一、项目概述

1.1

        本项目基于Python,Streamlit开发的一款轻量化、高交互性的股票行业分析系统，重点实现市场总览、申万行业分类分析及国防军工行业深度量化分析功能。

1.2项目目标：

        构建可视化交互界面、支持市场核心指数（沪深300、上证A股、深证A股）走势展示与日期区间筛选；实现申万一级行业财务数据（营业收入、营业利润）统计分析与增长率可视化；针对国防军工行业，完成指数走势、个股表现、PCA综合评价及收益率对比分析；设计量化投资策略，结合技术指标与机器学习模型预测股票涨跌趋势，提供投资决策参考。

二、系统构建

2.1 数据加载模块

• 使用pd.read_excel加载申万行业分类数据
• 实现日期范围选择功能（2022-2025年）
• 包含通用指数数据加载函数load_index_data，支持日期格

2.2 可视化模块:Matplotlip

• 配置Matplotlib中文字体显示
• 展示子图（如沪深300复权交易指数走势图）

2.3 交互设计:Streamlit

• 侧边栏行业选择下拉菜单
• 日期筛选
• 结果展示

2.4 数据集

三、核心模块

3.1 环境配置与核心配置

3.2 主函数 st_fig()

3.3 市场总览模块

3.3.1 指数数据读取函数 load_index_data()

3.3.2 行业数据加载函数 load_industry_data()

3.4 国防军工行业分析模块

3.4.1 基础数据读取函数 st_data() 

3.4.2 PCA分析函数 Fr()

3.4.3 收益率计算函数 calculate_hs300_return()

3.4.4 复权数据读取函数 read_real_hfq_data()

四、技术亮点

4.1 交互式可视化设计

1. 多子图布局：采用 1×3、3×2 等多种子图布局，提升数据展示效率
2. 专业配色：使用金融行业常用的配色方案，增强视觉体验
3. 动态交互：通过日期选择器、下拉框等组件实现数据的动态筛选

4.2 数据处理最佳实践

1. 缓存机制：使用@st.cache_data减少重复数据加载
2. 异常处理：全覆盖的 try-except 块，保证程序健壮性
3. 数据标准化：使用 StandardScaler 消除量纲影响
4. 缺失值处理：合理的缺失值过滤和填充策略

4.3 量化分析模块

1. PCA 综合评价：基于主成分分析的股票综合评分模型
2. 收益率计算：支持复权数据的收益率计算
3. 量化策略回测：实现简单的量化投资策略设计与回测
4. 技术指标计算：包含 MA、MACD、KDJ 等经典技术指标

五、页面展示

六、总结

该项目展示了如何使用 Streamlit 构建专业的金融数据分析系统，通过模块化的函数设计、完善的异常处理、专业的数据可视化，实现了从数据加载、清洗、分析到可视化的全流程。特别是针对国防军工行业的深度分析，结合了 PCA 降维、收益率计算、量化策略等量化分析技术，为金融数据分析提供了完整的解决方案。

项目的代码结构清晰，函数职责明确，是学习金融数据分析和 Streamlit 开发的优秀案例。通过对代码的深入理解和扩展，可以构建更加强大的金融分析系统。

七、视频