AI 股票分析系统 daily_stock_analysis:GitHub Actions 零成本搭建每日决策日报

AI工具1个月前发布 aisilink
53 0 0
用AI免费搭建每日股票分析系统的封面图

daily_stock_analysis 是一个开源的股票智能分析系统,用大语言模型把行情、新闻和技术指标整合成一份可读的决策报告,覆盖 A 股、港股、美股以及日股、韩股、台股等多个市场。它最大的特点是可以挂在 GitHub Actions 上定时运行,不用自己开电脑、也不用租服务器,一整套流程的运行成本能压到接近零。项目采用 MIT 协议开源,代码托管在作者的 GitHub 仓库,另有一个在线演示站可以直接体验。

对普通投资者来说,它对应的是一个很具体的场景:手里有十几只自选股,每天想快速知道哪只有异动、哪只出了利空、技术面到没到关键位,但又没精力逐个翻看。这套系统把这些判断打包成一份日报,在工作日固定时间推送到你的企业微信或飞书。

整体是怎么运转的

理解这套系统,最快的方式是顺着数据的流向看一遍:先从各个数据源把行情和消息抓回来,交给大模型综合研判,产出一份带结论的日报,最后推送到你常用的沟通工具里。

daily_stock_analysis 从数据采集到自动推送的工作流程图

图:系统整体工作流程,从多源数据到自动推送的决策日报

核心功能

系统的最终产出是一份 AI 决策报告,给出核心结论、评分、趋势判断、参考买卖点位和风险警报,而不是甩一堆原始指标让你自己消化。数据层则聚合了行情、K 线、技术指标、新闻、公告和基本面,多个市场统一处理。

除了自动日报,它还带一个 Web 工作台,可以手动发起分析、查看任务进度和历史报告,支持 Markdown 渲染。更进一步的是 Agent 策略问股功能,内置均线、缠论、波浪、趋势等十多种策略,可以按不同策略视角向它提问,相当于把 AI Agent 的思路用到了选股环节。另外支持从图片、CSV/Excel、剪贴板批量导入自选股,省去手动录入。

支持的模型与数据源

模型这一层给的选择很宽:Gemini、Claude、OpenAI 兼容接口,以及本地部署的 Ollama 都能接,此外还整合了 Anspire、AIHubMix 这类聚合服务。通过 OpenAI 兼容接口可以直接挂 DeepSeek 和通义千问 Qwen,这两家都有免费额度,配一个就能把系统跑起来——这也是它能做到零成本的关键。

行情数据源分免费和付费两档。AkShare、Baostock、YFinance 这几个免费源零配置就能用,适合先跑起来看效果;Tushare(A 股)、Longbridge(港股、美股)等付费源则用来提升取数稳定性。新闻检索支持 SerpAPI、Tavily、Brave、SearXNG 等多家;社交舆情目前只覆盖美股(来自 Reddit、X 等,属可选项)。

这里有个现实需要注意:免费行情源受上游限流和接口变动影响,官方明确说稳定性不做保证。偶尔跑一次问题不大,但如果打算长期每天定时、批量分析几十只股票,配一个付费数据源会稳妥很多,否则容易遇到取数失败。

两种部署方式

推荐的方式是 GitHub Actions,全程在云端跑,适合不想碰服务器的人。步骤是先 Fork 仓库,在仓库设置的 Secrets 里填好各类 API Key 和自选股清单,再到 Actions 标签页启用工作流。配好之后默认在工作日 18:00(北京时间)自动执行,非交易日不跑,也可以随时手动触发一次做测试。

想在本地或用 Docker 跑,命令也很直接:

git clone https://github.com/ZhuLinsen/daily_stock_analysis.git
cd daily_stock_analysis
pip install -r requirements.txt
cp .env.example .env   # 复制后编辑 .env 填入密钥
python main.py

本地模式另有一批运行和调试参数,常用的几个是:

python main.py --debug          # 调试模式
python main.py --dry-run        # 只分析不推送
python main.py --stocks 600519,hk00700,AAPL,2330.TW   # 临时指定股票
python main.py --schedule       # 常驻定时运行
python main.py --webui          # 启动 Web 工作台,默认 http://127.0.0.1:8000

两种方式的取舍很清楚:大多数只想收到日报的人用 GitHub Actions 就够了,省心;有开发能力、想改分析逻辑或接更多数据源的,再考虑本地或 Docker。

GitHub Actions 与本地Docker两种部署方式对比

图:两种部署方式的适用场景对比

最少要配哪些东西

必填的只有两项:自选股清单 STOCK_LIST,以及至少一个 AI 模型的 API Key。股票代码支持多市场混写,例如:

STOCK_LIST=600519,hk00700,AAPL,7203.T,005930.KS,2330.TW

推送渠道按需配置,企业微信、飞书、Telegram、Discord、Slack 和邮件都支持,各自对应一个 Webhook 或 Token。新闻源和付费行情源属于可选项,不配也能跑,只是分析时能参考的信息面会窄一些。

适合谁,以及别指望它做什么

它更适合已经有一批自选股、想省下每天逐个盯盘时间的投资者,尤其是能自己配一下密钥、看得懂环境变量的人。完全不懂技术的用户上手会有门槛,但请人代搭一次之后,日常使用并不难。

更要摆正的是它的定位。作者在项目里写明仅供学习研究,不构成投资建议。它的输出更适合当成盘前的初筛工具,帮你从一堆自选股里快速圈出值得细看的那几只,而不是替你拍板买卖。AI 会综合公开信息给出判断,但它读到的新闻和数据本身就可能滞后或有偏差,最终拿主意的仍然得是人。股市有风险,这一点不会因为换了工具而改变。

官网 / 下载

GitHub 开源仓库:ZhuLinsen/daily_stock_analysis(MIT 协议,免费)

在线演示站:dsa.zhulinsen.tech

© 版权声明

相关文章