การวิเคราะห์หุ้นรายวัน: ระบบ AI ที่เปลี่ยนรายการเฝ้าดูให้กลายเป็นแดชบอร์ดการตัดสินใจประจำวัน

daily_stock_analysis โดย ZhuLinsen เป็นหนึ่งในโปรเจกต์ AI-การเงินที่ได้รับดาวมากที่สุดในขณะนี้ — รีโพ Python อันดับ 1 ประจำวันบน Trendshift แต่ส่วนที่น่าสนใจไม่ได้อยู่ที่จำนวนดาว มันอยู่ที่การที่โปรเจกต์นี้ปฏิเสธที่จะแสร้งว่าตัวเองทำนายราคาได้ แทนที่จะเป็นเช่นนั้น มันแก้ปัญหาที่แคบกว่าและมีประโยชน์มากกว่ามาก: ในทุกวันทำการซื้อขาย ให้นำรายการเฝ้าดูของคุณมาสร้างรายงานเชิงวิเคราะห์ที่มีโครงสร้างและอธิบายได้ — แล้วส่งไปยังที่ที่คุณอ่านจริง ๆ ซึ่งก็คือแอปแชตของคุณ

คำปฏิเสธความรับผิดจากผู้เขียนโปรเจกต์: เพื่อการเรียนรู้และการวิจัยเท่านั้น ไม่ใช่คำแนะนำการลงทุน ตลาดมีความเสี่ยง

แนวคิดหลัก: ไม่ใช่บอต แต่เป็นนักวิเคราะห์-ผู้รายงานประจำวัน

รีโพ "การเทรดด้วย AI" ส่วนใหญ่ไล่ตามภาพฝันเดียวกัน: ใส่โมเดลเข้าไป ได้สัญญาณออกมา เงินงอกเงย daily_stock_analysis ถูกสร้างขึ้นบนสมมติฐานที่ซื่อตรงกว่านั้น — ส่วนที่ยากของการลงทุนไม่ใช่การสร้างสัญญาณเพิ่มอีกหนึ่งสัญญาณ แต่คือ การประกอบภาพรวมที่ครบถ้วนและสอดคล้องกัน ของหุ้นตัวหนึ่ง แล้วบันทึกมันด้วยวิธีเดิมทุกวัน

ดังนั้นมันจึงทำตัวเหมือนนักวิเคราะห์รุ่นน้องที่ทำงานตามตารางเวลา ไปป์ไลน์เป็นเส้นตรงและอ่านเข้าใจง่าย:

โดยค่าเริ่มต้น มันทำงานตามตารางเวลา (วันธรรมดา หลังตลาดปิด) และข้ามวันที่ไม่มีการซื้อขาย มันครอบคลุมหุ้น A ฮ่องกง หุ้นสหรัฐฯ และ ETF โดยรองรับตลาดญี่ปุ่นและเกาหลีในระดับที่ลดลงตรงจุดที่แหล่งข้อมูลเข้าไม่ถึง

ส่วนที่ฉลาดอย่างเงียบ ๆ: การสำรองข้อมูล

การตัดสินใจเชิงวิศวกรรมที่แข็งแกร่งที่สุดในโปรเจกต์นี้ไม่ใช่ LLM — แต่เป็นวิธีที่มันมอง ข้อมูลว่าไม่น่าเชื่อถือเป็นค่าเริ่มต้น

ข้อมูลตลาดถูกดึงผ่านห่วงโซ่ลำดับความสำคัญของผู้ให้บริการหกราย โดยแต่ละรายเป็นตัวสำรองของรายก่อนหน้า:

Efinance (P0) → Tencent (P0) → Akshare (P1) → Pytdx (P2) → Baostock (P3) → Yfinance (P4)

