{"title":"Умная биржевая сводка каждый вечер: как LLM-агент готовит вам «приборную панель» по акциям","url":"https://verapointmedia.com/tools/zhulinsen-daily-stock-analysis/","markdownUrl":"https://verapointmedia.com/tools/zhulinsen-daily-stock-analysis.md","language":"ru","category":"tools","publishedAt":"2026-06-22T08:30:20.000Z","updatedAt":"2026-06-22T08:30:20.000Z","references":["https://github.com/ZhuLinsen/daily_stock_analysis","https://dsa.zhulinsen.tech","https://open.anspire.cn/?share_code=QFBC0FYC","https://serpapi.com/baidu-search-api?utm_source=github_daily_stock_analysis"],"rights":"Public user-requested reading, summarization and citation allowed. Model training requires separate permission.","contentMarkdown":"# Умная биржевая сводка каждый вечер: как LLM-агент готовит вам «приборную панель» по акциям\n\n- Site: VeraPoint News\n- Section: Инструменты\n- Date: 2026-06-22\n- Canonical: https://verapointmedia.com/tools/zhulinsen-daily-stock-analysis/\n- Markdown: https://verapointmedia.com/tools/zhulinsen-daily-stock-analysis.md\n- Summary: Что, если ваш личный биржевой аналитик присылает отчёт каждый день в 18:00, бесплатно и без сервера? Разбираем репозиторий daily_stock_analysis.\n- SEO title: Умная биржевая сводка каждый вечер: рабочий процесс для AI-агентов и разработки\n- SEO description: Что, если ваш личный биржевой аналитик присылает отчёт каждый день в 18:00, бесплатно и без сервера? Разбираем репозиторий daily_stock_analysis\n- Target queries: Умная биржевая сводка каждый вечер; Умная биржевая сводка каждый вечер github; что такое Умная биржевая сводка каждый вечер; как использовать Умная биржевая сводка каждый вечер\n- Tags: #ai-agent #llm #quantitative-finance #stock-analysis #github-actions #python\n- Image: https://verapointmedia.com/static/content-assets/tools/zhulinsen-daily-stock-analysis/cover.webp\n\n## Sources\n\n- https://github.com/ZhuLinsen/daily_stock_analysis\n- https://dsa.zhulinsen.tech\n- https://open.anspire.cn/?share_code=QFBC0FYC\n- https://serpapi.com/baidu-search-api?utm_source=github_daily_stock_analysis\n\n---\n\nЗнаете это чувство, когда открываешь торговый терминал, а там десятки графиков, новостная лента орёт заголовками, и непонятно, за что хвататься? Я обычно просто закрываю вкладку и иду пить чай.\n\nА теперь представьте: каждый вечер, ровно в 18:00, вам в телеграм или на почту падает короткая сводка. Не просто сухие цифры, а живое резюме: «Покупать? Держать? Продавать?» — с причинами, рисками и свежими новостями, переваренными нейросетью. Примерно это и делает [daily_stock_analysis](https://github.com/ZhuLinsen/daily_stock_analysis) — опенсорсный проект с 44 тысячами звёзд, который может стать вашим личным AI-аналитиком на каждый день.\n\n## Если просто\n\nЭто Python-система, которая по расписанию (или по вашей команде) подтягивает котировки, технические индикаторы, потоки капитала, новости и даже настроения из соцсетей для списка ваших акций. Затем всё это скармливается большой языковой модели (по умолчанию можно подключить что угодно: Gemini, Claude, DeepSeek, любую OpenAI-совместимую модель).\n\nLLM собирает из этого месива данных короткий «приборный щиток»: сводную оценку по каждой бумаге, рекомендацию (покупать / держать / продавать), список рисков и позитивных катализаторов. Вся эта красота уходит либо в веб-интерфейс, либо прямо в мессенджер — хоть в корпоративный WeChat, хоть в Telegram.\n\nГлавный фокус — A-акции (китайский рынок), но система уже умеет работать с Гонконгом, США, Японией, Южной Кореей. Для некитайских рынков часть «тяжёлых» источников данных, вроде движения капитала, просто отключается, и анализ строится на том, что доступно.\n\n## Что это решает\n\nЧестно: я не трейдер и не квант. Но когда я вижу, как народ часами сидит над скринерами и пытается понять, почему бумага дёрнулась, мне становится немного грустно. Этот проект решает конкретную боль — автоматический сбор и осмысление рыночной информации.\n\nОн не предсказывает будущее (и слава богу, предупреждает об этом в дисклеймере). Он делает черновую работу ассистента: находит новости, считает технические индикаторы, отслеживает движение крупного капитала, а потом просит LLM объяснить, что из этого важно, а что шум.\n\nЭто не замена финансовому советнику. Это — утренняя газета, которую для вас персонально подготовил очень старательный стажёр, который прочитал всё, что нашёл, и написал краткое содержание.\n\n## Как попробовать\n\nСамый простой способ — GitHub Actions. Никакого сервера, ноль затрат.\n\n1. Делаете форк репозитория.\n2. В настройках форка, в Secrets, прописываете минимум два ключа: один к любой LLM (например, `ANSPIRE_API_KEYS` или `GEMINI_API_KEY`), второй — переменную `STOCK_LIST` со списком тикеров через запятую. И лучше сразу добавить ключ для поиска новостей (тот же Anspire поддерживает поиск, или классический SerpAPI).\n3. Заходите в Actions, включаете workflows и запускаете ручной тест.\n\nЕсли всё настроено верно — через пару минут получите в выбранный мессенджер свой первый «приборный щиток». По умолчанию он будет прилетать каждый рабочий день в 18:00 по Пекину.