LLM 驅動的多市場股票智慧分析系統

解決什麼

個人投資者和量化團隊在多市場股票分析時面臨三大痛點:一是需要同時跟蹤 A股、港股、美股等多個市場的自選股,手動檢視行情、新聞、公告效率低下;二是技術指標、基本面資料分散在不同平臺,缺乏綜合決策視角;三是錯過交易時機或風險訊號,需要每日定時提醒但人工盯盤成本高。該專案通過 LLM 驅動的智慧分析引擎,自動聚合多源行情資料(K線、技術指標、新聞、公告、基本面),生成包含核心結論、評分、買賣點位、風險警報、催化因素的決策儀表盤,並通過企業微信、飛書、Telegram 等渠道推送,支援 GitHub Actions 零成本定時執行。

為何火

該專案在 GitHub 上獲得 5.7 萬 stars,成為 Python 日榜第一,主要原因有四點:一是覆蓋 A股/港股/美股/日股/韓股/臺股六大市場,支援 ETF 分析,資料來源包括 AkShare、Tushare、TickFlow、Longbridge 等十餘種,滿足全球化投資需求;二是基於 AI 大模型(支援 Anspire、Gemini、OpenAI 相容、Claude、Ollama 本地模型等)生成結構化決策報告,包含 15 種內建策略(均線、纏論、波浪、趨勢、熱點、事件、成長、預期等),可多輪追問;三是提供 Web/桌面工作臺,支援手動分析、歷史報告查詢、回測、持倉管理、淺色/深色主題,使用者體驗完善;四是 GitHub Actions 部署方案無需伺服器,5 分鐘完成配置,工作日自動執行並推送,降低使用門檻。

核心功能

AI 決策報告:基於 LLM 生成包含核心結論、評分(1-10分)、趨勢判斷、買賣點位、風險警報、催化因素、操作檢查清單的結構化報告,支援 Markdown 格式和圖片推送。

多市場資料聚合:覆蓋 A股(滬深)、港股、美股、日股、韓股、臺股和 ETF,支援即時行情、歷史 K 線、技術指標(MACD、KDJ、RSI、布林帶等)、新聞、公告、基本面(PE、PB、ROE、營收增長等)、研報輔助資料;不同市場的資料來源和能力邊界詳見官方文件。

Agent 策略問股:支援多輪對話追問,內建 15 種策略(均線金叉死叉、纏論背馳、波浪理論、趨勢跟蹤、熱點題材、事件驅動、成長股篩選、預期差分析等),覆蓋 Web 工作臺、Bot 推送、API 介面三種互動方式。

智慧匯入與補全:支援圖片識別(OCR 提取股票程式碼)、CSV/Excel 批次匯入、剪貼簿快速匯入;股票程式碼/名稱/拼音/別名自動補全,相容不同市場的程式碼格式(如 600519、hk00700、AAPL、7203.T、005930.KS、2330.TW)。

自動化與推送:支援 GitHub Actions 雲端定時(預設工作日 18:00 北京時間)、Docker 容器化部署、本地定時任務(基於 schedule 庫)、FastAPI 服務化執行;推送渠道包括企業微信、飛書、Telegram、Discord、Slack、郵件,支援簽名校驗、分組郵件、Markdown 轉圖片等高階配置。

安裝

方式一:GitHub Actions(推薦,零成本)

1. Fork 倉庫並點 Star
2. 在 Settings → Secrets and variables → Actions 配置 Secrets:
   • AI 模型 Key(至少一個):ANSPIRE_API_KEYS/AIHUBMIX_KEY/GEMINI_API_KEY/OPENAI_API_KEY 等
   • 通知渠道(至少一個):WECHAT_WEBHOOK_URL/FEISHU_WEBHOOK_URL/TELEGRAM_BOT_TOKEN 等
   • 自選股列表(必填):STOCK_LIST=600519,hk00700,AAPL
   • 新聞源(推薦):ANSPIRE_API_KEYS/SERPAPI_API_KEYS/TAVILY_API_KEYS 等
   • 行情資料來源(可選):TUSHARE_TOKEN/LONGBRIDGE_OAUTH_CLIENT_ID 等
3. 在 Actions 標籤啟用工作流,手動觸發測試
4. 預設每個工作日 18:00 自動執行,非交易日跳過