เมื่อคุณวิเคราะห์หุ้นสหรัฐฯ ระบบจะข้ามผู้ให้บริการเฉพาะจีนโดยอัตโนมัติและกำหนดเส้นทางไปยัง Yahoo Finance หากแหล่งข้อมูลล้มเหลว หมดเวลา หรือส่งคืนข้อมูลเพียงบางส่วน การรันจะลดคุณภาพเฉพาะบล็อกนั้นแทนที่จะทำให้รายงานทั้งหมดล่ม พรอมต์ยังถูกบอกด้วยว่าบล็อกใดเป็น fallback, partial หรือ missing — ดังนั้นโมเดลจึงถูกบังคับให้เขียนว่า "ไม่มีข้อมูล" แทนที่จะกุตัวเลขขึ้นมา

นี่คือสัญชาตญาณที่ถูกต้องสำหรับระบบที่ใช้งานจริงทุกระบบ: การที่แหล่งข้อมูลเดียวล้มเหลวไม่ควรทำให้การวิเคราะห์ทั้งหมดล่มเลย จงมองทุกฟีดว่าเป็นการพยายามทำให้ดีที่สุดเท่าที่ทำได้ ทำให้ฟิลด์เป็นมาตรฐานเดียวกัน และทำให้ข้อมูลที่ขาดหายไปมองเห็นได้แทนที่จะถูกเติมอย่างเงียบ ๆ

แดชบอร์ดการตัดสินใจ

LLM ไม่ได้คืนค่าเป็นร้อยแก้ว — แต่คืนค่าเป็น "แดชบอร์ดการตัดสินใจ" รูปแบบ JSON ที่เข้มงวด ซึ่งรายงานจะเรนเดอร์ออกมาเป็นเลย์เอาต์ที่สอดคล้องกัน:

• ข้อสรุปหลัก — ประโยคเดียว: ซื้อ ถือ หรือรอ พร้อมความไวต่อจังหวะเวลา
• คำแนะนำแยกกลุ่ม — คำแนะนำที่ต่างกันสำหรับผู้ที่ถือสถานะอยู่เทียบกับผู้ที่ถือเงินสด
• มุมมองข้อมูล — การเรียงตัวของ MA ราคาเทียบกับแนวรับ/แนวต้าน อัตราส่วนเบี่ยงเบน การอ่านปริมาณ
• ข่าวกรอง — การแจ้งเตือนความเสี่ยงและปัจจัยกระตุ้นเชิงบวก โดยแต่ละรายการต้องระบุวันที่กำกับไว้
• แผนการรบ — จุดสไนเปอร์ที่เป็นรูปธรรม: จุดซื้อในอุดมคติ จุดตัดขาดทุน เป้าหมาย การกำหนดขนาดสถานะ
• รายการตรวจสอบ — ทุกเงื่อนไขกำกับด้วย ✅ / ⚠️ / ❌ (การเรียงตัวขาขึ้น ค่าเบี่ยงเบนอยู่ในช่วง ปริมาณ ไม่มีข่าวร้ายสำคัญ การประเมินมูลค่า)

วินัยที่ฝังอยู่ในพรอมต์มีจุดยืนชัดเจนและสมเหตุสมผล: อย่าไล่ราคา (ค่าเบี่ยงเบนมากกว่า 5% เหนือ MA5 ถือเป็น "ห้ามซื้อ" อย่างเด็ดขาด) เทรดเฉพาะเมื่อ MA เรียงตัวขาขึ้น (MA5 > MA10 > MA20) เลือกซื้อตอนราคาย่อกลับลงสู่แนวรับพร้อมปริมาณที่หดตัว และอย่ากลับลำระหว่างซื้อกับขายจากการเคลื่อนไหวของวันเดียวเด็ดขาด

กลยุทธ์ agent: ถามคำถามกับระบบ

นอกเหนือจากรายงานประจำวัน โปรเจกต์นี้ยังมาพร้อมโหมด agent ที่มี 15 ตำรากลยุทธ์ในตัว ที่คุณสามารถซักถามได้ทีละหุ้น:

แต่ละกลยุทธ์คือไฟล์ YAML ที่มีกฎเกณฑ์ของตัวเอง เครื่องมือที่จำเป็น และการปรับคะแนน — ดังนั้น "ข่าวกรอง" จึงปรับแต่งและตรวจสอบได้ ไม่ได้ถูกซ่อนอยู่ในพรอมต์ยักษ์เดียว