\n\nДля любителей покопаться руками есть локальный запуск: `pip install -r requirements.txt`, потом `python main.py`. Можно запустить веб-интерфейс с красивой панелью, можно — в «сухом» режиме без отправки отчётов, можно просто по конкретным тикерам.\n\n## 3 сценария с примерами\n\n**1. У вас пяток любимых бумаг, за которыми нет времени следить.**\nВы ведёте обычную жизнь, а не сидите в терминале. Утром открываете телеграм — а там уже лежит сводка за вчерашний день. Условная «Сбер»: оценка 65, нейтрально, риск — отток нерезидентов. Китайский производитель чипов: оценка 72, позитивно, катализатор — новый госконтракт. Решение о покупке всё ещё за вами, но контекст собран.\n\n**2. Вам нужно быстро понять, стоит ли вообще копать новую идею.**\nКто-то из друзей бросил в чат незнакомый тикер. Вместо гугления вы запускаете `python main.py --stocks NEWTICKER` и через две минуты получаете LLM-сводку: что за компания, какие новости, какие риски прямо сейчас. Экономит час серфинга по форумам.\n\n**3. Вы экспериментируете с агентными стратегиями.**\nВключаете веб-интерфейс, переходите в `/chat`, выбираете одну из 15 встроенных стратегий — например, «скользящие средние и золотой крест», или «событийный драйвер и новости», — и задаёте вопрос: «Какие сигналы по моему списку прямо сейчас самые сильные?» LLM-агент сам подтянет свежие данные и построит ответ в рамках выбранной стратегии. Это скорее исследовательский режим, не торговая рекомендация, но зато можно быстро проверять гипотезы.\n\n## Где можно застрять\n\nКитайская документация. Основной README — на упрощённом китайском. Есть английская и традиционная китайская версии, но они спрятаны в папке docs. Первый барьер — языковой, но он решается переводчиком в браузере.\n\nПоток ключей. Для полного фарша вам понадобятся минимум три ключа: LLM, поиск новостей и источник рыночных данных. Всё это бесплатно на старте (Anspire даёт пробный объём, SerpAPI тоже), но когда API-ключей становится пять, начинаешь путаться, какой за что отвечает.\n\nНе всё работает для некитайских рынков. Часть функций — потоки капитала, доска дракона и тигра (это такая штука с крупными сделками на китайском рынке), анализ отраслевых досок — просто вернут `not_supported` для американских или японских бумаг. Создатели честно об этом предупреждают, но осадочек остаётся.\n\n## Кому это нужно\n\nТем, кто уже инвестирует и хочет автоматизировать рутину: собирать новости, сводить оценки, не пропускать резкие движения. Особенно если вы следите за китайским рынком — здесь инструмент покрывает его максимально глубоко.\n\nТем, кто учится и хочет видеть, как работает LLM-агент, подключённый к реальным данным: новости, цены, ордера, соцсети. Это отличный учебный проект для понимания, что такое RAG (Retrieval-Augmented Generation) в финансовом контексте.\n\nТем, кому просто интересно, как «поиграться» с идеей ежедневного AI-отчёта на своих данных, не разворачивая тяжёлую инфраструктуру. GitHub Actions и форк — это буквально пять минут.\n\n## Кому это не нужно\n\nТем, кто ждёт, что нейросеть будет стабильно бить рынок. Это не про доходность, это про агрегацию и осмысление информации.\n\nТем, кто торгует внутри дня и принимает решения за секунды. Система задумана как ежедневный обзор, а не high-frequency движок.\n\nТем, кто не готов потратить полчаса на настройку ключей и чтение документации. One-click solution это не назовёшь, хотя создатели честно старались сделать вход максимально простым через GitHub Actions.\n\n## Вердикт Веры\n\n44 тысячи звёзд на GitHub заставляют отнестись к проекту серьёзно. И это тот случай, когда хайп, кажется, не врёт: вещь действительно полезная, живая и активно допиливаемая. Мне нравится честность, с которой авторы предупреждают об ограничениях для некитайских рынков. Мне нравится, что MIT-лицензия позволяет взять код и переделать под себя — хоть под MOEX, хоть под крипту.\n\nНо вот что забавно: система называется «ежедневный анализ акций», а по факту вы получаете не аналитику, а консенсус-мнение из той каши, которую вы ей скормили через новостные API. LLM берёт десяток заголовков и один технический индикатор, смешивает — и рождается «риск №1». Звучит убедительно, но стоит ли за этим реальный инсайт? Или просто статистически правдоподобный текст?\n\nНаверное, это главный философский вопрос, который этот проект ставит перед любым пользователем. И, мне кажется, авторы сами над ним размышляют — не просто так они добавили режим беседы с агентом, где можно переспросить и покрутить выводы.\n\nПробовать стоит однозначно. Слепо доверять — нет.\n\n## Что читать дальше\n\n- [Все материалы про AI-агентов](/topics/ai-agents/)\n- [Что такое AI-агент простыми словами](https://verapointmedia.com/guides/chto-takoe-ai-agent-prostymi-slovami/)\n- [Все материалы про AI-инструменты](/topics/ai-tools/)\n- [Как отличить рабочий AI-инструмент от красивой демки](https://verapointmedia.com/guides/kak-otlichit-rabochiy-ai-instrument-ot-krasivoy-demki/)\n\n## Материалы\n\n- [ZhuLinsen/daily_stock_analysis] ZhuLinsen/daily_stock_analysis: https://github.com/ZhuLinsen/daily_stock_analysis\n- [dsa.zhulinsen.tech] supporting context: https://dsa.zhulinsen.tech\n- [open.anspire.cn] supporting context: https://open.anspire.cn/?share_code=QFBC0FYC\n- [serpapi.com] supporting context: https://serpapi.com/baidu-search-api?utm_source=github_daily_stock_analysis\n"}