Add A share to display

web/app.py

@@ -13,11 +13,13 @@ import time
 import traceback
 from pytz import timezone
 import talib.abstract as ta
+import numpy as np
 # 添加父目录到系统路径
 sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
 
 from ChanLun import ChanLun
 from ChanEnum import Chan_BI_DIR, Chan_SEG_DIR, Chan_KLC_FX, Chan_FX_TYPE
+from cn_stock_data import ChinaStockData
 
 # 添加买卖点枚举类型
 class TRADE_POINT_TYPE:
@@ -35,6 +37,9 @@ exchange = ccxt.binance({
     'enableRateLimit': True,
 })
 
+# 初始化A股数据获取器
+china_stock = ChinaStockData()
+
 # 时间周期映射
 TIMEFRAMES = {
     '1m': '1分钟',
@@ -54,8 +59,32 @@ SYMBOLS = [
     'ADA/USDT:USDT', 'DOGE/USDT:USDT', 'AVAX/USDT:USDT', 'DOT/USDT:USDT', 'MATIC/USDT:USDT'
 ]
 
+# A股热门股票
+A_STOCK_SYMBOLS = china_stock.get_popular_stocks()
+
+def detect_symbol_type(symbol):
+    """检测交易对类型：crypto 或 a_stock"""
+    if '/' in symbol and 'USDT' in symbol:
+        return 'crypto'
+    elif len(symbol) == 6 and symbol.isdigit():
+        return 'a_stock'
+    else:
+        return 'unknown'
+
 def get_kl_data(symbol, timeframe, limit=1000, start_time=None, end_time=None):
-    """获取K线数据，支持分页加载确保获取指定时间范围内的所有数据"""
+    """获取K线数据，支持加密货币和A股"""
+    symbol_type = detect_symbol_type(symbol)
+    
+    if symbol_type == 'crypto':
+        return get_crypto_kl_data(symbol, timeframe, limit, start_time, end_time)
+    elif symbol_type == 'a_stock':
+        return get_a_stock_kl_data(symbol, timeframe, limit, start_time, end_time)
+    else:
+        print(f"未知的交易对类型: {symbol}")
+        return None
+
+def get_crypto_kl_data(symbol, timeframe, limit=1000, start_time=None, end_time=None):
+    """获取加密货币K线数据，支持分页加载确保获取指定时间范围内的所有数据"""
     try:
         # 初始化参数
         since = None
@@ -73,42 +102,73 @@ def get_kl_data(symbol, timeframe, limit=1000, start_time=None, end_time=None):
             except ValueError:
                 print(f"无效的结束时间: {end_time}")
         
+        # 根据时间周期调整每次请求的数据量
+        batch_size = 1000  # 默认批次大小
+        if timeframe in ['1m', '3m', '5m']:
+            batch_size = 500  # 分钟级数据减少批次大小
+        elif timeframe in ['15m', '30m', '1h']:
+            batch_size = 1000
+        else:
+            batch_size = 1500  # 日线及以上可以获取更多
+        
         # 初始化存储所有K线数据的列表
         all_ohlcv = []
         
         # 初始化当前查询的开始时间
         current_since = since
         
+        # 添加请求计数和最大限制
+        request_count = 0
+        max_requests = 50  # 最大请求次数，防止无限循环
+        
+        print(f"开始分批获取加密货币数据: {symbol}, {timeframe}")
+        
         # 分页加载数据
-        while True:
-            print(f"获取数据: {symbol}, {timeframe}, limit={limit}, since={current_since}")
+        while request_count < max_requests:
+            request_count += 1
             
-            # 获取当前页的数据
-            ohlcv = exchange.fetch_ohlcv(symbol, timeframe, since=current_since, limit=limit)
+            print(f"批次 {request_count}: 获取数据 since={current_since}, limit={batch_size}")
             
-            # 如果没有获取到数据，结束循环
-            if not ohlcv or len(ohlcv) == 0:
-                break
+            try:
+                # 获取当前页的数据
+                ohlcv = exchange.fetch_ohlcv(symbol, timeframe, since=current_since, limit=batch_size)
                 
-            # 将获取到的数据添加到总列表中
-            all_ohlcv.extend(ohlcv)
-            
-            # 获取最后一条数据的时间戳
-            last_timestamp = ohlcv[-1][0]
-            
-            # 如果已达到结束时间，结束循环
-            if until and last_timestamp >= until:
-                break
+                # 如果没有获取到数据，结束循环
+                if not ohlcv or len(ohlcv) == 0:
+                    print(f"批次 {request_count}: 未获取到数据，结束")
+                    break
+                    
+                # 将获取到的数据添加到总列表中
+                all_ohlcv.extend(ohlcv)
+                print(f"批次 {request_count}: 获取到 {len(ohlcv)} 条记录")
                 
-            # 如果获取的数据条数小于限制数，说明已经获取完所有数据
-            if len(ohlcv) < limit:
-                break
+                # 获取最后一条数据的时间戳
+                last_timestamp = ohlcv[-1][0]
                 
-            # 更新下一页的开始时间（加1毫秒避免重复）
-            current_since = last_timestamp + 1
+                # 如果已达到结束时间，结束循环
+                if until and last_timestamp >= until:
+                    print(f"批次 {request_count}: 已达到结束时间，结束")
+                    break
+                    
+                # 如果获取的数据条数小于限制数，说明已经获取完所有数据
+                if len(ohlcv) < batch_size:
+                    print(f"批次 {request_count}: 数据不足批次大小，已获取完所有数据")
+                    break
+                    
+                # 更新下一页的开始时间（加1毫秒避免重复）
+                current_since = last_timestamp + 1
+                
+            except Exception as e:
+                print(f"批次 {request_count} 获取失败: {e}")
+                # 如果单个批次失败，继续尝试下一个批次
+                if current_since:
+                    # 尝试增加时间跳过可能的问题时间点
+                    current_since += 60000  # 跳过1分钟
+                else:
+                    break
             
             # 防止API请求过于频繁
-            time.sleep(0.5)  # 等待0.5秒
+            time.sleep(0.3)  # 减少到0.3秒提高效率
         
         # 数据为空的情况
         if not all_ohlcv or len(all_ohlcv) == 0:
@@ -128,33 +188,76 @@ def get_kl_data(symbol, timeframe, limit=1000, start_time=None, end_time=None):
         
         # 按时间排序
         df = df.sort_values('timestamp')
-        """
-        chan = ChanLun()
-        klc_list = chan.get_klc_list(df)
-        klc_index = 0
-        df_copy = df.copy()
-        ret_df = pd.DataFrame(columns=['timestamp', 'open', 'high', 'low', 'close', 'volume', 'date'])
-        for index in range(0, len(df)):
-            if klc_index >= len(klc_list):
-                klc_index = len(klc_list) - 1
-            klc = klc_list[klc_index]
-            if index == klc.start_klu.index:
-                ret_df.loc[klc_index] = df_copy.loc[index]
-                klc_index += 1
-        """
+        
+        # 限制数据条数的逻辑 - 优先考虑时间范围
+        if start_time and end_time:
+            # 如果指定了明确的时间范围，返回该时间范围内的所有数据
+            print(f"用户指定了时间范围，返回完整数据 {len(df)} 条记录")
+            if len(df) > 10000:  # 防止数据量过大，设置一个合理的上限
+                print(f"警告：数据量过大({len(df)}条)，为保证性能将限制为最新的10000条记录")
+                df = df.tail(10000).reset_index(drop=True)
+        elif limit and len(df) > limit:
+            # 如果没有指定明确时间范围，使用默认的limit限制
+            print(f"未指定明确时间范围，应用默认限制，返回最新的 {limit} 条记录")
+            df = df.tail(limit).reset_index(drop=True)
+        
         df = add_indicators(df)
+        
         # 如果过滤后没有数据，返回None
         if len(df) == 0:
             print("过滤后无数据")
             return None
         
-        print(f"获取到总共 {len(df)} 条数据")
+        print(f"成功获取加密货币数据: {len(df)} 条记录 (共 {request_count} 个批次)")
         return df
         
     except Exception as e:
-        print(f"获取数据错误: {e}")
+        print(f"获取加密货币数据错误: {e}")
         traceback.print_exc()
         return None
+
+def get_a_stock_kl_data(symbol, timeframe, limit=1000, start_time=None, end_time=None):
+    """获取A股K线数据"""
+    try:
+        # 处理时间戳参数转换为日期字符串
+        start_date = None
+        end_date = None
+        
+        if start_time:
+            try:
+                start_timestamp = int(start_time)
+                start_date = datetime.fromtimestamp(start_timestamp / 1000).strftime('%Y-%m-%d')
+            except:
+                start_date = start_time
+        
+        if end_time:
+            try:
+                end_timestamp = int(end_time)
+                end_date = datetime.fromtimestamp(end_timestamp / 1000).strftime('%Y-%m-%d')
+            except:
+                end_date = end_time
+        
+        # 如果用户指定了时间范围，优先获取该范围内的所有数据
+        actual_limit = limit
+        if start_date and end_date:
+            print(f"用户指定了时间范围 {start_date} 到 {end_date}，将获取该范围内的所有数据")
+            actual_limit = None  # 不限制数据条数，获取完整时间范围数据
+        
+        # 调用A股数据获取器
+        df = china_stock.get_kl_data(symbol, timeframe, start_date, end_date, actual_limit)
+        
+        if df is None:
+            print(f"未获取到A股数据: {symbol}")
+            return None
+        
+        print(f"获取到A股数据: {len(df)} 条记录")
+        return df
+        
+    except Exception as e:
+        print(f"获取A股数据错误: {e}")
+        traceback.print_exc()
+        return None
+
 def add_indicators(df):
     fast = 8
     slow = 16
@@ -178,12 +281,17 @@ def add_indicators(df):
     df['ma250'] = df['ma250'].fillna(0)
     df['rsi'] = df['rsi'].fillna(0)
     df['avg_volume'] = df['volume'].rolling(10).mean()
-    # 计算量比
+    # 计算量比，避免产生Infinity值
     df['volume_ratio'] = df['volume'] / df['avg_volume']
     # 填充缺失值（前N根K线）
     df['volume_ratio'] = df['volume_ratio'].fillna(1.0)
     df['avg_volume'] = df['avg_volume'].fillna(0)
+    
+    # 处理Infinity和-Infinity值
+    df['volume_ratio'] = df['volume_ratio'].replace([float('inf'), float('-inf')], 1.0)
+    
     return df
+
 def calculate_macd(df):
     """计算MACD指标"""
     exp1 = df['close'].ewm(span=12, adjust=False).mean()
@@ -287,14 +395,10 @@ def identify_trade_points(bi_list, seg_list, zs_list):
 
