Daily Stock Analysis 研究筆記¶
資料來源¶
| 項目 | 連結 |
|---|---|
| GitHub repo | https://github.com/ZhuLinsen/daily_stock_analysis |
| 同系列姊妹專案 | https://github.com/ZhuLinsen/alphasift（多因子選股）、AlphaForge（策略進化） |
| Docker Hub | zhulinsen/daily_stock_analysis |
| Trendshift | https://trendshift.io/repositories/18527 |
| HelloGitHub 精選 | rid=6daa16e405ce46ed97b4a57706aeb29f |
| 規模 | 37,207 stars / MIT / Python 3.10+ / 創建 2026-01-10（4 個月衝到 37k stars） |
| Topics | a-stock、ai-agent、llm、quant、quantitative-finance、quantitative-trading |
概述¶
Daily Stock Analysis (DSA) 是中國開發者 ZhuLinsen 推出的 LLM 驅動 A/H/美股智能分析系統，slogan：
「LLM 驱动的 A/H/美股智能分析：多数据源行情 + 实时新闻 + LLM 决策仪表盘 + 多渠道推送，零成本定时运行，纯白嫖」
最核心的設計：用 GitHub Actions 當 cron job runner，跑零成本量化分析，每個工作日 18:00（北京時間）自動分析自選股 → 用 LLM 產生決策仪表盘 → 推到企業微信 / 飛書 / Telegram / Discord / Slack / 信箱。不需要伺服器，5 分鐘可上線。
整套系統解決的痛點：散戶想要每天有 AI 分析報告，但不想自己跑伺服器 + 不想付 SaaS 訂閱費。DSA 用 GitHub Actions 免費額度 + 多家有免費額度的 LLM provider，把這條 pipeline 變成「fork → 設 secrets → 啟用 Actions」三步驟。
功能矩陣¶
| 能力 | 內容 |
|---|---|
| 🎯 AI 決策報告 | 核心結論、評分、趨勢、買賣點位、風險警報、催化因素、操作檢查清單 |
| 📊 多市場數據 | A股、港股、美股、ETF；行情、K 線、技術指標、資金流、籌碼、新聞、公告、基本面 |
| 🖥️ Web / 桌面工作台 | 手動分析、任務進度、歷史報告、Markdown 報告、回測、持倉、配置管理 |
| 🤖 Agent 策略問股 | 多輪追問 + 15 種內建策略（均線、纏論、波浪、趨勢、熱點、事件、成長、預期等） |
| 📥 智能導入與補全 | 圖片 / CSV / Excel / 剪貼簿導入；股票代碼 / 名稱 / 拼音 / 別名補全 |
| 🚀 自動化與推送 | GitHub Actions / Docker / 本地 cron / FastAPI + 6 通知頻道 |
技術選型¶
| 類別 | 支援 |
|---|---|
| LLM | Anspire（中國一站式）、AIHubMix、Gemini、OpenAI compat、DeepSeek、通義千問、Claude、Ollama |
| 行情 | TickFlow、AkShare、Tushare、Pytdx、Baostock、YFinance、Longbridge |
| 新聞搜索 | Anspire AI Search、SerpAPI、Tavily、Bocha、Brave、MiniMax、SearXNG |
| 社交輿情 | Adanos Stock Sentiment API（Reddit / X / Polymarket，美股 only） |
| 通知 | 企業微信、飛書、Telegram、Discord、Slack、Email |
| 部署 | GitHub Actions（推薦）、Docker、本地 cron、FastAPI server、Web UI |
→ 設計重點是「provider 多到一定有免費的能用」——不依賴單一付費 API、不需要科學上網。
GitHub Actions 零成本部署的關鍵¶
# 大致流程（從 README 推敲）
1. Fork repo
2. Settings → Secrets → New secret
- 至少配 1 個 LLM（推薦 Anspire 或 AIHubMix，免費額度足）
- 至少配 1 個通知頻道
- STOCK_LIST（自選股代碼，如 "600519,hk00700,AAPL,TSLA"）
- 至少配 1 個新聞源（強烈推薦）
3. Actions → Enable
4. 手動觸發測試
5. 預設工作日 18:00 北京時間自動跑
節假日邏輯內建：預設非交易日（A/H/US 各自節假日）不執行；交易日檢查、強制執行、斷點續傳都有對應 flag。
決策仪表盘範例（README 直接抄）¶
🎯 2026-02-08 决策仪表盘
共分析3只股票 | 🟢买入:0 🟡观望:2 🔴卖出:1
📊 分析結果摘要
⚪ 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)
📰 重要信息速览
💭 舆情情绪: 市场关注其 AI 属性与业绩高增长...
