【实战教程】Claude Code + Tushare MCP：零代码实现股票预测分析

本文将手把手教你配置 Tushare 数据接口和 MCP 协议，使用 Claude Code 实现零代码股票预测分析。文末附完整预测结果。

---

一、前言

最近发现了一个非常强大的组合：Claude Code + Tushare MCP，可以让 AI 直接调用股票数据接口，实现零代码的数据分析和预测。

本文将以 信达证券（601059） 为例，完整演示：

1. Tushare 账号配置
2. MCP 服务器配置
3. 使用 Claude Code 进行 LSTM 股价预测
4. 完整预测结果分享

---

二、Tushare 配置教程

2.1 注册 Tushare 账号

1. 访问 Tushare 官网
2. 点击右上角「注册」按钮
3. 填写手机号、验证码、密码完成注册
4. 登录后进入「个人主页」→「接口TOKEN」

2.2 获取 Token

个人主页 → 接口TOKEN → 复制 Token

⚠️ 注意：Token 是你的身份凭证，请妥善保管，不要泄露给他人！

2.3 了解积分制度

Tushare 采用积分制访问不同级别的接口：

积分等级	可用接口
0-120	基础行情数据（daily, stock_basic 等）
120+	财务数据、资金流向等
500+	高级数据（龙虎榜、融资融券等）
2000+	实时行情、分钟数据

获取积分的方式：

• 每日签到：+1~5分
• 完善个人信息：+50分
• 分享数据/代码：+10~100分
• 社区贡献：根据内容质量

---

三、MCP 配置教程

3.1 什么是 MCP？

MCP（Model Context Protocol） 是 Anthropic 推出的开放协议，允许 AI 模型与外部数据源和工具进行交互。

通过 MCP，Claude 可以：

• 直接调用 Tushare API 获取股票数据
• 执行 Python 代码进行数据分析
• 生成可视化图表

3.2 MCP 配置文件位置

MCP 配置文件可以放在两个位置：

# 项目级别（推荐）
~/.claude/projects/<project-name>/.mcp.json

# 全局级别
~/.claude/.mcp.json

3.3 配置 Tushare MCP

在项目根目录创建 .mcp.json 文件：

{
  "mcpServers": {
    "tushareMcp": {
      "url": "https://api.tushare.pro/mcp/?token=你的Token"
    }
  }
}

将 你的Token 替换为你在 Tushare 获取的真实 Token。

3.4 验证配置

配置完成后，重启 Claude Code，在对话中测试：

帮我获取信达证券601059最近10天的日线数据

如果 Claude 能够正确返回数据，说明配置成功！

---

四、实战：LSTM 股价预测

4.1 项目环境

# environment.yml
name: stock-prediction
channels:
  - pytorch
  - defaults
dependencies:
  - python=3.11
  - numpy
  - pandas
  - matplotlib
  - seaborn
  - scikit-learn
  - jupyter
  - pytorch
  - pip:
    - akshare

创建环境：

conda env create -f environment.yml
conda activate stock-prediction

4.2 分析流程

┌─────────────────────────────────────────────────────────┐
│                    LSTM 股价预测流程                      │
├─────────────────────────────────────────────────────────┤
│  1. 数据获取 → 2. 数据预处理 → 3. 特征工程                 │
│       ↓                                                 │
│  4. 模型构建 → 5. 模型训练 → 6. 模型评估                  │
│       ↓                                                 │
│  7. 回测分析 → 8. 未来预测 → 9. 生成报告                  │
└─────────────────────────────────────────────────────────┘

4.3 核心代码（使用 Claude Code 自动生成）

# 1. 数据获取（Claude 通过 MCP 自动调用）
import tushare as ts
pro = ts.pro_api('your_token')
df = pro.daily(ts_code='601059.SH', start_date='20240613', end_date='20260611')

# 2. 技术指标计算
def calculate_indicators(df):
    # 移动平均线
    df['MA5'] = df['close'].rolling(5).mean()
    df['MA10'] = df['close'].rolling(10).mean()
    df['MA20'] = df['close'].rolling(20).mean()
    df['MA60'] = df['close'].rolling(60).mean()

    # MACD
    exp1 = df['close'].ewm(span=12).mean()
    exp2 = df['close'].ewm(span=26).mean()
    df['MACD'] = exp1 - exp2
    df['Signal'] = df['MACD'].ewm(span=9).mean()

    # RSI
    delta = df['close'].diff()
    gain = (delta.where(delta > 0, 0)).rolling(window=14).mean()
    loss = (-delta.where(delta < 0, 0)).rolling(window=14).mean()
    rs = gain / loss
    df['RSI'] = 100 - (100 / (1 + rs))