 # 辅助函数，转换缠论方向枚举为整数
 def convert_direction(direction):
-    """将缠论方向枚举转换为整数"""
-    if direction == Chan_BI_DIR.UP:
+    """转换方向枚举为数字"""
+    if direction == Chan_BI_DIR.UP or direction == Chan_SEG_DIR.UP:
         return 1
-    elif direction == Chan_BI_DIR.DOWN:
-        return -1
-    elif direction == Chan_SEG_DIR.UP:
-        return 1
-    elif direction == Chan_SEG_DIR.DOWN:
+    elif direction == Chan_BI_DIR.DOWN or direction == Chan_SEG_DIR.DOWN:
         return -1
     else:
         return 0
@@ -380,10 +484,34 @@ def is_smaller_or_equal_timeframe(tf1, tf2):
     # 返回tf1是否小于等于tf2
     return tf1_value <= tf2_value
 
+def clean_dataframe_for_json(df):
+    """清理DataFrame中的NaN值，确保JSON序列化正常"""
+    # 创建副本以避免修改原数据
+    df_clean = df.copy()
+    
+    # 将NaN、inf、-inf替换为None
+    df_clean = df_clean.replace([np.nan, np.inf, -np.inf], None)
+    
+    # 处理数值列，确保值为有限数字或None
+    numeric_columns = df_clean.select_dtypes(include=[np.number]).columns
+    for col in numeric_columns:
+        # 确保所有数值都是有限的
+        df_clean[col] = df_clean[col].apply(lambda x: x if (x is not None and np.isfinite(x)) else None)
+    
+    # 处理时间列，确保格式正确
+    datetime_columns = df_clean.select_dtypes(include=['datetime64']).columns
+    for col in datetime_columns:
+        df_clean[col] = df_clean[col].dt.strftime('%Y-%m-%d %H:%M:%S')
+    
+    return df_clean
+
 @app.route('/')
 def index():
     """主页"""
-    return render_template('index.html', timeframes=TIMEFRAMES, symbols=SYMBOLS)
+    return render_template('index.html', 
+                         timeframes=TIMEFRAMES, 
+                         symbols=SYMBOLS,
+                         a_stock_symbols=A_STOCK_SYMBOLS)
 
 @app.route('/api/analyze')
 def analyze():
@@ -448,7 +576,7 @@ def analyze():
         
         # 添加主周期分析结果到返回数据
         result.update({
-            'kline_data': df.to_dict('records'),
+            'kline_data': clean_dataframe_for_json(df).to_dict('records'),
             'bi_list': [{
                 'start_time': bi.start_klc.end_time if isinstance(bi.start_klc.end_time, str) else bi.start_klc.end_time.astimezone(client_tz).isoformat(),
                 'end_time': (bi.end_klc.end_time if isinstance(bi.end_klc.end_time, str) else bi.end_klc.end_time.astimezone(client_tz).isoformat()) if bi.end_klc else None,
@@ -522,7 +650,7 @@ def analyze():
             } for bi in element_analysis['bi_list'] if bi.end_klc]
             
             # 添加小周期K线数据
-            result['element_kline_data'] = element_df.to_dict('records')
+            result['element_kline_data'] = clean_dataframe_for_json(element_df).to_dict('records')
             
             result['element_seg_list'] = [{
                 'start_time': seg.start_bi.start_klc.end_time if isinstance(seg.start_bi.start_klc.end_time, str) else seg.start_bi.start_klc.end_time.astimezone(client_tz).isoformat(),
@@ -584,5 +712,59 @@ def get_symbols():
     except Exception as e:
         return jsonify({'error': str(e)})
 
+@app.route('/api/a_stocks')
+def get_a_stocks():
+    """获取A股股票列表"""
+    try:
+        stock_list = china_stock.get_stock_list()
+        return jsonify(stock_list)
+    except Exception as e:
+        return jsonify({'error': str(e)})
+
+@app.route('/api/popular_a_stocks')  
+def get_popular_a_stocks():
+    """获取热门A股股票"""
+    try:
+        return jsonify(china_stock.get_popular_stocks())
+    except Exception as e:
+        return jsonify({'error': str(e)})
+
+@app.route('/api/sectors')
+def get_sectors():
+    """获取所有行业分类"""
+    try:
+        sectors = china_stock.get_all_sectors()
+        return jsonify(sectors)
+    except Exception as e:
+        return jsonify({'error': str(e)})
+
+@app.route('/api/stocks_by_sector')
+def get_stocks_by_sector():
+    """根据行业获取股票"""
+    try:
+        sector = request.args.get('sector')
+        if sector:
+            stocks = china_stock.get_stock_by_sector(sector)
+            return jsonify(stocks)
+        else:
+            # 返回所有行业的股票分组
+            all_sectors = china_stock.get_stock_by_sector()
+            return jsonify(all_sectors)
+    except Exception as e:
+        return jsonify({'error': str(e)})
+
+@app.route('/api/search_stock')
+def search_stock():
+    """搜索股票 - 增强版"""
+    try:
+        keyword = request.args.get('keyword', '')
+        if not keyword:
+            return jsonify({'error': '搜索关键词不能为空'})
+        
+        results = china_stock.search_stock(keyword)
+        return jsonify(results)
+    except Exception as e:
+        return jsonify({'error': str(e)})
+
 if __name__ == '__main__':
     app.run(debug=True, host='0.0.0.0', port=8123)