📊 业绩预期: 2025 年前三季度业绩同比大幅增长...
🚨 风险警报：
风险点 1：2 月 5 日主力资金大幅净卖出 3.63 亿元...
风险点 2：筹码集中度高达 35.15%...
风险点 3：历史违规记录及重组相关风险...
✨ 利好催化：
利好 1：AI 服务器 HDI 核心供应商...
利好 2：扣非净利润同比暴涨 407.52%...
📢 最新动态: ...
→ 報告結構設計成手機可讀的「卡片化」格式（標題 emoji + 短段落 + bullet），不是把 LLM 原始輸出貼出來。
三件套姊妹專案¶
| 專案 | 定位 |
|---|---|
| daily_stock_analysis（本研究） | 日常分析 — 每日自動產報告 |
| AlphaSift | 選股 — 多因子全市場掃描 |
| AlphaForge（README 提到） | 策略進化 — 策略驗證與優化 |
→ 作者明確說「當前獨立維護，後續會優先探索與 DSA 的候選股導入、回測驗證、報告聯動」——三件套未來會打通。
Agent 策略問股（15 內建策略）¶
Web /chat 介面支援多輪問股，內建策略：
每個策略本質是 system prompt + tool 組合——LLM 在 strategy frame 下做分析，呼叫實時行情 / K 線 / 技術指標 / 新聞 / 風險工具。
支援功能： - 多輪追問 - 會話導出 - 發送到通知頻道 - 後台執行 - 自訂策略檔案 - 多 Agent 編排（實驗性）
目前限制與注意事項¶
- 「LLM 分析」不是「LLM 決策」：報告產出評分 / 觀望 / 買賣建議，但這是基於新聞 + 指標的綜合 LLM 判斷，不是 backtest 過的策略訊號。實盤跟單風險高。
- 資料源品質參差：AkShare / Tushare / Baostock 對 A 股強，台股不支援；YFinance 對美股 OK 但延遲較大。
- 新聞源是關鍵變數：README 自陳「新聞源會顯著影響輿情、公告、事件和催化因素質量」——免費 tier 配額有限，production 用得買額度。
- 強相依「中國新聞源 + 中國 LLM」：Anspire / AIHubMix / 博查 / 通義千問是中國服務，台灣使用者需要評估資料合規性；Gemini / OpenAI / Claude 路線完全可行，但要科學上網或 AIHubMix 中轉。
- GitHub Actions 公開倉庫每月 2000 分鐘額度：超過會被收費；Fork 後務必確認不要把 secrets 設成 public。
- 零成本是免費 tier 撐起來的脆弱平衡：免費 LLM 額度、免費 GitHub Actions、免費新聞源——任一收緊就會破功。
- 「贊助商」是 Anspire / SerpAPI：README 顯著推薦這兩個服務，使用前要意識到這是商業合作而非中立技術選擇。
- 無 Agent 風控：報告產生後直接推給使用者，沒有「風險過高拒絕推送」的 guardrail——可能在極端市況推出誤導性建議。
研究價值與啟示¶
關鍵洞察¶
- 「GitHub Actions 當零成本 cron runner」是被低估的部署模式：對個人量化 / 小型 SaaS，Actions 免費額度（公開倉庫每月 2000 分鐘）足以跑大部分日頻 / 週頻任務。免費、無 server 維護、有完整 secret 管理 + 日誌——是 retail quant 開發最佳的 starter platform。值得完全抄這個 deploy 路線到你的策略 backtest / 訊號通知系統。
- 「決策仪表盘」這個資訊架構值得學：把 LLM 原始輸出 強制套進固定模板（核心結論 + 評分 + 趨勢 + 買賣點位 + 風險警報 + 利好催化 + 操作清單）——對使用者可讀、對 LLM 易產出、對下游可解析。比起讓 LLM 自由發揮，模板化輸出是 production-grade LLM 應用的關鍵紀律。