方式二:本地執行

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

方式三:Docker 部署

docker pull zhulinsen/daily_stock_analysis
# 需自行準備 docker-compose.yml 和 .env 檔案
docker-compose up -d

適合誰

個人投資者:需要每日跟蹤自選股、獲取 AI 決策建議、自動推送提醒的散戶,尤其適合同時投資 A股、港股、美股的使用者,通過 GitHub Actions 零成本執行。

量化團隊:需要多市場資料聚合、策略回測、持倉管理、API 服務化的小型量化團隊,可基於開原始碼定製策略和資料來源,支援 Docker 私有化部署。

技術愛好者:對 LLM 應用、金融資料分析、自動化工作流感興趣的開發者,專案提供完整的 Python 技術棧(SQLAlchemy ORM、多源行情介面、LiteLLM 多模型支援、FastAPI 服務)和 Web 工作臺原始碼。

不適合:需要毫秒級即時行情、高頻交易、複雜衍生品分析的專業機構;專案定位是日級決策輔助,資料延遲在分鐘級,免費資料來源穩定性一般。

社群評價

暫無足量社群公開討論,以下為基於專案本身的中立評估:

該專案在 GitHub 上表現活躍,5.7 萬 stars 和 4.9 萬 forks 顯示出較高關注度,99 位貢獻者和頻繁的版本更新(最新 v3.26.1 釋出於 4 天前)表明維護團隊投入充足。從技術實現看,專案採用多層資料來源 fallback 機制(efinance → akshare → tushare → pytdx → baostock → yfinance),兼顧免費使用者和付費使用者需求;LLM 層支援 Anspire、Gemini、OpenAI 相容、Claude、Ollama 等多種模型,靈活性較高;Web 工作臺提供手動分析、歷史報告、回測、持倉管理等功能,產品化程度較好。

潛在爭議點在於資料來源穩定性和 AI 決策可靠性:免費資料來源(AkShare、Baostock)依賴第三方爬蟲,易受上游介面變動和限流影響,日誌中"未配置"提示可能讓新手困惑;AI 生成的決策報告雖然結構化,但模型幻覺、新聞時效性、技術指標滯後等問題仍需人工複核,不能完全替代專業投研。67 個 open issues 中部分涉及資料來源失效、推送失敗、Docker 部署問題,反映出多市場、多資料來源整合的複雜性。

正面反饋集中在部署便捷性和功能完整性:GitHub Actions 方案確實降低了使用門檻,5 分鐘配置、零伺服器成本對個人使用者友好;多市場支援(A股/港股/美股/日股/韓股/臺股)和 15 種內建策略覆蓋了大部分散戶需求;Web 工作臺的淺色/深色主題、圖片匯入、Agent 問股等細節體現出產品思維。專案文件較為完善,提供中英文雙語 README、完整配置指南、市場支援邊界說明,降低了學習成本。

選型對比

vs 同花順/東方財富 AI 診股:商業平臺提供即時行情、專業研報、投顧服務,資料穩定性和時效性更好,但功能封閉、無法定製策略、部分高階功能需付費會員。Daily Stock Analysis 開源免費、支援多市場、可自定義策略和資料來源、通過 GitHub Actions 零成本執行,但資料來源穩定性依賴配置(免費源一般,付費 token 型資料來源更穩定),AI 決策需人工複核,適合技術型使用者和小型團隊。

vs Backtrader/Zipline 量化框架:專業量化框架側重策略回測、因子分析、組合最佳化,需要編寫程式碼實現策略邏輯,學習曲線陡峭。Daily Stock Analysis 提供開箱即用的 AI 決策報告和自動推送,內建 15 種常見策略,降低使用門檻,但回測功能相對簡單,不適合複雜量化研究。兩者可互補:用 Daily Stock Analysis 做日常決策提醒,用 Backtrader 做深度策略驗證。

vs TradingView/雪球:TradingView 提供強大的圖表工具和社群策略分享,雪球側重社交討論