web/cn_stock_data.py

@@ -0,0 +1,749 @@
+import akshare as ak
+import pandas as pd
+from datetime import datetime, timedelta, time
+import time as time_module
+import traceback
+from pytz import timezone
+import warnings
+warnings.filterwarnings('ignore')
+
+class ChinaStockData:
+    """A股数据获取类"""
+    
+    def __init__(self):
+        self.tz = timezone('Asia/Shanghai')
+        # A股交易时间配置
+        self.trading_hours = {
+            'morning': {'start': '09:30', 'end': '11:30'},
+            'afternoon': {'start': '13:00', 'end': '15:00'}
+        }
+    
+    def get_stock_list(self):
+        """获取A股股票列表"""
+        try:
+            # 获取沪深A股实时行情
+            stock_info = ak.stock_zh_a_spot_em()
+            # 增加到前2000只股票，提供更多选择
+            stock_list = []
+            for index, row in stock_info.head(2000).iterrows():
+                # 过滤掉ST股票和停牌股票
+                stock_name = str(row['名称'])
+                if 'ST' not in stock_name and '*' not in stock_name:
+                    stock_list.append({
+                        'symbol': row['代码'],
+                        'name': row['名称'],
+                        'price': float(row['最新价']) if pd.notna(row['最新价']) else 0.0,
+                        'change_pct': float(row['涨跌幅']) if pd.notna(row['涨跌幅']) else 0.0,
+                        'volume': float(row['成交量']) if pd.notna(row['成交量']) else 0.0,
+                        'amount': float(row['成交额']) if pd.notna(row['成交额']) else 0.0
+                    })
+            
+            # 按成交金额排序，优先显示活跃股票
+            stock_list.sort(key=lambda x: x['amount'], reverse=True)
+            return stock_list
+        except Exception as e:
+            print(f"获取股票列表失败: {e}")
+            return []
+    
+    def get_popular_stocks(self):
+        """获取热门A股股票代码列表 - 扩展版本，按行业分类"""
+        return [
+            # 银行股
+            {'symbol': '600036', 'name': '招商银行', 'sector': '银行'},
+            {'symbol': '000001', 'name': '平安银行', 'sector': '银行'},
+            {'symbol': '600000', 'name': '浦发银行', 'sector': '银行'},
+            {'symbol': '002142', 'name': '宁波银行', 'sector': '银行'},
+            {'symbol': '600016', 'name': '民生银行', 'sector': '银行'},
+            {'symbol': '601288', 'name': '农业银行', 'sector': '银行'},
+            {'symbol': '601398', 'name': '工商银行', 'sector': '银行'},
+            {'symbol': '601328', 'name': '交通银行', 'sector': '银行'},
+            
+            # 白酒股
+            {'symbol': '600519', 'name': '贵州茅台', 'sector': '白酒'},
+            {'symbol': '000858', 'name': '五粮液', 'sector': '白酒'},
+            {'symbol': '002304', 'name': '洋河股份', 'sector': '白酒'},
+            {'symbol': '000596', 'name': '古井贡酒', 'sector': '白酒'},
+            {'symbol': '603369', 'name': '今世缘', 'sector': '白酒'},
+            {'symbol': '000799', 'name': '酒鬼酒', 'sector': '白酒'},
+            {'symbol': '600809', 'name': '山西汾酒', 'sector': '白酒'},
+            
+            # 科技股
+            {'symbol': '002415', 'name': '海康威视', 'sector': '科技'},
+            {'symbol': '000063', 'name': '中兴通讯', 'sector': '科技'},
+            {'symbol': '002475', 'name': '立讯精密', 'sector': '科技'},
+            {'symbol': '300059', 'name': '东方财富', 'sector': '科技'},
+            {'symbol': '000725', 'name': '京东方A', 'sector': '科技'},
+            {'symbol': '002230', 'name': '科大讯飞', 'sector': '科技'},
+            {'symbol': '300433', 'name': '蓝思科技', 'sector': '科技'},
+            {'symbol': '002236', 'name': '大华股份', 'sector': '科技'},
+            
+            # 新能源
+            {'symbol': '300750', 'name': '宁德时代', 'sector': '新能源'},
+            {'symbol': '002594', 'name': '比亚迪', 'sector': '新能源'},
+            {'symbol': '300274', 'name': '阳光电源', 'sector': '新能源'},
+            {'symbol': '002460', 'name': '赣锋锂业', 'sector': '新能源'},
+            {'symbol': '300014', 'name': '亿纬锂能', 'sector': '新能源'},
+            {'symbol': '600884', 'name': '杉杉股份', 'sector': '新能源'},
+            {'symbol': '002812', 'name': '恩捷股份', 'sector': '新能源'},
+            
+            # 房地产
+            {'symbol': '000002', 'name': '万科A', 'sector': '房地产'},
+            {'symbol': '000858', 'name': '五粮液', 'sector': '房地产'},
+            {'symbol': '600048', 'name': '保利发展', 'sector': '房地产'},
+            {'symbol': '001979', 'name': '招商蛇口', 'sector': '房地产'},
+            {'symbol': '600606', 'name': '绿地控股', 'sector': '房地产'},
+            
+            # 消费股
+            {'symbol': '600887', 'name': '伊利股份', 'sector': '消费'},
+            {'symbol': '000568', 'name': '泸州老窖', 'sector': '消费'},
+            {'symbol': '600600', 'name': '青岛啤酒', 'sector': '消费'},
+            {'symbol': '000895', 'name': '双汇发展', 'sector': '消费'},
+            {'symbol': '002304', 'name': '洋河股份', 'sector': '消费'},
+            {'symbol': '600779', 'name': '水井坊', 'sector': '消费'},
+            
+            # 医药股
+            {'symbol': '600196', 'name': '复星医药', 'sector': '医药'},
+            {'symbol': '000661', 'name': '长春高新', 'sector': '医药'},
+            {'symbol': '300015', 'name': '爱尔眼科', 'sector': '医药'},
+            {'symbol': '002821', 'name': '凯莱英', 'sector': '医药'},
+            {'symbol': '300760', 'name': '迈瑞医疗', 'sector': '医药'},
+            {'symbol': '600276', 'name': '恒瑞医药', 'sector': '医药'},
+            
+            # 证券股
+            {'symbol': '000776', 'name': '广发证券', 'sector': '证券'},
+            {'symbol': '600030', 'name': '中信证券', 'sector': '证券'},
+            {'symbol': '000166', 'name': '申万宏源', 'sector': '证券'},
+            {'symbol': '601688', 'name': '华泰证券', 'sector': '证券'},
+            {'symbol': '600837', 'name': '海通证券', 'sector': '证券'},
+            
+            # 化工股
+            {'symbol': '600309', 'name': '万华化学', 'sector': '化工'},
+            {'symbol': '002352', 'name': '顺丰控股', 'sector': '化工'},
+            {'symbol': '600346', 'name': '恒力石化', 'sector': '化工'},
+            {'symbol': '000792', 'name': '盐湖股份', 'sector': '化工'},
+            
+            # 汽车股
+            {'symbol': '600104', 'name': '上汽集团', 'sector': '汽车'},
+            {'symbol': '000625', 'name': '长安汽车', 'sector': '汽车'},
+            {'symbol': '601633', 'name': '长城汽车', 'sector': '汽车'},
+            {'symbol': '002049', 'name': '紫光国微', 'sector': '汽车'},
+            
+            # 军工股
+            {'symbol': '002179', 'name': '中航光电', 'sector': '军工'},
+            {'symbol': '600893', 'name': '航发动力', 'sector': '军工'},
+            {'symbol': '000768', 'name': '中航飞机', 'sector': '军工'},
+            
+            # 基建股
+            {'symbol': '601186', 'name': '中国铁建', 'sector': '基建'},
+            {'symbol': '601390', 'name': '中国中铁', 'sector': '基建'},
+            {'symbol': '000001', 'name': '平安银行', 'sector': '基建'},
+            
+            # 煤炭股
+            {'symbol': '601225', 'name': '陕西煤业', 'sector': '煤炭'},
+            {'symbol': '600188', 'name': '兖矿能源', 'sector': '煤炭'},
+            {'symbol': '601898', 'name': '中煤能源', 'sector': '煤炭'},
+            
+            # 钢铁股
+            {'symbol': '000717', 'name': '韶钢松山', 'sector': '钢铁'},
+            {'symbol': '600019', 'name': '宝钢股份', 'sector': '钢铁'},
+            {'symbol': '000708', 'name': '中信特钢', 'sector': '钢铁'},
+        ]
+    
+    def timeframe_to_period(self, timeframe):
+        """将时间周期转换为akshare的period参数"""
+        mapping = {
+            '1m': '1',     # 1分钟
+            '5m': '5',     # 5分钟  
+            '15m': '15',   # 15分钟
+            '30m': '30',   # 30分钟
+            '1h': '60',    # 60分钟
+            '1d': 'daily', # 日线
+            '1w': 'weekly',# 周线
+            '1M': 'monthly'# 月线
+        }
+        return mapping.get(timeframe, 'daily')
+    
+    def get_kl_data(self, symbol, timeframe='1d', start_date=None, end_date=None, limit=1000):
+        """
+        获取A股K线数据 - 支持分批次获取突破单次限制
+        :param symbol: 股票代码，如 '000001'
+        :param timeframe: 时间周期，如 '1d', '1h', '5m'
+        :param start_date: 开始日期，格式 'YYYY-MM-DD'
+        :param end_date: 结束日期，格式 'YYYY-MM-DD'  
+        :param limit: 数据条数限制
+        :return: DataFrame
+        """
+        try:
+            period = self.timeframe_to_period(timeframe)
+            
+            # 处理时间参数
+            if start_date is None:
+                # 默认获取最近一年的数据
+                start_date = (datetime.now() - timedelta(days=365)).strftime('%Y%m%d')
+            else:
+                # 将 YYYY-MM-DD 格式转换为 YYYYMMDD
+                if '-' in start_date:
+                    start_date = start_date.replace('-', '')
+            
+            if end_date is None:
+                end_date = datetime.now().strftime('%Y%m%d')
+            else:
+                if '-' in end_date:
+                    end_date = end_date.replace('-', '')
+            
+            print(f"获取A股数据: {symbol}, 周期: {timeframe}, 开始: {start_date}, 结束: {end_date}")
+            
+            # 分批次获取数据以突破单次限制
+            all_data = []
+            current_start = start_date
+            
+            # 计算时间间隔（根据时间周期调整批次大小）
+            if period in ['1', '5', '15', '30']:
+                # 分钟级数据，每次获取7天
+                batch_days = 7
+            elif period == '60':
+                # 小时级数据，每次获取30天
+                batch_days = 30
+            else:
+                # 日线及以上，每次获取365天
+                batch_days = 365
+            
+            max_iterations = 20  # 最大迭代次数，防止无限循环
+            iteration_count = 0
+            
+            while current_start <= end_date and iteration_count < max_iterations:
+                iteration_count += 1
+                
+                # 计算当前批次的结束时间
+                current_start_dt = datetime.strptime(current_start, '%Y%m%d')
+                current_end_dt = current_start_dt + timedelta(days=batch_days)
+                current_end = min(current_end_dt.strftime('%Y%m%d'), end_date)
+                
+                print(f"批次 {iteration_count}: 获取 {current_start} 到 {current_end} 的数据")
+                
+                try:
+                    # 根据时间周期选择不同的API
+                    df_batch = None
+                    if period in ['1', '5', '15', '30', '60']:
+                        # 分钟级数据
+                        df_batch = ak.stock_zh_a_hist_min_em(symbol=symbol, period=period, 
+                                                          start_date=current_start, end_date=current_end)
+                        if df_batch is not None and len(df_batch) > 0:
+                            # 重命名列
+                            df_batch = df_batch.rename(columns={
+                                '时间': 'date',
+                                '开盘': 'open', 
+                                '收盘': 'close',
+                                '最高': 'high',
+                                '最低': 'low', 
+                                '成交量': 'volume'
+                            })
+                    else:
+                        # 日线、周线、月线数据  
+                        df_batch = ak.stock_zh_a_hist(symbol=symbol, period=period,
+                                                   start_date=current_start, end_date=current_end)
+                        if df_batch is not None and len(df_batch) > 0:
+                            # 重命名列
+                            df_batch = df_batch.rename(columns={
+                                '日期': 'date',
+                                '开盘': 'open',
+                                '收盘': 'close', 
+                                '最高': 'high',
+                                '最低': 'low',
+                                '成交量': 'volume'
+                            })
+                    
+                    if df_batch is not None and len(df_batch) > 0:
+                        # 转换时间格式
+                        df_batch['date'] = pd.to_datetime(df_batch['date'])
+                        
+                        # 根据A股交易时间调整时间戳
+                        df_batch = self.adjust_timestamp_for_trading_hours(df_batch, timeframe)
+                        
+                        all_data.append(df_batch)
+                        print(f"批次 {iteration_count}: 获取到 {len(df_batch)} 条记录")
+                    else:
+                        print(f"批次 {iteration_count}: 未获取到数据")
+                        
+                except Exception as e:
+                    print(f"批次 {iteration_count} 获取失败: {e}")
+                    # 继续下一个批次
+                
+                # 更新下一批次的开始时间
+                current_start = (current_end_dt + timedelta(days=1)).strftime('%Y%m%d')
+                
+                # 防止API请求过于频繁
+                time_module.sleep(0.5)
+            
+            # 合并所有批次的数据
+            if not all_data:
+                print(f"未获取到任何数据: {symbol}")
+                return None
+            
+            # 合并DataFrame
+            df = pd.concat(all_data, ignore_index=True)
+            
+            # 数据清洗和格式化
+            df = df.dropna()  # 删除空值
+            df = df.drop_duplicates(subset=['date'])  # 删除重复数据
+            df = df.sort_values('date').reset_index(drop=True)  # 按时间排序
+            
+            # A股特有的数据清理和时间处理
+            df = self.clean_a_stock_data(df, timeframe)
+            
+            # 限制数据条数 - 只有在没有指定明确时间范围时才应用
+            # 如果用户指定了start_date和end_date，应该返回该时间范围内的所有数据
+            if limit is not None and len(df) > limit:
+                # 检查是否指定了明确的时间范围
+                if start_date and end_date:
+                    # 如果指定了时间范围，优先返回完整的时间范围数据
+                    print(f"用户指定了时间范围 {start_date} 到 {end_date}，返回完整数据 {len(df)} 条记录")
+                    if len(df) > 10000:  # 防止数据量过大，设置一个合理的上限
+                        print(f"警告：数据量过大({len(df)}条)，为保证性能将限制为最新的10000条记录")
+                        df = df.tail(10000).reset_index(drop=True)
+                else:
+                    # 如果没有指定时间范围，使用默认的limit限制
+                    print(f"未指定明确时间范围，应用默认限制，返回最新的 {limit} 条记录")
+                    df = df.tail(limit).reset_index(drop=True)
+            elif limit is None and len(df) > 10000:
+                # 即使没有limit限制，也要防止数据量过大影响性能
+                print(f"无limit限制但数据量过大({len(df)}条)，为保证性能将限制为最新的10000条记录")
+                df = df.tail(10000).reset_index(drop=True)
+            
+            # 添加技术指标
+            df = self.add_indicators(df)
+            
+            # 最终数据验证 - 确保没有NaN值
+            import numpy as np
+            
+            # 检查并处理任何剩余的NaN值
+            if df.isnull().any().any():
+                print("警告：发现NaN值，正在清理...")
+                # 对于数值列，用0填充NaN
+                numeric_cols = df.select_dtypes(include=[np.number]).columns
+                for col in numeric_cols:
+                    if col in ['volume_ratio']:
+                        df[col] = df[col].fillna(1.0)
+                    else:
+                        df[col] = df[col].fillna(0)
+                
+                # 删除仍然包含NaN的行
+                df = df.dropna()
+            
+            # 确保所有数值都是有限的
+            for col in df.select_dtypes(include=[np.number]).columns:
+                df[col] = df[col].replace([np.inf, -np.inf], 0 if col != 'volume_ratio' else 1.0)
+            
+            print(f"成功获取A股数据: {len(df)} 条记录 (共 {len(all_data)} 个批次)")
+            return df
+            
+        except Exception as e:
+            print(f"获取A股数据失败: {e}")
+            traceback.print_exc()
+            return None
+    
+    def add_indicators(self, df):
+        """添加技术指标"""
+        try:
+            import talib.abstract as ta
+            import numpy as np
+            
+            # MACD指标
+            fast = 8
+            slow = 16  
+            period = 6
+            macd = ta.MACD(df, fastperiod=fast, slowperiod=slow, signalperiod=period)
+            
+            df['macd'] = macd['macd'].fillna(0)
+            df['macdsignal'] = macd['macdsignal'].fillna(0)
