首页 > 开源 > 6.9万Stars!LLM驱动的多市场股票AI分析神器

6.9万Stars!LLM驱动的多市场股票AI分析神器

AI垂直社区 2026-11-11 11:01 3 阅读 查看原文

这是一个基于大模型的多市场股票智能分析系统,覆盖A股、港股、美股、日股、韩股及台股等,集成实时行情、新闻、公告与基本面数据。系统每日自动生成AI决策报告,支持企业微信、飞书等多渠道推送,零成本运行,开箱即用。

适用人群:个人投资者:缺乏专业投研工具,需要每日自动分析自选股并获取决策建议的散户群体;量化开发者:寻找LLM驱动金融分析框架,希望二次开发或集成到自有交易系统的程序员;量化研究员:需要多市场数据聚合与AI辅助决策报告的研究人员。

适用场景:自选股每日监控:设定定时任务,系统每日自动抓取行情与新闻,生成包含买卖点、风险警报与操作清单的AI决策报告,推送至企业微信或飞书,实现无人值守的投研流程;多市场轮动跟踪:同时监控A股、港股、美股等跨市场标的,利用LLM分析不同市场联动与轮动机会;团队投研协作:将AI生成的决策仪表盘推送至团队频道,辅助投研团队快速形成共识。

推荐理由:该项目最大的价值在于将LLM与多市场金融数据深度融合,降低了专业投研的门槛。零成本定时运行与多渠道推送设计极为实用,Docker与GitHub Actions开箱即用,适合个人与团队快速搭建AI投研工作流。

项目定位与背景

ZhuLinsen/daily_stock_analysis 是一个面向全球多市场投资者的LLM驱动股票智能分析系统。它通过大模型整合多源行情、实时新闻、公告与基本面数据,每日自动生成包含核心结论、评分、趋势、买卖点位、风险警报与操作清单的决策报告,并推送至企业微信、飞书、Telegram、Discord、Slack或邮箱。项目采用MIT协议,社区活跃,已被Trendshift和HelloGitHub推荐,显示出较高的用户认可度。

核心功能与技术架构

系统核心由数据聚合、LLM分析引擎与推送服务三部分构成。数据层覆盖A股、港股、美股、日股、韩股、台股及ETF,支持行情、K线、技术指标、新闻、公告、基本面与研报辅助数据。AI决策报告模块基于大模型生成结构化分析,输出核心结论、评分、趋势、买卖点位、风险警报、催化因素与操作检查清单。用户可通过DSA Web工作台交互查看,亦可配置定时任务实现自动化运行。项目提供Docker镜像与GitHub Actions集成,支持零成本定时运行,大幅降低运维门槛。

创新点与亮点

首先,多市场覆盖能力是其突出优势。相比多数开源量化项目仅聚焦A股或美股,该系统一次性覆盖全球主要股市与ETF,满足跨境投资者需求。其次,LLM驱动的决策报告不仅给出技术指标,还融合新闻与公告进行语义分析,输出买卖点位与风险警报,更贴近实战。第三,零成本运行设计极具吸引力,通过GitHub Actions或Docker自托管,无需服务器成本即可实现每日自动分析与多渠道推送。此外,多源数据聚合与实时新闻抓取能力,确保了信息的时效性与全面性。

与同类项目对比

相较于传统量化框架如Backtrader或Zipline,该项目更侧重AI辅助决策而非策略回测,降低了普通投资者的使用门槛。与动辄依赖付费数据源的竞品相比,它通过多源聚合与开源方案实现低成本运行。相较于单一市场的分析工具,其多市场覆盖与跨语言文档支持更具全球化视野。不过,作为LLM驱动项目,其分析质量高度依赖所接入的大模型能力与数据源稳定性,用户需根据自身需求评估模型选型。

上手指南或快速开始

项目提供详尽的中英繁文档,支持Docker一键部署与GitHub Actions零成本定时运行。用户只需克隆仓库,配置自选股列表与推送渠道,即可启动每日自动分析。Docker镜像zhulinsen/daily_stock_analysis可直接拉取运行,或通过CI定时触发。详细指南可参考docs/full-guide.md,涵盖多市场配置、数据源设置与推送集成。

总结与展望

daily_stock_analysis 凭借多市场覆盖、LLM驱动决策与零成本运行,成为个人与团队AI投研的高效工具。它降低了专业投研的门槛,使投资者能快速获取结构化决策报告。未来若进一步优化模型推理成本、增强多模态数据融合与回测验证,项目有望在量化交易领域发挥更大价值。总体而言,对于寻求轻量级AI投研方案的用户,这是一个值得尝试的开源选择。

项目信息

项目名称 ZhuLinsen/daily_stock_analysis
编程语言 Python
Star 数 69591
Fork 数 56699
主题标签 a-stock, ai-agent, aigc, llm, quant, quantitative-finance, quantitative-trading
查看 GitHub 项目
https://github.com/ZhuLinsen/daily_stock_analysis