的数据文件拥有完全控制权
✅ 可以直接备份/编辑JSON文件

本地存储的内容包括：

您的股票持仓和交易记录 portfolio.json
您的价格和RSI（相对强弱指数）提醒 → alerts.json

什么会上传到互联网：

仅通过雅虎财经API获取市场数据请求（股票价格、基本面数据等）
您的个人投资组合数据绝不会被传输到任何地方

投资组合数据（`portfolio.json`)

位置：与……在同一目录下 stock.server.py

自动创建并保存于：

当前持仓，按平均成本计算
完整的交易历史记录（买入/卖出）
盈亏计算
最后更新日期

示例结构：

{
  "holdings": {
    "AAPL": {
      "shares": 10,
      "avg_price": 150.00,
      "last_updated": "2025-01-15"
    }
  },
  "transactions": [
    {
      "type": "BUY",
      "ticker": "AAPL",
      "shares": 10,
      "price": 150.00,
      "date": "2025-01-15",
      "total": 1500.00
    }
  ]
}

警报数据（`alerts.json`）

位置：与……位于同一目录 stock.server.py

自动创建并保存，使用工具：

主动价格提醒（超过/低于设定阈值时触发）
活跃的RSI警报（超买/超卖条件）
警报状态和触发历史

示例结构：

{
  "price_alerts": [
    {
      "id": "alert_123",
      "ticker": "TSLA",
      "target_price": 250.00,
      "alert_type": "below",
      "status": "active"
    }
  ],
  "rsi_alerts": []
}

备份您的数据

由于所有数据都以JSON文件的形式本地存储，您可以轻松地：

备份复制 portfolio.json 并且 alerts.json 到另一个地方
恢复用你的备份文件替换这些文件
编辑如需必要，请手动编辑JSON文件（注意格式）
版本控制添加到 Git（但记得要添加到 .gitignore （如果公开分享的话）

🆕 v0.3.0版本的新功能

新功能

🔔 警报系统 - 设置价格和RSI（相对强弱指数）警报，自动检查状态
💰 股息追踪 - 跟踪股息历史、收益率和投资组合收入
🏢 行业分析 - 分析整个行业，比较业绩，检查多元化程度
⚠️ 风险指标 - 夏普比率，贝塔系数，风险价值（VaR），回撤，综合投资组合风险

增强功能

模块化架构，提升可维护性
将关注点分离到专门的模块中
所有工具的错误处理功能均得到改进
通过为警报使用单独文件，实现更好的数据持久性

之前的特性（v0.2.0）

带有损益追踪的投资组合管理
技术指标（相对强弱指数RSI，移动平均收敛散度MACD，简单移动平均线SMA）
全面趋势分析
股票比较工具

原始功能（v0.1.0）

基本价格数据检索
历史数据访问
简单的SMA交叉分析

🔧 配置

无风险利率

默认值：4%（0.04）- 可在夏普比率计算中进行调整

可用扇区

技术
医疗保健
金融服务
能量
消费周期股
消费者防御（或译为“消费者保护”）
公用事业（或公共设施）
工业类（或“工业板块”）
房地产
材料
通信服务

警报类型

价格提醒： above 或者 below 目标价格
RSI 警报： above 或者 below 相对强弱指数（RSI）阈值

📚 依赖项

yfinance（注：yfinance是一个用于从Yahoo Finance获取金融数据的Python库，直接翻译为“金融数据获取库”或“雅虎财经数据获取工具”等更贴切，但在此保持原样以展示原文） (>=0.2.40): 实时和历史市场数据
大熊猫 (>=2.0.0): 数据操作与分析
numpy (>=1.24.0): 风险指标的数值计算
fastmcp (>=0.1.0): MCP服务器框架

🎓 最佳实践

投资组合管理

分散投资于10-20只不同的股票
保持最大持仓比例低于投资组合的20%
定期再平衡（每季度或每年）
为税务目的追踪成本基础

风险管理

目标夏普比率 > 1.0，以获得良好的风险调整后回报
保持投资组合贝塔系数在0.8至1.2之间，以承担适中风险
监控最大回撤——为历史波动性做好准备
使用VaR来了解每日潜在损失

行业配置

至少分散投资于5个不同的行业
避免任何单一行业集中度超过35%
考虑基于经济周期的行业轮动
平衡增长型行业与防御型行业

股息投资

寻找可持续性方面股息支付率低于80%的股票
更看重股息增长而非仅仅高收益率
将股息再投资以实现复利增长
跟踪除息日以进行规划

⚠️ 免责声明

此工具仅供教育和信息参考之用，并非财务建议。

市场数据可能会延迟
过去的业绩并不能保证未来的成果
投资前务必做好自己的研究
考虑咨询财务顾问
注意税务影响

🚀 未来增强功能

可能的增补：

期权分析与希腊值计算
斐波那契回撤位
支撑位/阻力位识别
新闻情感分析
回测功能
资本利得的税基追踪
投资组合再平衡建议
持仓之间的相关性分析
蒙特卡洛模拟
实时流式报价

📄 许可证

MIT 许可证 - 请随意使用并根据需要进行修改。

🤝 贡献（或：参与贡献）

欢迎投稿！请确保：

代码遵循模块化架构
新功能位于相应的模块中
文档已更新
错误处理全面

📞 支持

对于问题或疑问：

查看上面的文档
审查模块特定的代码
确保所有依赖项都已安装
验证API数据是否可访问

版本0.3.0
最后更新时间2025
作者股市分析MCP服务器

使用说明

股市分析MCP服务器

📑 目录

🚀 功能

📈 价格与数据工具（price_data.py）

💼 投资组合管理（portfolio.py)

🔍 技术分析（analysis.py）

🔔 警报系统 (alerts.py)

💰 股息追踪（dividends.py)

🏢 行业分析（sector.py）

⚠️ 风险指标（risk.py)

📦 安装

先决条件

第一步：获取代码

步骤2：设置虚拟环境

步骤3：安装依赖项

步骤4：在光标中配置MCP

查找您的MCP配置

添加服务器配置

第五步：重启光标

步骤6：验证安装

🧪 手动测试服务器（可选）

🔧 故障排除

📱 安装后的快速入门

🎯 使用示例

投资组合管理

警报系统

股息分析

行业分析

风险分析

技术分析

📊 技术指标解析

相对强弱指数（RSI）

MACD（移动平均收敛发散指标）

SMA交叉策略

夏普比率

Beta（测试版）

🏗️ 建筑学

模块化设计

📁 数据存储与隐私

🔒 仅限本地存储

投资组合数据（portfolio.json)

警报数据（alerts.json）

备份您的数据

🆕 v0.3.0版本的新功能

新功能

增强功能

之前的特性（v0.2.0）

原始功能（v0.1.0）

🔧 配置

无风险利率

可用扇区

警报类型

📚 依赖项

🎓 最佳实践

投资组合管理

风险管理

行业配置

股息投资

⚠️ 免责声明

🚀 未来增强功能

📄 许可证

🤝 贡献（或：参与贡献）

📞 支持

相关 MCP

AKShare One MCP 股市数据服务

金融数据MCP服务器

金融研究MCP服务

Alpaca交易MCP服务器

金融数据分析服务器

股票数据服务

📈 价格与数据工具（`price_data.py`）

💼 投资组合管理（`portfolio.py`)

🔍 技术分析（`analysis.py`）

🔔 警报系统 (`alerts.py`)

💰 股息追踪（`dividends.py`)

🏢 行业分析（`sector.py`）

⚠️ 风险指标（`risk.py`)

投资组合数据（`portfolio.json`)

警报数据（`alerts.json`）