+            df['macdhist'] = macd['macdhist'].fillna(0)
+            
+            # 移动平均线
+            df['ma5'] = ta.MA(df, timeperiod=5).fillna(0)
+            df['ma10'] = ta.MA(df, timeperiod=10).fillna(0)
+            df['ma30'] = ta.EMA(df, timeperiod=30).fillna(0)
+            df['ma250'] = ta.MA(df, timeperiod=250).fillna(0)
+            
+            # RSI指标
+            df['rsi'] = ta.RSI(df, timeperiod=14).fillna(0)
+            
+            # 成交量指标
+            df['avg_volume'] = df['volume'].rolling(10).mean().fillna(0)
+            df['volume_ratio'] = (df['volume'] / df['avg_volume']).fillna(1.0)
+            
+            # 处理Infinity和-Infinity值
+            df['volume_ratio'] = df['volume_ratio'].replace([float('inf'), float('-inf')], 1.0)
+            
+            # 确保所有指标列都不包含NaN或无限值
+            indicator_columns = ['macd', 'macdsignal', 'macdhist', 'ma5', 'ma10', 'ma30', 'ma250', 'rsi', 'avg_volume', 'volume_ratio']
+            for col in indicator_columns:
+                if col in df.columns:
+                    # 替换NaN、inf、-inf为合理的默认值
+                    df[col] = df[col].replace([np.nan, np.inf, -np.inf], 0 if col != 'volume_ratio' else 1.0)
+            
+            return df
+            
+        except Exception as e:
+            print(f"添加指标失败: {e}")
+            return df
+    
+    def search_stock(self, keyword):
+        """搜索股票 - 支持代码和名称模糊搜索"""
+        try:
+            if not keyword or len(keyword.strip()) == 0:
+                return []
+            
+            keyword = keyword.strip().upper()
+            results = []
+            
+            # 从热门股票中搜索
+            popular_stocks = self.get_popular_stocks()
+            for stock in popular_stocks:
+                if (keyword in stock['symbol'] or 
+                    keyword.lower() in stock['name'].lower() or
+                    stock['symbol'].startswith(keyword)):
+                    results.append({
+                        'symbol': stock['symbol'],
+                        'name': stock['name'],
+                        'sector': stock.get('sector', ''),
+                        'source': '热门股票'
+                    })
+            
+            # 如果热门股票中找到的结果少于10个，从完整股票列表中搜索
+            if len(results) < 10:
+                try:
+                    # 获取完整股票列表进行搜索
+                    stock_info = ak.stock_zh_a_spot_em()
+                    
+                    # 搜索前1000只活跃股票
+                    for index, row in stock_info.head(1000).iterrows():
+                        stock_code = str(row['代码'])
+                        stock_name = str(row['名称'])
+                        
+                        # 过滤ST股票
+                        if 'ST' in stock_name or '*' in stock_name:
+                            continue
+                        
+                        # 检查是否已经在结果中
+                        if any(r['symbol'] == stock_code for r in results):
+                            continue
+                        
+                        # 搜索匹配
+                        if (keyword in stock_code or 
+                            keyword.lower() in stock_name.lower() or
+                            stock_code.startswith(keyword)):
+                            results.append({
+                                'symbol': stock_code,
+                                'name': stock_name,
+                                'price': float(row['最新价']) if pd.notna(row['最新价']) else 0.0,
+                                'change_pct': float(row['涨跌幅']) if pd.notna(row['涨跌幅']) else 0.0,
+                                'source': '全市场搜索'
+                            })
+                        
+                        # 限制结果数量
+                        if len(results) >= 30:
+                            break
+                            
+                except Exception as e:
+                    print(f"全市场搜索失败: {e}")
+            
+            # 排序：优先显示代码匹配的结果
+            def sort_key(item):
+                if item['symbol'].startswith(keyword):
+                    return (0, item['symbol'])  # 代码开头匹配优先级最高
+                elif keyword in item['symbol']:
+                    return (1, item['symbol'])  # 代码包含匹配次之
+                else:
+                    return (2, item['symbol'])  # 名称匹配最后
+            
+            results.sort(key=sort_key)
+            
+            # 限制返回结果数量
+            return results[:20]
+            
+        except Exception as e:
+            print(f"搜索股票失败: {e}")
+            return []
+    
+    def get_stock_by_sector(self, sector=None):
+        """根据行业获取股票列表"""
+        try:
+            popular_stocks = self.get_popular_stocks()
+            if sector:
+                return [stock for stock in popular_stocks if stock.get('sector', '') == sector]
+            else:
+                # 按行业分组
+                sectors = {}
+                for stock in popular_stocks:
+                    sector_name = stock.get('sector', '其他')
+                    if sector_name not in sectors:
+                        sectors[sector_name] = []
+                    sectors[sector_name].append(stock)
+                return sectors
+        except Exception as e:
+            print(f"获取行业股票失败: {e}")
+            return {} if sector is None else []
+    
+    def get_all_sectors(self):
+        """获取所有行业分类"""
+        try:
+            popular_stocks = self.get_popular_stocks()
+            sectors = set()
+            for stock in popular_stocks:
+                sector = stock.get('sector', '其他')
+                sectors.add(sector)
+            return sorted(list(sectors))
+        except Exception as e:
+            print(f"获取行业分类失败: {e}")
+            return []
+    
+    def is_trading_day(self, date):
+        """判断是否为交易日（排除周末和节假日）"""
+        try:
+            # 将日期转换为datetime对象
+            if isinstance(date, str):
+                date = datetime.strptime(date.split()[0], '%Y-%m-%d')
+            elif isinstance(date, pd.Timestamp):
+                date = date.to_pydatetime()
+            
+            # 周末不是交易日
+            if date.weekday() >= 5:  # 5=周六, 6=周日
+                return False
+            
+            # 这里可以进一步添加节假日判断
+            # 目前暂时只过滤周末
+            return True
+        except Exception as e:
+            print(f"判断交易日失败: {e}")
+            return True  # 默认返回True，避免过度过滤
+    
+    def is_trading_time(self, dt):
+        """判断是否为交易时间"""
+        try:
+            if isinstance(dt, str):
+                dt = pd.to_datetime(dt)
+            
+            time_str = dt.strftime('%H:%M')
+            
+            # 上午交易时间：09:30-11:30
+            morning_start = self.trading_hours['morning']['start']
+            morning_end = self.trading_hours['morning']['end']
+            
+            # 下午交易时间：13:00-15:00
+            afternoon_start = self.trading_hours['afternoon']['start']
+            afternoon_end = self.trading_hours['afternoon']['end']
+            
+            return ((morning_start <= time_str <= morning_end) or 
+                    (afternoon_start <= time_str <= afternoon_end))
+        except Exception as e:
+            print(f"判断交易时间失败: {e}")
+            return True  # 默认返回True，避免过度过滤
+    
+    def adjust_timestamp_for_trading_hours(self, df, timeframe):
+        """根据A股交易时间调整时间戳"""
+        try:
+            if df is None or len(df) == 0:
+                return df
+            
+            # 确保date列是datetime类型
+            if 'date' in df.columns:
+                df['date'] = pd.to_datetime(df['date'])
+            
+            # 对于日线数据，设置为收盘时间（15:00）
+            if timeframe == '1d':
+                df['date'] = df['date'].dt.normalize() + pd.Timedelta(hours=15)
+            
+            # 对于分钟级数据，过滤非交易时间的数据
+            elif timeframe in ['1m', '5m', '15m', '30m', '1h']:
+                # 过滤交易日
+                df = df[df['date'].apply(self.is_trading_day)]
+                
+                # 过滤交易时间（只在有足够数据时进行）
+                if len(df) > 10:  # 避免过度过滤导致数据不足
+                    df = df[df['date'].apply(self.is_trading_time)]
+            
+            # 重新计算时间戳
+            if 'date' in df.columns:
+                # 将时间转换为上海时区
+                df['date'] = df['date'].dt.tz_localize('Asia/Shanghai', ambiguous='infer', nonexistent='shift_forward')
+                # 转换为毫秒时间戳
+                df['timestamp'] = df['date'].astype('int64') // 10**6
+            
+            return df.reset_index(drop=True)
+            
+        except Exception as e:
+            print(f"调整A股时间戳失败: {e}")
+            traceback.print_exc()
+            return df
+    
+    def get_trading_calendar(self, start_date, end_date):
+        """获取交易日历（简化版本）"""
+        try:
+            # 使用akshare获取交易日历
+            trading_calendar = ak.tool_trade_date_hist_sina()
+            
+            # 过滤指定日期范围
+            start_dt = pd.to_datetime(start_date)
+            end_dt = pd.to_datetime(end_date)
+            
+            trading_days = []
+            for _, row in trading_calendar.iterrows():
+                trade_date = pd.to_datetime(row['trade_date'])
+                if start_dt <= trade_date <= end_dt:
+                    trading_days.append(trade_date.strftime('%Y-%m-%d'))
+            
+            return trading_days
+        except Exception as e:
+            print(f"获取交易日历失败: {e}")
+            # 如果获取失败，生成简单的工作日列表（排除周末）
+            trading_days = []
+            current = pd.to_datetime(start_date)
+            end = pd.to_datetime(end_date)
+            
+            while current <= end:
+                if current.weekday() < 5:  # 周一到周五
+                    trading_days.append(current.strftime('%Y-%m-%d'))
+                current += timedelta(days=1)
+            
+            return trading_days
+    
+    def fill_trading_gaps(self, df, timeframe):
+        """填补A股交易时间间隙，确保图表连续性"""
+        try:
+            if df is None or len(df) == 0:
+                return df
+            
+            # 对于日线数据，不需要填补间隙，因为本来就是每日一个数据点
+            if timeframe == '1d':
+                return df
+            
+            # 对于分钟级数据，创建完整的交易时间序列
+            if timeframe in ['1m', '5m', '15m', '30m', '1h']:
+                # 获取数据的开始和结束时间
+                start_date = df['date'].min().date()
+                end_date = df['date'].max().date()
+                
+                # 创建完整的交易时间序列
+                complete_times = []
+                current_date = start_date
+                
+                # 获取时间间隔（分钟）
+                freq_map = {'1m': 1, '5m': 5, '15m': 15, '30m': 30, '1h': 60}
+                freq_minutes = freq_map.get(timeframe, 5)
+                
+                while current_date <= end_date:
+                    # 只处理交易日
+                    if self.is_trading_day(current_date):
+                        # 上午交易时间 - 使用datetime.time而不是pd.Time
+                        morning_start = pd.Timestamp.combine(current_date, time(9, 30))
+                        morning_end = pd.Timestamp.combine(current_date, time(11, 30))
+                        
+                        # 下午交易时间
+                        afternoon_start = pd.Timestamp.combine(current_date, time(13, 0))
+                        afternoon_end = pd.Timestamp.combine(current_date, time(15, 0))
+                        
+                        # 生成上午时间序列
+                        current_time = morning_start
+                        while current_time <= morning_end:
+                            complete_times.append(current_time)
+                            current_time += pd.Timedelta(minutes=freq_minutes)
+                        
+                        # 生成下午时间序列
+                        current_time = afternoon_start
+                        while current_time <= afternoon_end:
+                            complete_times.append(current_time)
+                            current_time += pd.Timedelta(minutes=freq_minutes)
+                    
+                    current_date += timedelta(days=1)
+                
+                # 创建完整时间序列的DataFrame
+                if complete_times:
+                    complete_df = pd.DataFrame({'date': complete_times})
+                    complete_df['date'] = complete_df['date'].dt.tz_localize('Asia/Shanghai')
+                    complete_df['timestamp'] = complete_df['date'].astype('int64') // 10**6
+                    
+                    # 将原始数据合并到完整时间序列
+                    # 使用时间戳进行合并，避免时区问题
+                    df_merged = pd.merge(complete_df, df, on='timestamp', how='left', suffixes=('', '_orig'))
+                    
+                    # 保持原有date列
+                    df_merged['date'] = df_merged['date']
+                    
+                    # 对于缺失的OHLCV数据，使用前向填充
+                    price_cols = ['open', 'high', 'low', 'close']
+                    for col in price_cols:
+                        if col in df_merged.columns:
+                            df_merged[col] = df_merged[col].ffill()
+                    
+                    # 成交量缺失时设为0
+                    if 'volume' in df_merged.columns:
+                        df_merged['volume'] = df_merged['volume'].fillna(0)
+                    
+                    # 删除辅助列
+                    cols_to_drop = [col for col in df_merged.columns if col.endswith('_orig')]
+                    df_merged = df_merged.drop(columns=cols_to_drop)
+                    
+                    return df_merged
+            
+            return df
+            
+        except Exception as e:
+            print(f"填补交易时间间隙失败: {e}")
+            traceback.print_exc()
+            return df
+    
+    def clean_a_stock_data(self, df, timeframe):
+        """清理A股数据，处理异常值和时间问题"""
+        try:
+            if df is None or len(df) == 0:
+                return df
+            
+            import numpy as np
+            
+            # 首先删除所有包含NaN的行
+            df = df.dropna()
+            
+            # 删除价格异常的数据
+            price_cols = ['open', 'high', 'low', 'close']
+            for col in price_cols:
+                if col in df.columns:
+                    # 删除价格为0、负数、NaN、inf的记录
+                    df = df[df[col] > 0]
+                    df = df[np.isfinite(df[col])]
+            
+            # 检查OHLC逻辑合理性
+            if all(col in df.columns for col in price_cols):
+                # high应该是最高价
+                df = df[df['high'] >= df['open']]
+                df = df[df['high'] >= df['close']]
+                # low应该是最低价
+                df = df[df['low'] <= df['open']]
+                df = df[df['low'] <= df['close']]
+                # high应该大于等于low
+                df = df[df['high'] >= df['low']]
+            
+            # 删除成交量异常的数据
+            if 'volume' in df.columns:
+                # 删除成交量为负数、NaN、inf的记录
+                df = df[df['volume'] >= 0]
+                df = df[np.isfinite(df['volume'])]
+            
+            # 确保所有数值列都不包含NaN或无限值
+            numeric_cols = df.select_dtypes(include=[np.number]).columns
+            for col in numeric_cols:
+                # 替换NaN、inf、-inf为0（除了价格列，价格列的异常值已经被过滤掉了）
+                if col not in price_cols:
+                    df[col] = df[col].replace([np.nan, np.inf, -np.inf], 0)
+            
+            # 确保时间序列连续性（仅对分钟级数据）
+            if timeframe in ['1m', '5m', '15m', '30m', '1h']:
+                df = self.fill_trading_gaps(df, timeframe)
+            
+            # 最后再次检查并清理任何剩余的NaN值
+            df = df.dropna()
+            
+            return df.reset_index(drop=True)
+            
+        except Exception as e:
+            print(f"清理A股数据失败: {e}")
+            return df 

