実践

daily_stock_analysis──GitHub Actions 上で動く無料株式 Agent、6 万 Star のOSS を解剖

マルチ市場の行情データとニュースを自動収集し、15 種類の戦略で LLM 分析まで実行、結果をスマホへ通知する。中国発オープンソースの実力と限界を、実測ベースでまとめる。

文字サイズ

A 株の個人投資家は毎日、株価チェック・ニュース読み込み・公告確認・売買判断をこなす。その作業の繰り返しと断片化が長く課題だった。ChatGPT のラッパーでは一問一答しかできず、定時実行も通知も、複数市場・複数銘柄への一括意思決定ダッシュボードも実現できない。

ZhuLinsen/daily_stock_analysis はその解として「行情の集約+ニュース検索+LLM 戦略分析+マルチチャネル通知」を一本のパイプラインにまとめ、GitHub Actions 上でゼロコスト運用することを目指したプロジェクトだ。記事執筆時点でリポジトリは 63,451 Star を獲得しており、中国語圏の AI × 金融クロス領域では異例のヒット作になっている。

何を解決するのか

一般的な個人投資家の情報フローはこうだ。朝スマホを開いて株価アプリを確認、ザラ場中は財経ニュースを流し読み、引け後に公告をチェックし、最後に雪球や株掲示板でセンチメントを確認、最後にカンで売買を決める。その間ほぼすべての工程が手作業になる。

本プロジェクトはその一連の流れを自動化する。行情データは定时に取得、ニュースは定时に収集、LLM が定时に分析、結果を手机に定时に通知。1 日 1 回、指定時刻に届く通知を確認するだけですむ。

対応市場のカバー範囲も広い。A 株・港株・米株・日本株・韓国株・台湾株に加え ETF まで含まれる。複数の市場を「ゼロコンフィグで動かせる」株式系 OSS は、筆者の知る限りあまり例がない。

使い方

最短ルートは 4 ステップ。

  1. リポジトリを Fork して自分の GitHub アカウントに取り込む
  2. Secrets を設定:リポジトリの Settings → Secrets に LLM API Key(Anthropic / OpenAI / DeepSeek / 通義千問 / Gemini のいずれか)と通知 webhook(企業微信 / Feishu / Telegram / Discord / Slack / メール)を登録
  3. config.yaml を編集:自分の stock_list を記入。最大数十銘柄まで対応
  4. Actions workflow を有効化:リポジトリに cron トリガーが仕込まれているため、指定時刻に自動実行される

GitHub Actions を使いたくない場合は、Docker で Web ワークベンチを 1 コマンドで起動できる。

docker run -d -p 8000:8000 your-image

Web 側は手動分析・過去レポート・バックテスト・持仓管理・設定管理などの機能を備え、轻量のダッシュボードとして使える。

README にある最小実行コード例は以下のとおり。

import asyncio
from src.analysis_engine import AnalysisEngine
from src.config import load_config

async def run_once():
    cfg = load_config("config.yaml")
    engine = AnalysisEngine(cfg)
    # 単一銘柄の最小呼び出し
    report = await engine.analyze_one(
        market="A",
        symbol="000001",          # 平安銀行
        strategies=["trend", "ma", "event"],   # 内蔵戦略を任意選択
    )
    print(report.to_markdown())    # 意思決定ダッシュボードを Markdown で取得

if __name__ == "__main__":
    asyncio.run(run_once())

アーキテクチャ

4 層のパイプラインに分かれており、各層の責務が明確になっている。

(1) データ層——マルチソース行情 + マルチソースニュース + テクニカル指標。行情ソースは AkShare・Tushare・Pytdx・Baostock・YFinance・Longbridge・TickFlow をカバー。ニュース/検索ソースは Anspire・SerpAPI・Tavily・Bocha・Brave・SearXNG をカバーする。この層は「データ取得 + 構造化コンテキスト生成」のみで、戦略ロジックは一切含まない。

(2) 戦略層——15 種類の内蔵分析ユニット。均线・纏論・波浪・トレンド・ホットスポット・イベント・成長・预期などが含まれる。各戦略は独立した Python クラスとして実装され、tool として登録される。設計思想は strategy-as-tool で、if-else のハードコード流水线ではない。

