用途：Stock Analyzer 是一个面向单只股票（single-ticker）的分析技能，使用随机森林回归（Random Forest regression）在技术指标基础上预测未来5日价格区间，并生成市场解读，供 Single Ticker Audit 视图使用。
主要能力：计算移动平均（SMA20、SMA50、EMA12、EMA26）、动量（RSI14、MACD 及信号线与柱状图）、波动率（布林带 20,2、ATR14）、成交量（成交量 SMA20、量比）、振荡指标（Stochastic %K、%D）。机器学习特征包括滞后项（收盘价/成交量/收益率回溯 1–5 天）、滚动均值与标准差（5/10/20 天）、价格相对 SMA20/50、10/20 日收益波动率。训练最少需要 50 根K线，切分后至少 30 根。预测输出包含 expected、low、high、expected_change_pct、confidence、horizon；low/high 为各决策树间 ±1 个标准差，confidence 为相对不确定度的倒数（0–1）。解读类别覆盖价格走势、RSI 超买/超卖、均线排列、布林带极值、MACD 方向与交叉、成交量信心，以带表情符号的列表返回。
使用方式： from stock_analyzer import StockAnalyzer, generate_market_analysis analyzer = StockAnalyzer() data = analyzer.calculate_technical_indicators(ohlcv_df) model_info = analyzer.train_prediction_model(data, horizon=5) prediction = analyzer.predict_price_range(model_info, current_price=150.0) insights = generate_market_analysis(data, ticker="AAPL") 依赖 pandas 与 scikit-learn，需使用仓库根目录的 venv 而非裸 python3 运行： .venv/bin/python -c "from stock_analyzer import StockAnalyzer, generate_market_analysis"
集成：main.py 的 render_audit_view() 流程为通过 yfinance 获取约 6 个月日线数据，计算指标，在数据充足时训练模型，展示预测卡片（Low/Expected/High）与解读面板。
限制：资料未提供具体收费、价格、适用平台或实盘效果信息；仅说明上述依赖、最少数据量及运行环境要求。