web/requirements.txt

@@ -10,4 +10,5 @@ xgboost>=1.5.0
 scikit-learn>=1.0.1
 ta-lib>=0.4.19
 bootstrap-flask>=2.0.0
-gunicorn>=20.1.0
+gunicorn>=20.1.0
+akshare>=1.12.0

web/templates/index.html

@@ -250,7 +250,14 @@
         
         <div class="controls">
             <div class="row g-3 align-items-end">
-                <div class="col-md-3">
+                <div class="col-md-2">
+                    <label for="dataSource" class="form-label">数据源:</label>
+                    <select id="dataSource" class="form-select">
+                        <option value="crypto" selected>加密货币</option>
+                        <option value="a_stock">A股</option>
+                    </select>
+                </div>
+                <div class="col-md-3" id="cryptoSymbolContainer">
                     <label for="symbol" class="form-label">交易对:</label>
                     <select id="symbol" class="form-select">
                         {% for symbol in symbols %}
@@ -258,6 +265,14 @@
                         {% endfor %}
                     </select>
                 </div>
+                <div class="col-md-3" id="astockSymbolContainer" style="display:none;">
+                    <label for="astockSymbol" class="form-label">A股股票:</label>
+                    <select id="astockSymbol" class="form-select">
+                        {% for stock in a_stock_symbols %}
+                        <option value="{{ stock.symbol }}" {% if stock.symbol == '000001' %}selected{% endif %}>{{ stock.symbol }} - {{ stock.name }}</option>
+                        {% endfor %}
+                    </select>
+                </div>
                 <div class="col-md-2">
                     <label for="timeframe" class="form-label">时间周期:</label>
                     <select id="timeframe" class="form-select">
@@ -277,11 +292,11 @@
                         <option value="Asia/Tokyo">Asia/Tokyo (UTC+9)</option>
                     </select>
                 </div>
-                <div class="col-md-2">
+                <div class="col-md-1">
                     <label for="start_time" class="form-label">开始时间:</label>
                     <input type="datetime-local" id="start_time" class="form-control">
                 </div>
-                <div class="col-md-2">
+                <div class="col-md-1">
                     <label for="end_time" class="form-label">结束时间:</label>
                     <input type="datetime-local" id="end_time" class="form-control">
                 </div>
@@ -1094,17 +1109,25 @@
             $('#refreshLoadingSpinner').show();
             