วิธีอ่านมันโดยไม่หลอกตัวเอง

โปรเจกต์แบบนี้ไว้วางใจเกินไปได้ง่าย รายการตรวจสอบเพื่อประเมินอย่างซื่อตรง:

1. คุณภาพของแหล่งข่าว บล็อกข่าวกรองจะดีได้เท่าผู้ให้บริการค้นหาที่คุณกำหนดค่าไว้เท่านั้น — หากไม่มี ความรู้สึกของตลาดและปัจจัยกระตุ้นจะว่างเปล่า และรายงานจะพึ่งพาการวิเคราะห์เชิงเทคนิคทั้งหมด
2. ความแน่นอน (Determinism) ผลลัพธ์ของ LLM มีความผันแปร หุ้นตัวเดียวกันอาจถูกอ่านต่างกันเล็กน้อยในแต่ละการรัน จงมองแดชบอร์ดว่าเป็นความเห็นที่มีโครงสร้าง ไม่ใช่ความจริงที่ตายตัว
3. ความครอบคลุมตามตลาด ความลึกของหุ้น A (กระแสเงินทุน ชิป มังกร-เสือ) จะลดระดับลงอย่างนุ่มนวลเป็น not_supported ในตลาดที่ข้อมูลไม่ครอบคลุม
4. ความสดใหม่ของข้อมูล ให้จับตาแฟล็ก fallback/partial — อินพุตที่คุณภาพลดลงควรทำให้ความเชื่อมั่นของคุณลดลง ตรงตามที่พรอมต์สั่งไว้ทุกประการ
5. Backtest ≠ กำไร รายงานคือการสนับสนุนการตัดสินใจ ไม่ใช่ความได้เปรียบที่ได้รับการพิสูจน์แล้ว

ข้อจำกัดและการประเมินอย่างซื่อตรง

สิ่งที่ daily_stock_analysis ไม่ใช่:

• ไม่ใช่ระบบส่งคำสั่ง มันวิเคราะห์และรายงาน ไม่ได้ตั้งคำสั่งหรือสร้างแบบจำลองสภาพคล่อง
• ขึ้นอยู่กับโมเดล คุณภาพของผลลัพธ์เป็นไปตาม LLM ที่คุณชี้ไปใช้
• ขึ้นอยู่กับการค้นหา หากไม่มีคีย์ API ข่าว ครึ่งเชิงคุณภาพของรายงานจะบางลง
• ไม่แน่นอน อินพุตที่เหมือนกันทุกประการอาจให้แดชบอร์ดที่ต่างกันเล็กน้อย

ลิงก์

• 💻 GitHub: ZhuLinsen/daily_stock_analysis
• 📄 สัญญาอนุญาต: MIT

บทสรุป

daily_stock_analysis มีคุณค่าไม่ใช่ในฐานะนักพยากรณ์ แต่ในฐานะ นิสัยเชิงวิเคราะห์ที่ทำซ้ำได้ และถูกทำให้เป็นอัตโนมัติ:

• ทำให้ความหมายของการ "ดูหุ้นตัวหนึ่ง" เป็นมาตรฐานเดียวกัน ในทุกวัน
• มองข้อมูลว่าไม่น่าเชื่อถือ และทำให้ช่องว่างมองเห็นได้
• ทำให้ข้อสรุปอธิบายได้ — คะแนน ระดับราคา รายการตรวจสอบ ความเสี่ยง
• แยกการสร้างไอเดีย (15 กลยุทธ์) ออกจากกรอบการตัดสินใจที่มีวินัย

สำหรับการเรียนรู้ การทบทวนรายวัน และการสร้างต้นแบบเวิร์กโฟลว์การวิจัย มันถูกสร้างมาอย่างดี สำหรับการใช้งานจริง ชั้นถัดไปก็คือชั้นเดียวกับที่ระบบจริงจังทุกระบบต้องการ: ข้อมูลที่ผ่านการตรวจสอบ การควบคุมการเลื่อนไหลของโมเดล (model-drift) การส่งคำสั่งที่สมจริง และกฎความเสี่ยงที่อยู่ในโค้ด ไม่ใช่แค่ในพรอมต์