LLM 驱动的多市场股票智能分析系统

解决什么

个人投资者和量化团队在多市场股票分析时面临三大痛点:一是需要同时跟踪 A股、港股、美股等多个市场的自选股,手动查看行情、新闻、公告效率低下;二是技术指标、基本面数据分散在不同平台,缺乏综合决策视角;三是错过交易时机或风险信号,需要每日定时提醒但人工盯盘成本高。该项目通过 LLM 驱动的智能分析引擎,自动聚合多源行情数据(K线、技术指标、新闻、公告、基本面),生成包含核心结论、评分、买卖点位、风险警报、催化因素的决策仪表盘,并通过企业微信、飞书、Telegram 等渠道推送,支持 GitHub Actions 零成本定时运行。

为何火

该项目在 GitHub 上获得 5.7 万 stars,成为 Python 日榜第一,主要原因有四点:一是覆盖 A股/港股/美股/日股/韩股/台股六大市场,支持 ETF 分析,数据源包括 AkShare、Tushare、TickFlow、Longbridge 等十余种,满足全球化投资需求;二是基于 AI 大模型(支持 Anspire、Gemini、OpenAI 兼容、Claude、Ollama 本地模型等)生成结构化决策报告,包含 15 种内置策略(均线、缠论、波浪、趋势、热点、事件、成长、预期等),可多轮追问;三是提供 Web/桌面工作台,支持手动分析、历史报告查询、回测、持仓管理、浅色/深色主题,用户体验完善;四是 GitHub Actions 部署方案无需服务器,5 分钟完成配置,工作日自动执行并推送,降低使用门槛。

核心功能

AI 决策报告:基于 LLM 生成包含核心结论、评分(1-10分)、趋势判断、买卖点位、风险警报、催化因素、操作检查清单的结构化报告,支持 Markdown 格式和图片推送。

多市场数据聚合:覆盖 A股(沪深)、港股、美股、日股、韩股、台股和 ETF,支持实时行情、历史 K 线、技术指标(MACD、KDJ、RSI、布林带等)、新闻、公告、基本面(PE、PB、ROE、营收增长等)、研报辅助数据;不同市场的数据源和能力边界详见官方文档。

Agent 策略问股:支持多轮对话追问,内置 15 种策略(均线金叉死叉、缠论背驰、波浪理论、趋势跟踪、热点题材、事件驱动、成长股筛选、预期差分析等),覆盖 Web 工作台、Bot 推送、API 接口三种交互方式。

智能导入与补全:支持图片识别(OCR 提取股票代码)、CSV/Excel 批量导入、剪贴板快速导入;股票代码/名称/拼音/别名自动补全,兼容不同市场的代码格式(如 600519、hk00700、AAPL、7203.T、005930.KS、2330.TW)。

自动化与推送:支持 GitHub Actions 云端定时(默认工作日 18:00 北京时间)、Docker 容器化部署、本地定时任务(基于 schedule 库)、FastAPI 服务化运行;推送渠道包括企业微信、飞书、Telegram、Discord、Slack、邮件,支持签名校验、分组邮件、Markdown 转图片等高级配置。

安装

方式一:GitHub Actions(推荐,零成本)

1. Fork 仓库并点 Star
2. 在 Settings → Secrets and variables → Actions 配置 Secrets:
   • AI 模型 Key(至少一个):ANSPIRE_API_KEYS/AIHUBMIX_KEY/GEMINI_API_KEY/OPENAI_API_KEY 等
   • 通知渠道(至少一个):WECHAT_WEBHOOK_URL/FEISHU_WEBHOOK_URL/TELEGRAM_BOT_TOKEN 等
   • 自选股列表(必填):STOCK_LIST=600519,hk00700,AAPL
   • 新闻源(推荐):ANSPIRE_API_KEYS/SERPAPI_API_KEYS/TAVILY_API_KEYS 等
   • 行情数据源(可选):TUSHARE_TOKEN/LONGBRIDGE_OAUTH_CLIENT_ID 等
3. 在 Actions 标签启用工作流,手动触发测试
4. 默认每个工作日 18:00 自动执行,非交易日跳过