             // 获取参数
-            const symbol = $('#symbol').val() || 'BTC/USDT:USDT';
+            const dataSource = $('#dataSource').val() || 'crypto';
+            let symbol;
+            if (dataSource === 'crypto') {
+                symbol = $('#symbol').val() || 'BTC/USDT:USDT';
+            } else {
+                symbol = $('#astockSymbol').val() || '000001';
+            }
+            
             const timeframe = $('#timeframe').val() || '5m';
             const timezone = $('#timezone').val() || 'Asia/Shanghai';
             const elementTimeframe = $('#elementTimeframe').val() || '1m';
             
             // 确保时区参数有效
             console.log('更新图表使用时区:', timezone);
+            console.log('数据源:', dataSource, '交易对/股票:', symbol);
             
             // 如果symbol为空，不发送请求
             if (!symbol) {
-                console.error('交易对不能为空');
+                console.error('交易对/股票代码不能为空');
                 $('#refreshLoadingSpinner').hide();
                 return;
             }
@@ -1162,7 +1185,75 @@
         // 初始化图表
         function initTradingView(symbol, timeframe) {
             try {
-                console.log('初始化图表:', symbol, timeframe);
+                console.log('初始化TradingView图表:', symbol, timeframe);
+                
+                // 获取当前交易对的配置
+                const symbolConfig = getSymbolConfig(symbol);
+                console.log('交易对配置:', symbolConfig);
+                
+                // 检查数据是否存在
+                if (!currentData || !currentData.kline_data) {
+                    console.error('数据加载失败或不存在');
+                    return;
+                }
+                
+                // 检查是否使用小周期K线数据
+                const useElementPeriod = $('#useElementPeriod').is(':checked') &&
+                                        currentData.element_kline_data &&
+                                        Array.isArray(currentData.element_kline_data);
+                
+                // 输出K线周期选择状态
+                console.log('K线周期选择:', useElementPeriod ? '小周期' : '主周期');
+                console.log('当前选择时区:', $('#timezone').val());
+                console.log('交易对类型:', symbolConfig.type);
+                
+                let candles = [];
+                
+                if (useElementPeriod) {
+                    // 使用小周期K线数据
+                    candles = currentData.element_kline_data.map((kline) => {
+                        // 使用原始日期字符串创建Date对象
+                        const date = new Date(kline.date);
+                        // 获取时间戳（秒）- 不手动调整时区
+                        const timestamp = date.getTime() / 1000;
+                        
+                        return {
+                            time: timestamp,
+                            open: parseFloat(kline.open),
+                            high: parseFloat(kline.high),
+                            low: parseFloat(kline.low),
+                            close: parseFloat(kline.close),
+                        };
+                    });
+                } else {
+                    // 使用主周期K线数据 - 检查数据是否存在
+                    if (!currentData.kline_data || !Array.isArray(currentData.kline_data)) {
+                        console.error('主周期K线数据不存在或不是数组:', currentData.kline_data);
+                        return;
+                    }
+                    candles = currentData.kline_data.map((kline) => {
+                        // 使用原始日期字符串创建Date对象
+                        const date = new Date(kline.date);
+                        // 获取时间戳（秒）- 不手动调整时区
+                        const timestamp = date.getTime() / 1000;
+                        
+                        return {
+                            time: timestamp,
+                            open: parseFloat(kline.open),
+                            high: parseFloat(kline.high),
+                            low: parseFloat(kline.low),
+                            close: parseFloat(kline.close),
+                        };
+                    });
+                }
+                
+                // 根据交易对类型过滤数据（仅用于显示优化）
+                if (symbolConfig.type === 'a_stock' && timeframe.includes('m')) {
+                    // 对于A股分钟级数据，过滤非交易时间
+                    const originalLength = candles.length;
+                    candles = filterTradingHours(candles, symbolConfig);
+                    console.log(`A股数据过滤: ${originalLength} -> ${candles.length} 条记录`);
+                }
                 
                 // 清除图表容器
                 document.getElementById('tradingview_chart').innerHTML = '';
@@ -1253,96 +1344,129 @@
                 let syncInProgress = false;
                 
                 // 创建统一的图表选项
-                const createChartOptions = (showTimeScale = true) => ({
-                    width: mainChartContainer.clientWidth,
-                    height: mainChartContainer.clientHeight,
-                    layout: {
-                        background: { color: '#ffffff' },
-                        textColor: '#333',
-                    },
-                    grid: {
-                        vertLines: { color: '#f0f0f0' },
-                        horzLines: { color: '#f0f0f0' },
-                    },
-                    crosshair: {
-                        mode: LightweightCharts.CrosshairMode.Normal,
-                        // 添加十字线工具提示本地化配置
-                        horzLine: {
-                            labelVisible: true,
+                const createChartOptions = (showTimeScale = true) => {
+                    const baseOptions = {
+                        width: mainChartContainer.clientWidth,
+                        height: mainChartContainer.clientHeight,
+                        layout: {
+                            background: { color: '#ffffff' },
+                            textColor: '#333',
                         },
-                        vertLine: {
-                            labelVisible: true,
-                            // 自定义时间格式化
-                            labelFormatter: (time) => {
+                        grid: {
+                            vertLines: { color: '#f0f0f0' },
+                            horzLines: { color: '#f0f0f0' },
+                        },
+                        crosshair: {
+                            mode: LightweightCharts.CrosshairMode.Normal,
+                            // 添加十字线工具提示本地化配置
+                            horzLine: {
+                                labelVisible: true,
+                            },
+                            vertLine: {
+                                labelVisible: true,
+                                // 自定义时间格式化
+                                labelFormatter: (time) => {
+                                    const selectedTimezone = $('#timezone').val();
+                                    try {
+                                        const date = new Date(time * 1000);
+                                        if (symbolConfig.type === 'a_stock') {
+                                            // A股使用中国时区格式
+                                            return date.toLocaleString('zh-CN', {
+                                                timeZone: 'Asia/Shanghai',
+                                                year: 'numeric',
+                                                month: '2-digit',
+                                                day: '2-digit',
+                                                hour: '2-digit',
+                                                minute: '2-digit',
+                                                second: '2-digit'
+                                            });
+                                        } else {
+                                            return date.toLocaleString('zh-CN', {
+                                                timeZone: selectedTimezone,
+                                                year: 'numeric',
+                                                month: '2-digit',
+                                                day: '2-digit',
+                                                hour: '2-digit',
+                                                minute: '2-digit',
+                                                second: '2-digit'
+                                            });
+                                        }
+                                    } catch (e) {
+                                        console.error('十字线时间格式化错误:', e);
+                                        return new Date(time * 1000).toLocaleString();
+                                    }
+                                },
+                            },
+                        },
+                        rightPriceScale: {
+                            borderColor: '#ddd',
+                        },
+                        // 添加本地化选项，确保所有时间显示都使用选定的时区
+                        localization: {
+                            timeFormatter: (time) => {
                                 const selectedTimezone = $('#timezone').val();
                                 try {
-                                    return new Date(time * 1000).toLocaleString('zh-CN', {
+                                    const date = new Date(time * 1000);
+                                    if (symbolConfig.type === 'a_stock') {
+                                        // A股使用中国时区格式
+                                        return date.toLocaleString('zh-CN', {
+                                            timeZone: 'Asia/Shanghai',
+                                            year: 'numeric',
+                                            month: '2-digit',
+                                            day: '2-digit',
+                                            hour: '2-digit',
+                                            minute: '2-digit',
+                                            second: '2-digit'
+                                        });
+                                    } else {
+                                        return date.toLocaleString('zh-CN', {
+                                            timeZone: selectedTimezone,
+                                            year: 'numeric',
+                                            month: '2-digit',
+                                            day: '2-digit',
+                                            hour: '2-digit',
+                                            minute: '2-digit',
+                                            second: '2-digit'
+                                        });
+                                    }
+                                } catch (e) {
+                                    console.error('全局时间格式化错误:', e);
+                                    return new Date(time * 1000).toLocaleString();
+                                }
+                            }
+                        },
+                        timeScale: {
+                            timeVisible: true,
+                            secondsVisible: false,
+                            visible: showTimeScale,
+                            borderColor: '#ddd',
+                            barSpacing: symbolConfig.type === 'a_stock' ? 6 : 10,
+                            tickMarkFormatter: (time) => {
+                                const selectedTimezone = symbolConfig.type === 'a_stock' ? 'Asia/Shanghai' : $('#timezone').val();
+                                try {
+                                    // 使用完整的配置确保时区正确应用
+                                    const date = new Date(time * 1000);
+                                    console.log('格式化时间:', time, '转换为:', date.toISOString(), '时区:', selectedTimezone);
+                                    
+                                    return date.toLocaleString('zh-CN', {
                                         timeZone: selectedTimezone,
-                                        year: 'numeric',
-                                        month: '2-digit',
-                                        day: '2-digit',
+                                        month: 'numeric',
+                                        day: 'numeric',
                                         hour: '2-digit',
                                         minute: '2-digit',
-                                        second: '2-digit'
                                     });
                                 } catch (e) {
-                                    console.error('十字线时间格式化错误:', e);
+                                    console.error('时间格式化错误:', e);
+                                    // 如果时区格式化失败，返回简单格式
                                     return new Date(time * 1000).toLocaleString();
                                 }
                             },
                         },
-                    },
-                    rightPriceScale: {
-                        borderColor: '#ddd',
-                    },
-                    // 添加本地化选项，确保所有时间显示都使用选定的时区
-                    localization: {
-                        timeFormatter: (time) => {
-                            const selectedTimezone = $('#timezone').val();
-                            try {
-                                return new Date(time * 1000).toLocaleString('zh-CN', {
-                                    timeZone: selectedTimezone,
-                                    year: 'numeric',
-                                    month: '2-digit',
-                                    day: '2-digit',
-                                    hour: '2-digit',
-                                    minute: '2-digit',
-                                    second: '2-digit'
-                                });
-                            } catch (e) {
-                                console.error('全局时间格式化错误:', e);
-                                return new Date(time * 1000).toLocaleString();
-                            }
-                        }
-                    },
-                    timeScale: {
-                        timeVisible: true,
-                        secondsVisible: false,
-                        visible: showTimeScale,
-                        borderColor: '#ddd',
-                        barSpacing: 10,
-                        tickMarkFormatter: (time) => {
-                            const selectedTimezone = $('#timezone').val();
-                            try {
-                                // 使用完整的配置确保时区正确应用
-                                const date = new Date(time * 1000);
-                                console.log('格式化时间:', time, '转换为:', date.toISOString(), '时区:', selectedTimezone);
-                                
-                                return date.toLocaleString('zh-CN', {
-                                    timeZone: selectedTimezone,
-                                    month: 'numeric',
-                                    day: 'numeric',
-                                    hour: '2-digit',
-                                    minute: '2-digit',
-                                });
-                            } catch (e) {
-                                console.error('时间格式化错误:', e);
-                                // 如果时区格式化失败，返回简单格式
-                                return new Date(time * 1000).toLocaleString();
-                            }
-                        },
-                    },
-                });
+                    };
+                    
+                    // 根据交易对类型调整配置
+                    return adjustChartForSymbolType(baseOptions, symbolConfig);
+                };
                 
