向AI转型的程序员都关注公众号 机器学习AI算法工程
每天收盘后,你是不是还在手动翻看各种股票软件、刷财经新闻、看研报?如果有一套系统,能自动帮你分析自选股,生成一份像专业投顾一样的决策报告,直接推送到你的企业微信/飞书/Telegram——而且完全免费、零成本运行?
这就是GitHub上爆火的daily_stock_analysis,一个LLM驱动的多市场股票智能分析系统,目前已斩获6.3万Star。
https://github.com/ZhuLinsen/daily_stock_analysis
一、它是什么?
daily_stock_analysis是一套基于大语言模型(LLM)的自选股智能分析系统。简单来说,它能:
1. 多市场覆盖:支持A股、港股、美股、日股、韩股、台股以及ETF,一个系统搞定全球市场。
2. 多源数据聚合:自动采集行情数据、K线、技术指标、新闻、公告、基本面数据,无需手动搜集。
3. AI生成决策报告:大模型自动分析,输出核心结论、评分、趋势判断、买卖点位、风险警报、催化因素、操作检查清单。
4. 自动推送到手机:每天收盘后自动执行,结果推送到企业微信、飞书、Telegram、Discord、Slack或邮箱。
二、五大核心亮点
亮点一:零成本运行
利用GitHub Actions的免费额度,无需购买服务器,Fork仓库、配置几个Secret就能跑起来。每个工作日18:00(北京时间)自动执行分析。
亮点二:决策仪表盘
不是简单地告诉你涨跌,而是生成一份完整的决策仪表盘:包含综合评分、舆情情绪分析、业绩预期、风险警报、利好催化、操作检查清单。像私人投顾一样专业。
亮点三:Web工作台 + Agent问股
内置Web界面,支持手动分析、历史报告查看、任务监控。更强大的是Agent策略问股功能——支持均线金叉、缠论、波浪理论、多头趋势、热点题材、事件驱动等15种内置策略,可以多轮追问,像和投顾对话一样。
亮点四:多模型支持
支持Anspire、AIHubMix、Gemini、OpenAI、DeepSeek、通义千问、Claude、Ollama本地模型等主流AI服务。甚至可以在本地用Ollama跑开源模型,完全私有化。
亮点五:智能导入
支持通过图片、CSV/Excel、剪贴板导入自选股,还有股票代码/名称/拼音/别名补全功能,配置自选股非常方便。
三、推送效果长什么样?
系统每天会推送两份报告:决策仪表盘(自选股分析)和大盘复盘(市场概况)。
🎯 2026-02-08 决策仪表盘
共分析3只股票 | 🟢买入:0 🟡观望:2 🔴卖出:1
────────────────────────
⚪ 中钨高新(000657): 观望 | 评分 65 | 看多
⚪ 永鼎股份(600105): 观望 | 评分 48 | 震荡
🟡 新莱应材(300260): 卖出 | 评分 35 | 看空
────────────────────────
📰 中钨高新 (000657)
💭 舆情情绪: 市场关注其AI属性与业绩高增长
📊 业绩预期: 前三季度扣非净利润同比暴涨407%
🚨 风险: 主力资金净卖出3.63亿元
✨ 催化: AI服务器HDI核心供应商
📊 大盘复盘示例
上证指数: 3250.12 (🟢+0.85%)
深证成指: 10521.36 (🟢+1.02%)
创业板指: 2156.78 (🟢+1.35%)
上涨: 3920 | 下跌: 1349 | 涨停: 155 | 跌停: 3
领涨板块: 互联网服务、文化传媒、小金属
四、5分钟快速上手(GitHub Actions方式)
第一步:Fork仓库
打开GitHub仓库页面,点击右上角Fork按钮,将项目复制到自己的账号下。
第二步:配置Secrets
进入仓库Settings → Secrets and variables → Actions,添加以下配置:
|
|
|
|---|---|
OPENAI_API_KEY |
|
STOCK_LIST |
600519,hk00700,AAPL
|
WECHAT_WEBHOOK_URL |
|
FEISHU_WEBHOOK_URL |
|
第三步:启用Actions
进入Actions标签页,点击「I understand my workflows, go ahead and enable them」。
第四步:手动测试
Actions → 每日股票分析 → Run workflow,测试一次看看效果。
💡 提示:默认每个工作日18:00(北京时间)自动执行,非交易日不运行。也可以在本地用 python main.py 手动运行,或用Docker部署。
五、技术架构一览
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
项目默认内置AkShare、Baostock、YFinance等免费数据源,零配置即可运行。如需更稳定的数据,可配置Tushare、Longbridge等付费数据源。
六、适合谁用?
个人投资者:每天自动收到自选股分析报告,省去手动研究的时间,辅助投资决策。
量化开发者:项目提供了完整的数据采集、分析、推送管线,可以作为量化系统的基座进行二次开发。
AI/LLM学习者:项目是一个很好的LLM应用场景实战案例,展示了如何将大模型与金融数据结合。
团队协作:支持多渠道推送,适合投资团队共享分析结果。
机器学习算法AI大数据技术
搜索公众号添加: datanlp
长按图片,识别二维码
阅读过本文的人还看了以下文章:
【模型高效部署】tensorrtx 深度解读,yolov11高性能推理实战案例
整理开源的中文大语言模型,以规模较小、可私有化部署、训练成本较低的模型为主
基于40万表格数据集TableBank,用MaskRCNN做表格检测
《深度学习入门:基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习:基于TensorFlow的实践详解》完整版PDF+附书代码
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加: datayx