    # KDJ
    low_min = df['low'].rolling(9).min()
    high_max = df['high'].rolling(9).max()
    rsv = (df['close'] - low_min) / (high_max - low_min) * 100
    df['K'] = rsv.ewm(com=2).mean()
    df['D'] = df['K'].ewm(com=2).mean()
    df['J'] = 3 * df['K'] - 2 * df['D']

    return df

# 3. LSTM 模型
import torch
import torch.nn as nn

class StockLSTM(nn.Module):
    def __init__(self, input_size=21, hidden_size=128, num_layers=2):
        super().__init__()
        self.lstm = nn.LSTM(input_size, hidden_size, num_layers,
                           batch_first=True, dropout=0.2)
        self.dropout = nn.Dropout(0.2)
        self.fc1 = nn.Linear(hidden_size, 64)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(64, 1)

    def forward(self, x):
        lstm_out, _ = self.lstm(x)
        out = self.dropout(lstm_out[:, -1, :])
        out = self.relu(self.fc1(out))
        out = self.fc2(out)
        return out

---

五、预测结果分享

5.1 数据概况

项目	详情
股票名称	信达证券（601059）
数据时间范围	2024-06-13 至 2026-06-11
交易日数量	464 天
当前收盘价	14.77 元

5.2 技术指标分析

关键指标解读：

指标	当前值	状态
MA5	15.02	股价在均线下方
MA10	15.48	空头排列
MA20	16.08	下降趋势
MA60	17.14	中期偏弱
MACD	-0.45	零轴下方，下跌动能
RSI	12.18	极度超卖
KDJ-K	9.19	极度超卖
KDJ-J	-3.07	负值，超卖

技术面结论：多项指标同时处于超卖区域，短期存在技术性反弹需求。

5.3 模型训练

阶段	Epoch	Train Loss	Val Loss
初始	10	0.013346	0.002859
中期	50	0.009017	0.001358
最佳	110	0.006654	0.000888
早停	121	-	0.002070

5.4 模型评估

指标	值	说明
MAPE	1.02%	价格预测精度高
R²	0.8395	模型拟合效果良好
RMSE	0.2306	平均偏差约 0.23 元
方向准确率	48.75%	涨跌方向预测一般

5.5 未来一个月预测

预测时间范围：2026-06-12 至 2026-07-13（22个交易日）

日期	预测价格（元）
2026-06-12	15.22
2026-06-15	15.09
2026-06-16	15.03
2026-06-17	15.01
2026-06-18	15.00
2026-06-19	15.00
…	…
2026-07-13	15.01

5.6 预测结论

项目	值
当前价格	14.77 元
一个月后预测	15.01 元
预测涨跌幅	+1.65%
预测置信区间	14.56 ~ 15.46 元（±3%）

模型预测：信达证券未来一个月将从 14.77 元小幅回升至 15.01 元，呈现"先跌后稳"走势。

5.7 回测分析

指标	值
初始资金	100,000 元
最终价值	98,685.92 元
总收益率	-1.31%
最大回撤	5.07%
夏普比率	-1.0067

---

六、模型评分

维度	评分	说明
价格预测精度	⭐⭐⭐⭐	MAPE 仅 1.02%
方向预测能力	⭐⭐	准确率 48.75%
回测收益	⭐⭐	-1.31%
风险控制	⭐⭐⭐	最大回撤 5.07%

---

七、改进方向

1. 增加特征维度：引入宏观经济指标、行业数据、市场情绪
2. 优化模型结构：尝试 Attention 机制、Transformer
3. 多时间尺度：结合日线、周线、月线分析
4. 集成学习：结合多个模型提高准确率
5. 强化学习：使用 RL 优化交易策略

---

八、总结

本文介绍了如何使用 Claude Code + Tushare MCP 实现零代码股票预测分析：

✅ Tushare 配置：注册账号 → 获取 Token → 配置 MCP

✅ MCP 配置：创建 .mcp.json 文件 → 配置服务器地址

✅ 预测分析：数据获取 → 特征工程 → LSTM 模型 → 预测输出

通过这个组合，即使不懂编程，也能让 AI 帮你完成专业的股票分析！

---

九、完整文件清单

文件名	说明
run_analysis.py	完整分析脚本
信达证券_LSTM预测分析.ipynb	Jupyter Notebook 版本
信达证券_601059_LSTM预测分析报告.md	详细分析报告
01~08_*.png	可视化图表

---

#股票预测 #LSTM #深度学习 #Tushare #Claude #量化分析