                 // 创建主图表
                 const mainChart = LightweightCharts.createChart(mainChartContainer, createChartOptions(true));
@@ -1356,50 +1480,6 @@
                     macdChart = LightweightCharts.createChart(macdChartContainer, createChartOptions(false));
                 }
                 
-                // 转换K线数据 - 根据选中的周期使用主周期或小周期数据
-                let candles;
-                const useElementPeriod = $('#elementPeriodKline').is(':checked') && 
-                                        currentData.element_timeframe && 
-                                        currentData.element_kline_data;
-                
-                // 输出K线周期选择状态
-                console.log('K线周期选择:', useElementPeriod ? '小周期' : '主周期');
-                console.log('当前选择时区:', $('#timezone').val());
-                
-                if (useElementPeriod) {
-                    // 使用小周期K线数据
-                    candles = currentData.element_kline_data.map((kline) => {
-                        // 使用原始日期字符串创建Date对象
-                        const date = new Date(kline.date);
-                        // 获取时间戳（秒）- 不手动调整时区
-                        const timestamp = date.getTime() / 1000;
-                        
-                        return {
-                            time: timestamp,
-                            open: parseFloat(kline.open),
-                            high: parseFloat(kline.high),
-                            low: parseFloat(kline.low),
-                            close: parseFloat(kline.close),
-                        };
-                    });
-                } else {
-                    // 使用主周期K线数据
-                    candles = currentData.kline_data.map((kline) => {
-                        // 使用原始日期字符串创建Date对象
-                        const date = new Date(kline.date);
-                        // 获取时间戳（秒）- 不手动调整时区
-                        const timestamp = date.getTime() / 1000;
-                        
-                        return {
-                            time: timestamp,
-                            open: parseFloat(kline.open),
-                            high: parseFloat(kline.high),
-                            low: parseFloat(kline.low),
-                            close: parseFloat(kline.close),
-                        };
-                    });
-                }
-                
                 // 创建蜡烛图系列并设置数据
                 if (showOriginalKline) {
                     const candleSeries = mainChart.addCandlestickSeries({
@@ -1432,17 +1512,9 @@
                 }
                 
                 // 转换成交量数据 - 始终使用主K线周期数据
-                const volumes = useElementPeriod ? 
-                    currentData.element_kline_data.map(kline => {
-                        // 创建日期对象并获取时间戳，不手动调整时区
-                        const timestamp = Math.floor(new Date(kline.date).getTime() / 1000);
-                        return {
-                            time: timestamp,
-                            value: parseFloat(kline.volume),
-                            color: parseFloat(kline.close) >= parseFloat(kline.open) ? 'rgba(220, 53, 69, 0.5)' : 'rgba(40, 167, 69, 0.5)',
-                        };
-                    }) :
-                    currentData.kline_data.map(kline => {
+                let volumes = [];
+                if (useElementPeriod && currentData.element_kline_data && Array.isArray(currentData.element_kline_data)) {
+                    volumes = currentData.element_kline_data.map(kline => {
                         // 创建日期对象并获取时间戳，不手动调整时区
                         const timestamp = Math.floor(new Date(kline.date).getTime() / 1000);
                         return {
@@ -1451,6 +1523,17 @@
                             color: parseFloat(kline.close) >= parseFloat(kline.open) ? 'rgba(220, 53, 69, 0.5)' : 'rgba(40, 167, 69, 0.5)',
                         };
                     });
+                } else if (currentData.kline_data && Array.isArray(currentData.kline_data)) {
+                    volumes = currentData.kline_data.map(kline => {
+                        // 创建日期对象并获取时间戳，不手动调整时区
+                        const timestamp = Math.floor(new Date(kline.date).getTime() / 1000);
+                        return {
+                            time: timestamp,
+                            value: parseFloat(kline.volume),
+                            color: parseFloat(kline.close) >= parseFloat(kline.open) ? 'rgba(220, 53, 69, 0.5)' : 'rgba(40, 167, 69, 0.5)',
+                        };
+                    });
+                }
                 
                 // 添加成交量图表
                 const volumeSeries = volumeChart.addHistogramSeries({
@@ -1464,7 +1547,7 @@
                 tvWidget.series.volumeSeries = volumeSeries;
                 
                 // 添加MACD图表 - 始终使用主K线周期的MACD数据
-                if (showMacd && currentData.macd) {
+                if (showMacd && currentData.macd && currentData.kline_data && Array.isArray(currentData.kline_data)) {
                     // 创建MACD线
                     const macdLineSeries = macdChart.addLineSeries({
                         color: '#2962FF',
@@ -2945,6 +3028,12 @@
             try {
                 console.log('增量更新图表数据');
                 
+                // 检查 currentData 是否存在
+                if (!currentData) {
+                    console.error('currentData为空，无法更新图表');
+                    return;
+                }
+                
                 // 保存当前的可视范围
                 if (tvWidget.mainChart) {
                     tvWidget.state.visibleRange = tvWidget.mainChart.timeScale().getVisibleRange();
@@ -2957,10 +3046,11 @@
                 // 检查是否使用小周期数据
                 const useElementPeriod = $('#elementPeriodKline').is(':checked') && 
                                         currentData.element_timeframe && 
-                                        currentData.element_kline_data;
+                                        currentData.element_kline_data &&
+                                        Array.isArray(currentData.element_kline_data);
                 
                 // 转换K线数据
-                let candles;
+                let candles = [];
                 if (useElementPeriod) {
                     console.log('使用小周期K线数据');
                     candles = currentData.element_kline_data.map((kline) => {
@@ -2974,7 +3064,7 @@
                             close: parseFloat(kline.close),
                         };
                     });
-                } else {
+                } else if (currentData.kline_data && Array.isArray(currentData.kline_data)) {
                     console.log('使用主周期K线数据');
                     candles = currentData.kline_data.map((kline) => {
                         const date = new Date(kline.date);
@@ -3003,16 +3093,9 @@
                 }
                 
                 // 更新成交量数据
-                const volumes = useElementPeriod ? 
-                    currentData.element_kline_data.map(kline => {
-                        const timestamp = Math.floor(new Date(kline.date).getTime() / 1000);
-                        return {
-                            time: timestamp,
-                            value: parseFloat(kline.volume),
-                            color: parseFloat(kline.close) >= parseFloat(kline.open) ? 'rgba(220, 53, 69, 0.5)' : 'rgba(40, 167, 69, 0.5)',
-                        };
-                    }) :
-                    currentData.kline_data.map(kline => {
+                let volumes = [];
+                if (useElementPeriod && currentData.element_kline_data && Array.isArray(currentData.element_kline_data)) {
+                    volumes = currentData.element_kline_data.map(kline => {
                         const timestamp = Math.floor(new Date(kline.date).getTime() / 1000);
                         return {
                             time: timestamp,
@@ -3020,13 +3103,23 @@
                             color: parseFloat(kline.close) >= parseFloat(kline.open) ? 'rgba(220, 53, 69, 0.5)' : 'rgba(40, 167, 69, 0.5)',
                         };
                     });
+                } else if (currentData.kline_data && Array.isArray(currentData.kline_data)) {
+                    volumes = currentData.kline_data.map(kline => {
+                        const timestamp = Math.floor(new Date(kline.date).getTime() / 1000);
+                        return {
+                            time: timestamp,
+                            value: parseFloat(kline.volume),
+                            color: parseFloat(kline.close) >= parseFloat(kline.open) ? 'rgba(220, 53, 69, 0.5)' : 'rgba(40, 167, 69, 0.5)',
+                        };
+                    });
+                }
                 
                 if (tvWidget.series.volumeSeries) {
                     tvWidget.series.volumeSeries.setData(volumes);
                 }
                 
