daily_stock_analysis 是一款基于大模型(Ollama/Gemini)的自动化股票分析工具,整合行情数据、新闻舆情、技术指标,生成每日投资分析报告。支持 A 股和美股,Docker 一键部署,TG 推送通知,零成本实现股票市场的定时分析与推送。

🎤 引言

炒股票最头疼的是什么?不是在选股,而是每天复盘要翻一堆新闻、看一堆数据,盯到眼睛花。

有没有一种工具能把这些活儿都干了?行情数据 + 新闻舆情 + 技术指标,扔给 AI 给你出一份分析报告?

还真有。daily_stock_analysis 就是干这个的,开源免费,GitHub 36k Stars,号称 A 股散户的 AI 分析师。


⭐ 核心功能

多数据源整合

接入东方财富、新浪财经等 A 股数据源,美股则用 Finnhub 和 AlphaVantage。行情数据、新闻舆情、技术指标全部整合,不用一个个网站去翻。

AI 驱动的分析决策

支持 Ollama 本地大模型或 Gemini API,根据行情和新闻生成分析结论。测试结果显示,7B 参数的本地模型已经能生成可用的分析报告。

每日自动推送

配置好 TG Bot 或邮件后,每天定时推送分析报告。早上开盘前收到一份,前瞻一下今天的操作思路。

技术指标计算

MA、MACD、KDJ、RSI 等常用技术指标自动计算,生成可视化图表。不用自己拉数据再导入软件。

Docker 一键部署

docker-compose 编排,起一个命令就跑起来。适合在 VPS 上 24 小时运行,定时任务自动执行。


📥 安装与使用

快速部署(Docker)

# 克隆项目
git clone https://github.com/ZhuLinsen/daily_stock_analysis.git
cd daily_stock_analysis

# 配置 API Keys(编辑 docker/.env)
# OLLAMA_BASE_URL=http://localhost:11434
# GEMINI_API_KEY=your_key_here
# TELEGRAM_BOT_TOKEN=your_bot_token
# TELEGRAM_CHAT_ID=your_chat_id

# 启动服务
docker-compose -f docker/docker-compose.yml up -d

本地开发模式

# 安装依赖
pip install -r requirements.txt

# 配置环境变量
export OLLAMA_BASE_URL=http://localhost:11434
export STOCK_API_KEY=your_api_key

# 启动分析
python -m bots.stock_analysis_bot --stock 000001 --date 2026-05-19

TG Bot 配置

在 Telegram 找 @BotFather 创建 Bot,获得 Token 后填入配置。推送内容包括当日行情、技术指标、AI 研判。


🎯 适用场景

没时间盯盘的上班族

早上看一眼 TG 推送的今日分析,了解大盘走势和重点关注个股,开盘前心里有数。不用开盘时间偷偷摸鱼刷行情软件。

想系统化学习的新手

看 AI 生成的分析报告,对照技术指标学习选股逻辑。报告里会解释指标含义,比干巴巴的数字有用。

已有策略需要工具辅助

配合自己的交易系统,用它做数据整理和初步筛选,减少人工复盘时间。


🔍 对比同类工具

同类的有 tushare、baostock 这些 Python 库,还有聚宽、米筐等量化平台。

tushare 专注数据接口,不带分析;聚宽功能全但要付费。daily_stock_analysis 优势是 AI 分析 + 推送一条龙,免费开源可私有化部署。

缺点是分析能力依赖大模型质量,本地跑 7B 模型生成速度较慢,专业用户可能觉得深度不够。


⚠️ 注意事项

分析仅供参考

AI 生成的分析报告不构成投资建议!模型会有幻觉,财报数据可能滞后。实盘操作前务必自行判断。

API 费用

Ollama 本地跑免费,但需要有 GPU 或大内存机器。Gemini API 按调用量收费,大规模使用要注意成本。

数据延迟

免费数据源有 15 分钟延迟,盘中实时操作的同学需要注意。专业操作建议接付费实时行情。


✅ 总结

daily_stock_analysis 适合不想折腾但想有点分析辅助的散户。免费、开源、可私有化部署,TG 推送这点很实用。

要说短板,AI 分析质量一般,财报解读不如专业研报。但作为每日复盘工具,它把行情 + 新闻 + 指标整合到一起,省去了来回翻软件的时间。

对于想用 AI 辅助投资、又不想花大钱的玩家,这个项目值得关注。

推荐指数:⭐⭐⭐⭐

项目地址:https://github.com/ZhuLinsen/daily_stock_analysis