- 多 provider 策略是抗風險核心：8+ LLM、7+ 行情、7+ 新聞源、6 通知頻道——沒有單點故障。對個人用戶降低 vendor lock-in、對極端時刻（某家 API 掛掉）有兜底。這個架構應該是任何 production LLM 應用的預設姿勢。
- 「白嫖」哲學的開源策略：作者直接在 description 寫「纯白嫖」——這個定位在中國開源圈是強有力的 positioning。對台灣 retail 同樣適用——多數人不會付 ChatGPT Plus 訂閱、不會租伺服器，但會願意 fork 一個免費跑的 repo。
- 15 種策略 = 15 個 system prompt：呼應 [[fincept-terminal]] 的 37 AI agents（Buffett / Graham / Lynch），「投資策略 = 角色 prompt + tool 組合」已是 retail quant 的標配 UI pattern。差異是 Fincept 用大師人物、DSA 用技術指標流派。
- 三件套姊妹專案揭示完整 retail quant agent stack：選股（AlphaSift）→ 日常分析（DSA）→ 策略進化（AlphaForge）。對台灣有志做類似系統的人，這是個值得抄的完整切分。
- CJK 報告 + 卡片化排版：報告大量 emoji + 短段落 + 標題鮮明——是適合手機推播閱讀的設計，比英文長文更貼合通訊軟體場景。
- GitHub Actions 上跑 LLM 還有個 hidden benefit：每次運行的 log 全部留在 Actions tab，自帶 trace + debug——這是「免費 observability」。
與其他研究的關聯¶
- 與 [[fincept-terminal]]：兩者都是 retail quant + 多 LLM provider + AI agents，但部署模型完全不同——Fincept 是 native desktop app（C++ + Qt6），DSA 是 GitHub Actions 排程任務。「桌面 app vs 雲端 cron」是 retail quant 的兩個主要部署路線。
- 與 [[ai-hedge-fund]]、[[tradingagents]]、[[ai-trader]]：四者都是 LLM agents 做交易分析，DSA 是唯一全 production-ready 的「每日自動推 → 使用者讀」消費端產品；其他三者更偏 framework / research。
- 與 [[openstock]]、[[stockstats]]、[[tejapi_python_medium_quant]]：純資料層 vs 整合產品層的對照。DSA 是後者最完整的例子。
- 與 [[openhuman]]：兩者都是「定時 fetch + LLM 分析 + 通知」架構——OpenHuman 是個人生活版（Gmail / Notion / Calendar），DSA 是金融版（行情 / 新聞 / 自選股）。核心架構幾乎一致，差異只在 data domain。
- 與 [[cli-anything]]、[[rag-anything]]：DSA 沒用 MCP / CLI 抽象層，直接寫死 provider 整合。對應的設計取捨：DSA 為了 simplicity、CLI-Anything 為了 generality。
- 對台灣 retail quant 的應用：直接 fork DSA，把 AkShare / Tushare 換成 yfinance/TWSE + 永豐 API 即可變成「台股 DSA」。所有「LLM + 新聞 + 通知頻道」邏輯都能保留。
- 與 [[zeuikli-claude-code-best-practices]] 第 8 章 Routines：DSA 的 GitHub Actions cron 本質就是 routine——對比 Anthropic 自家 Routines（Pro 5 次 / Max 15 次 / Team 25 次 / 日），GitHub Actions 每月 2000 分鐘是更慷慨的免費資源。