                 // 更新MACD数据
-                if ($('#showMacd').is(':checked') && currentData.macd && tvWidget.series.macdLineSeries) {
+                if ($('#showMacd').is(':checked') && currentData.macd && currentData.kline_data && Array.isArray(currentData.kline_data) && tvWidget.series.macdLineSeries) {
                     // 提取MACD数据
                     const macdData = [];
                     const signalData = [];
@@ -3521,8 +3614,11 @@
                 tables.kline.clear().destroy();
             }
             
+            // 检查数据是否存在且为数组
+            const klineData = (data.kline_data && Array.isArray(data.kline_data)) ? data.kline_data : [];
+            
             tables.kline = $('#klineTable').DataTable({
-                data: data.kline_data,
+                data: klineData,
                 order: [[0, 'desc']],
                 pageLength: 25,
                 columns: [
@@ -3659,15 +3755,18 @@
                 tables.macd.clear().destroy();
             }
             
-            const macdData = data.kline_data.map((item, index) => {
-                return {
-                    time: item.date,
-                    close: item.close,
-                    macd: data.macd.macd[index],
-                    signal: data.macd.signal[index],
-                    histogram: data.macd.histogram[index]
-                };
-            });
+            let macdData = [];
+            if (data.kline_data && Array.isArray(data.kline_data) && data.macd && data.macd.macd) {
+                macdData = data.kline_data.map((item, index) => {
+                    return {
+                        time: item.date,
+                        close: item.close,
+                        macd: data.macd.macd[index],
+                        signal: data.macd.signal[index],
+                        histogram: data.macd.histogram[index]
+                    };
+                });
+            }
             
             tables.macd = $('#macdTable').DataTable({
                 data: macdData,
@@ -3786,8 +3885,36 @@
                 console.log('从本地存储恢复时区设置:', savedTimezone);
             }
             
+            // 初始化数据源切换
+            $('#dataSource').on('change', function() {
+                const dataSource = $(this).val();
+                if (dataSource === 'crypto') {
+                    $('#cryptoSymbolContainer').show();
+                    $('#astockSymbolContainer').hide();
+                    // 停止A股状态更新器
+                    if (window.astockStatusInterval) {
+                        clearInterval(window.astockStatusInterval);
+                        window.astockStatusInterval = null;
+                    }
+                } else if (dataSource === 'a_stock') {
+                    $('#cryptoSymbolContainer').hide();
+                    $('#astockSymbolContainer').show();
+                    // 加载A股数据时，如果还没有加载股票列表，可以在这里触发加载
+                    loadAStockSymbols();
+                    // 启动A股交易时间状态更新器
+                    startAStockStatusUpdater();
+                }
+            });
+            
+            // 检查初始数据源设置
+            const initialDataSource = $('#dataSource').val();
+            if (initialDataSource === 'a_stock') {
+                startAStockStatusUpdater();
+            }
+            
             // 初始化交易对下拉菜单
             $('#symbol').val('BTC/USDT:USDT');
+            $('#astockSymbol').val('000001');
             $('#timeframe').val('5m');
             $('#elementTimeframe').val('1m');
             
@@ -4802,6 +4929,180 @@
                 });
             }
         }
+        
+        // 获取A股股票列表
+        function loadAStockSymbols() {
+            $.get('/api/popular_a_stocks', function(data) {
+                if (Array.isArray(data)) {
+                    const $select = $('#astockSymbol');
+                    const currentSymbol = $select.val(); // 保存当前选中的值
+                    $select.empty();
+                    
+                    data.forEach(function(stock) {
+                        $select.append($('<option>', {
+                            value: stock.symbol,
+                            text: stock.symbol + ' - ' + stock.name
+                        }));
+                    });
+                    
+                    // 如果有保存的选中值，恢复它
+                    if (currentSymbol && data.some(stock => stock.symbol === currentSymbol)) {
+                        $select.val(currentSymbol);
+                    } else {
+                        // 设置默认值为平安银行
+                        $select.val('000001');
+                    }
+                }
+            }).fail(function() {
+                console.error('加载A股股票列表失败');
+            });
+        }
+        
+        // 检测交易对类型并返回相应的配置
+        function getSymbolConfig(symbol) {
+            const isAStock = symbol && symbol.length === 6 && /^\d+$/.test(symbol);
+            
+            if (isAStock) {
+                return {
+                    type: 'a_stock',
+                    displayName: symbol,
+                    tradingSessions: [
+                        // A股交易时间配置
+                        { start: '09:30', end: '11:30' },  // 上午
+                        { start: '13:00', end: '15:00' }   // 下午
+                    ],
+                    timezone: 'Asia/Shanghai',
+                    // A股的交易日配置（周一到周五，除节假日）
+                    tradingDays: [1, 2, 3, 4, 5]  // 1=周一, 7=周日
+                };
+            } else {
+                return {
+                    type: 'crypto',
+                    displayName: symbol,
+                    tradingSessions: [
+                        { start: '00:00', end: '23:59' }  // 24小时交易
+                    ],
+                    timezone: 'UTC',
+                    tradingDays: [1, 2, 3, 4, 5, 6, 7]  // 7天交易
+                };
+            }
+        }
+        
+        // 根据交易对类型调整图表配置
+        function adjustChartForSymbolType(chartOptions, symbolConfig) {
+            if (symbolConfig.type === 'a_stock') {
+                // A股特殊配置
+                chartOptions.timeScale = {
+                    ...chartOptions.timeScale,
+                    // 禁用非交易时间的显示
+                    borderVisible: true,
+                    borderColor: '#ddd',
+                    // 自定义时间格式化，只显示交易时间
+                    timeVisible: true,
+                    // 添加A股特定的时间范围限制
+                    rightOffset: 12,
+                    barSpacing: 6,
+                    minBarSpacing: 3,
+                };
+                
+                // 添加A股交易时间提示
+                chartOptions.layout = {
+                    ...chartOptions.layout,
+                    fontSize: 12,
+                    fontFamily: 'Arial, sans-serif'
+                };
+            }
+            
+            return chartOptions;
+        }
+        
+        // 过滤非交易时间的数据（仅用于显示优化）
+        function filterTradingHours(data, symbolConfig) {
+            if (symbolConfig.type !== 'a_stock') {
+                return data;  // 非A股数据不需要过滤
+            }
+            
+            return data.filter(item => {
+                const date = new Date(item.time * 1000);
+                const hour = date.getHours();
+                const minute = date.getMinutes();
+                const timeStr = `${hour.toString().padStart(2, '0')}:${minute.toString().padStart(2, '0')}`;
+                
+                // 检查是否在交易时间内
+                return symbolConfig.tradingSessions.some(session => {
+                    return timeStr >= session.start && timeStr <= session.end;
+                });
+            });
+        }
+        
+        // 更新A股交易时间状态
+        function updateAStockTradingStatus() {
+            const now = new Date();
+            const chinaTime = new Date(now.toLocaleString("en-US", {timeZone: "Asia/Shanghai"}));
+            const hour = chinaTime.getHours();
+            const minute = chinaTime.getMinutes();
+            const dayOfWeek = chinaTime.getDay(); // 0=周日, 1=周一, ..., 6=周六
+            
+            const statusElement = document.getElementById('tradingTimeStatus');
+            if (!statusElement) return;
+            
+            // 检查是否为交易日（周一到周五）
+            const isTradingDay = dayOfWeek >= 1 && dayOfWeek <= 5;
+            
+            if (!isTradingDay) {
+                statusElement.className = 'badge bg-secondary';
+                statusElement.textContent = '非交易日';
+                return;
+            }
+            
+            // 检查是否在交易时间内
+            const currentTime = hour * 60 + minute; // 转换为分钟
+            const morningStart = 9 * 60 + 30;  // 09:30
+            const morningEnd = 11 * 60 + 30;   // 11:30
+            const afternoonStart = 13 * 60;    // 13:00
+            const afternoonEnd = 15 * 60;      // 15:00
+            
+            let status = '';
+            let className = '';
+            
+            if (currentTime >= morningStart && currentTime <= morningEnd) {
+                status = '上午交易中';
+                className = 'badge bg-success';
+            } else if (currentTime >= afternoonStart && currentTime <= afternoonEnd) {
+                status = '下午交易中';
+                className = 'badge bg-success';
+            } else if (currentTime > morningEnd && currentTime < afternoonStart) {
+                status = '午间休市';
+                className = 'badge bg-warning';
+            } else if (currentTime < morningStart) {
+                status = '开盘前';
+                className = 'badge bg-info';
+            } else if (currentTime > afternoonEnd) {
+                status = '收盘后';
+                className = 'badge bg-dark';
+            } else {
+                status = '非交易时间';
+                className = 'badge bg-secondary';
+            }
+            
+            statusElement.className = className;
+            statusElement.textContent = status;
+        }
+        
+        // 启动A股交易时间状态更新
+        function startAStockStatusUpdater() {
+            // 如果已经有定时器在运行，先清除
+            if (window.astockStatusInterval) {
+                clearInterval(window.astockStatusInterval);
+            }
+            
+            // 立即更新一次
+            updateAStockTradingStatus();
+            
+            // 每30秒更新一次
+            window.astockStatusInterval = setInterval(updateAStockTradingStatus, 30000);
+            console.log('A股交易时间状态更新器已启动');
+        }
     </script>
 </body>
 </html>