StockX Pro 是一个专为金融工程和算法交易设计的专业级股票模拟交易系统。该系统集成了深度的市场模拟逻辑、实时资产管理的 AI 投顾智能体。
本项目旨在探索大型语言模型（LLM）与复杂金融优化算法在模拟实盘环境中的深度融合。
系统提供沉浸式的交易体验，包括实时资产走势图、多维度盈亏分析以及动态市场探索。
[首页展示]
支持对个人持仓的穿透式管理，实时计算各项风险指标。
[持仓概览]
完整记录每一笔交易指令，支持对过往决策的复盘与归因分析。
[交易记录]
系统内嵌了基于 RAG（检索增强生成）技术的智能体，能够直接调取用户私有财务数据并提供专业分析。
- 多轮交互诊断：实时分析当前系统日期下的市场行情。
- 私有数据联通：智能体可直接读取
Simulation_Holding等数据库表，实现精准的持仓建议。
[智能体交互1]
[智能体交互2]
json文件 agent.json
💻 核心技术：数据库驱动的金融仿真引擎 本项目是数据库系统课程的实践成果，核心在于构建了一个高性能、高一致性的模拟交易底层架构。系统通过 Django ORM 与后端数据库（MySQL/PostgreSQL）深度集成，实现了复杂的金融业务逻辑。
📊 数据库架构亮点 关系模型设计：严格遵循第三范式（3NF），涵盖了用户（User）、公司（Company）、持仓（Holding）、交易订单（Order）以及账户表现历史（Performance）等核心实体。
事务一致性保证：在执行买入/卖出操作时，通过数据库事务确保“扣除余额”与“增加持仓”的原子性，防止在高并发模拟下的数据不一致。
高效索引优化：针对股票代码（Symbol）和时间戳（Timestamp）建立了复合索引，大幅提升了 K 线展示及历史账单的查询效率。
🤖 AI 智能体：基于私有数据的文本转 SQL (Text-to-SQL) 增强 系统内嵌的 Fin-Insight-Expert 并非通用的聊天机器人，而是一个数据感知型智能体：
私有语义检索：智能体能够理解用户的自然语言指令，并将其映射为对数据库 Simulation_Holding 和 Financials 表的查询逻辑。
自动化报表生成：用户只需提问“我的账户盈亏如何？”，智能体即可实时聚合数据库中的成交记录并计算出精准的百分比结果。
🧪 实验验证（数据集说明） 为了模拟真实的金融数据环境，本项目导入了多组经过清洗的财务指标数据，并针对不同的数据规模（Data Ratio）进行了查询性能测试，确保系统在海量历史数据下仍能秒级响应。
- 后端: Django (Python 3.14.2)
- 前端: Bootstrap 5 + Chart.js (响应式金融看板)
- 数据库: MySQL / PostgreSQL (支持复杂事务处理)
- AI/算法: PyTorch + AdaRHD-S 优化器
- 开发环境: WSL (Windows Subsystem for Linux) + VS Code
git clone https://github.com/JQ-ux/DataBase_Project
cd DataBase_Projectpython -m venv venv
.\venv\Scripts\activatepip install -r requirements.txt
python manage.py migratepython manage.py runserver5. 访问系统：请在浏览器输入 http://127.0.0.1:8000
先注册，可选择是否为管理员身份
进入全新设计的黑金主题登录页，如下，系统支持完整的用户快速注册与安全认证。界面布局简洁直观，用户登录后即可无缝开启 StockX 专属投资之旅，享受极速交易体验。
登录后首页示例如下（如果没有初始操作应该是100000元启动资金）：
在顶栏或搜索框中输入股票代码（如 GOOGL、META）即可进行全球市场行情的高效检索。系统具备搜索联想功能，并支持动态金融公式计算与曲线展示。用户可输入自定义公式或使用预设公式（如净利率 net_income / total_revenue、营业利润率 operating_income / total_revenue、资产负债率 total_liabilities / total_assets），系统将实时解析并绘制波动趋势图，辅助深度基本面分析。
效果如下：
进入股票详情页，可在交易面板输入数量进行买入或卖出下单。系统集成了即时柜台交易机制，首先简单展示基础的买入与卖出交互，流程便捷、透明，确保每笔模拟交易精准触达，模拟资金扣减与持仓更新逻辑准确。
具体操作示例如下：
点击进入“个人资产”或“持仓看板”页面，该模块包含着清晰的持仓明细与整体资产的净值走势曲线图（NAV History），让财务分析变得直观且高效。同时，系统配备账单自动生成功能，全面记录每一笔历史盈亏并展示资金流水凭证。
具体示例如下：
凭证示例如下：
点击右下角对话挂件可唤醒 Ada智能助手。该功能基于 RAG（检索增强生成）技术，在本地部署 Qwen2.5:7b 大语言模型与 nomic-embed-text 嵌入模型。助手能够感知当前系统的虚拟时钟，结合用户的私有持仓数据库进行实时检索，支持多轮连续对话，提供深度的行情诊断与个性化风险评估，且所有推理均在本地完成，保障数据不出内网。
具体示例如下：
管理员点击上架或者下架股票的按钮可以实现股票的删除和添加，以及管理员点击进入下一交易日的按钮可以推进交易日期
为了完整测试系统的曲线分析与历史账单功能，系统提供了自动化数据填充脚本。在激活虚拟环境后运行：
python populate_history.py