Views
No views yet
1from transformers import AutoTokenizer, AutoModelForCausalLM
2
3# 加载模型和分词器
4tokenizer = AutoTokenizer.from_pretrained("irelia11/DeepSeek-R1-Distill-Qwen-1.5B")
5model = AutoModelForCausalLM.from_pretrained("irelia11/DeepSeek-R1-Distill-Qwen-1.5B")
6
7# 使用示例
8input_text = "请分析以下股票的技术指标..."
9inputs = tokenizer(input_text, return_tensors="pt")
10outputs = model.generate(**inputs, max_length=9000, temperature=0.7)
11result = tokenizer.decode(outputs[0], skip_special_tokens=True)
12print(result)# 任务
你是一个股票分析师，请根据输入的股票数据，运用技术分析指标，做出简洁的股票涨跌预测，如果你认为5天之后涨1%的概率大于50%，则输出1，否则输出0。
# 核心分析要点
- **趋势判断**：MA均线排列、MACD动能、RSI强弱
- **关键信号**：金叉死叉、背离现象、突破确认
- **风险提示**：超买超卖、支撑压力位
# 可视化分析要求
- **图表形态描述**：用简洁语言描述K线、均线、指标线的形态变化
- **关键点位标注**：明确标注支撑位、阻力位、突破点等关键位置
- **趋势线绘制**：描述上升/下降趋势线的形成和有效性
- **量价关系**：结合成交量变化分析价格走势的可靠性
# 输出要求
- 如果你认为5天之后涨1%的概率大于50%，则输出1，否则输出0。
# 输出格式
<content>短暂的分析过程（不多于300字）</content>
<answer>1或者0</answer>