daily_stock_analysis：LLM驱动的多市场股票智能分析系统

这是什么

ZhuLinsen/daily_stock_analysis 是一个基于 AI 大模型的自选股智能分析系统，支持 A 股、港股、美股、日股及韩股。该项目旨在通过自动化流程，每日生成「决策仪表盘」，并将包含基本面分析、舆情监控、技术面评估及风险提示的综合报告推送至企业微信、飞书、Telegram、Discord、Slack 或邮箱。

项目采用 Python 开发，核心逻辑依赖于 LLM（大语言模型）对多源数据（新闻、公告、行情、舆情）的理解与推理。它提供 GitHub Actions 云端无服务器部署方案，也支持本地 Docker 或 Python 环境运行，旨在以零成本实现个人投资者的每日智能投研辅助。

解决的问题

传统个人投资者在股票分析中面临三大痛点：

1. 信息过载与碎片化：每日需处理海量新闻、财报、公告及社交媒体舆情，人工筛选关键信息效率极低。
2. 分析维度单一：往往依赖单一的技术指标或主观情绪，缺乏将基本面、消息面、资金面结合的多维量化视角。
3. 执行成本高：搭建自动化数据抓取、清洗、LLM 推理及通知推送的全链路系统，通常需要较高的开发成本和服务器维护成本。

本项目通过标准化配置和自动化工作流，解决了从数据获取到智能决策辅助的全链路问题，让普通用户也能拥有类似专业投研团队的每日复盘能力。

核心功能

• 多市场覆盖与自动分析：支持 A 股、港股、美股、日股、韩股。默认在每个工作日 18:00（北京时间）自动触发分析，非交易日（含各市场节假日）自动跳过，支持断点续传和强制手动触发。
• 智能决策仪表盘：
  • 综合评分：基于多维度数据生成评分（如 0-100 分）。
  • 操作建议：输出明确的「买入」、「观望」、「卖出」建议。
  • 结构化摘要：包含重要信息速览、舆情情绪、业绩预期、风险警报（如主力资金流向、筹码集中度、历史违规）、利好催化及最新动态。
• 多源数据融合：
  • 数据源优先级：内置严格的数据源优先级策略，确保在部分数据源超时或失败时仍能生成报告。
  • 基本面 P0 超时语义：针对关键财务数据设置超时处理机制，平衡时效性与准确性。
  • 新闻与舆情：支持配置多种搜索服务和社交舆情源，显著影响对事件催化因素和公告质量的判断。
• 灵活的部署与通知：
  • 部署方式：支持 GitHub Actions（推荐，零成本）、本地 Python 环境、Docker 部署。
  • 通知渠道：支持企业微信、飞书、Telegram、Discord、Slack、邮箱，支持签名校验、分组邮件及 Markdown 转图片。
• Web 工作台与 Agent 交互：
  • 提供 --webui 启动本地 Web 界面，支持配置管理、任务监控、历史报告查看。
  • Agent 问股：基于 LLM 的多轮对话能力，支持策略问股、实时行情查询、K 线及技术指标调用。
  • 策略支持：内置均线金叉、缠论、波浪理论、多头趋势、热点题材、事件驱动、成长质量、预期重估等策略。

亮点 / 与同类相比

• 极低的部署门槛：相比需要自建服务器和复杂数据管道的竞品，本项目提供「5 分钟完成部署」的 GitHub Actions 方案，无需购买服务器，利用 GitHub 免费额度即可运行。
• 深度 LLM 集成而非简单摘要：不仅是对新闻的简单汇总，而是通过精心设计的 Prompt 和规则（如交易纪律、数据源优先级），让 LLM 扮演「投研分析师」角色，输出具有逻辑链条的决策建议（如结合主力资金流出与业绩增长的矛盾分析）。
• 模块化与可扩展性：
  • 模型无关：支持云端 API（OpenAI, Anthropic 等）和本地模型（Ollama），用户可根据成本和隐私需求灵活选择。
  • 策略可定制：支持自定义策略文件和多 Agent 编排（实验性），允许高阶用户扩展分析逻辑。
• 完整的生态闭环：除了每日报告，还配套了选股、策略验证与进化等子项目，形成从「日常监控」到「深度选股」再到「策略回测」的完整工具链。
• 透明的风险披露：报告明确列出「风险警报」，如主力资金大幅净卖出、筹码分散、历史违规等，避免 AI 幻觉带来的误导，强调辅助而非替代决策。

适合谁用 / 上手

适合人群：

• 个人投资者：希望自动化获取每日股票分析，节省手动复盘时间，但缺乏编程基础或服务器资源。
• 量化/程序化交易爱好者：需要基础的数据清洗和 LLM 推理框架，在此基础上进行二次开发或策略集成。
• 多市场交易者：同时关注 A 股、港股、美股等多个市场，需要统一的分析视角和通知渠道。

上手指南：

1. Fork 项目：将 ZhuLinsen/daily_stock_analysis Fork 到自己的 GitHub 仓库。
2. 配置 Secrets：
   • 进入 Settings -> Secrets and variables -> Actions。
   • 添加至少一个 AI 模型的 API Key（如 OPENAI_API_KEY）。
   • 配置通知渠道（如企业微信 Webhook、飞书 Webhook 等）。
3. 配置自选股：在仓库中配置需要分析的股票代码列表。
4. 启用 Actions：在 Actions 标签页中，确认并启用工作流。
5. 运行测试：手动触发 每日股票分析 Workflow，检查报告生成及推送是否正常。

本地运行（高级用户）：

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

免责声明：本项目仅供学习和研究使用，生成的报告不构成任何投资建议。股市有风险，投资需谨慎。