方式二:本地运行

git clone https://github.com/ZhuLinsen/daily_stock_analysis.git
cd daily_stock_analysis
pip install -r requirements.txt
cp .env.example .env  # 编辑 .env 填入配置
python main.py

方式三:Docker 部署

docker pull zhulinsen/daily_stock_analysis
# 需自行准备 docker-compose.yml 和 .env 文件
docker-compose up -d

适合谁

个人投资者:需要每日跟踪自选股、获取 AI 决策建议、自动推送提醒的散户,尤其适合同时投资 A股、港股、美股的用户,通过 GitHub Actions 零成本运行。

量化团队:需要多市场数据聚合、策略回测、持仓管理、API 服务化的小型量化团队,可基于开源代码定制策略和数据源,支持 Docker 私有化部署。

技术爱好者:对 LLM 应用、金融数据分析、自动化工作流感兴趣的开发者,项目提供完整的 Python 技术栈(SQLAlchemy ORM、多源行情接口、LiteLLM 多模型支持、FastAPI 服务)和 Web 工作台源码。

不适合:需要毫秒级实时行情、高频交易、复杂衍生品分析的专业机构;项目定位是日级决策辅助,数据延迟在分钟级,免费数据源稳定性一般。

社区评价

暂无足量社区公开讨论,以下为基于项目本身的中立评估:

该项目在 GitHub 上表现活跃,5.7 万 stars 和 4.9 万 forks 显示出较高关注度,99 位贡献者和频繁的版本更新(最新 v3.26.1 发布于 4 天前)表明维护团队投入充足。从技术实现看,项目采用多层数据源 fallback 机制(efinance → akshare → tushare → pytdx → baostock → yfinance),兼顾免费用户和付费用户需求;LLM 层支持 Anspire、Gemini、OpenAI 兼容、Claude、Ollama 等多种模型,灵活性较高;Web 工作台提供手动分析、历史报告、回测、持仓管理等功能,产品化程度较好。

潜在争议点在于数据源稳定性和 AI 决策可靠性:免费数据源(AkShare、Baostock)依赖第三方爬虫,易受上游接口变动和限流影响,日志中"未配置"提示可能让新手困惑;AI 生成的决策报告虽然结构化,但模型幻觉、新闻时效性、技术指标滞后等问题仍需人工复核,不能完全替代专业投研。67 个 open issues 中部分涉及数据源失效、推送失败、Docker 部署问题,反映出多市场、多数据源集成的复杂性。

正面反馈集中在部署便捷性和功能完整性:GitHub Actions 方案确实降低了使用门槛,5 分钟配置、零服务器成本对个人用户友好;多市场支持(A股/港股/美股/日股/韩股/台股)和 15 种内置策略覆盖了大部分散户需求;Web 工作台的浅色/深色主题、图片导入、Agent 问股等细节体现出产品思维。项目文档较为完善,提供中英文双语 README、完整配置指南、市场支持边界说明,降低了学习成本。

选型对比

vs 同花顺/东方财富 AI 诊股:商业平台提供实时行情、专业研报、投顾服务,数据稳定性和时效性更好,但功能封闭、无法定制策略、部分高级功能需付费会员。Daily Stock Analysis 开源免费、支持多市场、可自定义策略和数据源、通过 GitHub Actions 零成本运行,但数据源稳定性依赖配置(免费源一般,付费 token 型数据源更稳定),AI 决策需人工复核,适合技术型用户和小型团队。

vs Backtrader/Zipline 量化框架:专业量化框架侧重策略回测、因子分析、组合优化,需要编写代码实现策略逻辑,学习曲线陡峭。Daily Stock Analysis 提供开箱即用的 AI 决策报告和自动推送,内置 15 种常见策略,降低使用门槛,但回测功能相对简单,不适合复杂量化研究。两者可互补:用 Daily Stock Analysis 做日常决策提醒,用 Backtrader 做深度策略验证。

vs TradingView/雪球:TradingView 提供强大的图表工具和社区策略分享,雪球侧重社交讨论