(3) Agent 層——戦略ツールとデータコンテキストを LLM プロンプトにまとめ、複数ターンの追问に対応する。本質的には轻量 Agent だ。データを準備し、ツール一覧を提示し、LLM に呼び出し方と組み合わせを任せる。Anthropic・OpenAI・DeepSeek・通義千問・Gemini に加え、Ollama のローカルモデルも接続できる。

(4) 调度・配信層——GitHub Actions の cron で実行を起動し、出力を Markdown レポートにレンダリング、設定済みの webhook で配信する。ローカル cron や FastAPI サーバー経由での Web ワークベンチ呼び出しも可能。

この分層設計の利点は、行情ソースを差し替えても戦略を変えなくていい、LLM を替えてもデータ層に影響しない、新戦略の追加は tool クラスを 1 つ登録するだけで済む、という点にある。

良い点・悪い点

良い点:

  • 完成度が高く、demo レベルではない。コード構成は明快で、ドキュメントは 3 言語対応(簡体字中国語 / English / 繁体字中国語)、MIT ライセンス。
  • マルチ市場のカバーが広い。A 株・港・米・日・韓・台・ETF を 1 プロジェクトでカバー。
  • 無料データソースでゼロコンフィグ運用が可能で、初心者に優しい。clone して銘柄リストを書き換えるだけで使える。
  • 通知チャネルが中国の運用慣習に合わせており、企業微信や Feishu に直接接続できる。中国の個人投資家にとって導入ハードルが低い。

悪い点:

  • 無料行情ソースの安定性がコントロールしづらい。README でも上游のレートリミット影響が明示されており、30 銘柄を一括処理しただけでリミットに引っかかる可能性がある。安定運用には Tushare トークンのような有料ソースへの切り替えが必要。
  • 分析品質が LLM のコンテキスト長に制約される。ウォッチリストが増えるほど銘柄ごとのプロンプトがトークンを圧迫し、出力品質が落ちる。
  • 63k Star は典型的な中国語圏発のプロジェクトで、ユーザーの非エンジニア比率が高く、Issue ノイズも多い。多くが設定ミス起因で、コードバグではない。
  • 戦略ライブラリがテクニカルのりに偏っている(均线・纏論・波浪・トレンド)。ファンダメンタルズ因子(財務品質・估值・ROE 分解など)のカバーは薄い。バリュー投資志向の人にとっては、このツールがもたらす追加情報は限定的。

実際に試してみた

ローカルにリポジトリを clone し、poetry install で依存関係を入れたうえで、単一銘柄(000001 平安銀行、A 株無料ソース)の分析を 1 回実行した。

行情取得から LLM レポート出力まで約 25 秒。

  • AkShare データ取得:3 秒
  • テクニカル指標計算:ほぼゼロ
  • ニュース検索:2 秒
  • LLM 呼び出し(DeepSeek-V3):18 秒

レポートの構成は安定しており、「トレンド判断」「売買ポイント」「リスクポイント」「カタリスト」の 4 セクションに分かれている。Markdown でレンダリングすれば、Notion に貼り付けたり通知として送ることもできる。

弱点も実証された。30 銘柄を無料ソースで一括処理するとレートリミットに引っかかり、Tushare トークンソースへの切り替えが必須になる。README の警告は実測でも有効だった。

どんな人に向くか

向くケース:

  • ウォッチリストが 10〜20 銘柄以内と少なく、毎日の意思決定ダッシュボードを自動で受け取りたい個人投資家
  • 中国語フレンドリーな LLM 投研 Agent のデモを構築したいエンジニア。コードの可読性が高く、workflow 编排の学習素材として優秀
  • LLM + GitHub Actions + マルチデータソースを自動パイプラインに組み上げる方法を学びたい入門者

向かないケース:

  • 高頻度取引やクォンツトレーディングを志向する人。本ツールの位置付けは「日次の意思決定ダッシュボード」であり、tick データシステムではない。分足レベルのバックテスト能力もない。
  • 実売買の意思決定を本システムに依存する人。LLM ハルシネーションとデータ遅延は併存する 2 大問題だ。LLM は自信満々に嘘をつき、無料ソースのデータは遅延する可能性がある。すべてのシグナルはクロスチェックが必要で、盲信は禁物。

筆者の結論はこうだ。「毎日の情報集約器 + 二次フィルターツール」としてなら、費用対効果は高い。「自動発注システム」として使うと、資金を失う。

参考:daily_stock_analysis GitHub リポジトリ

出典: https://github.com/ZhuLinsen/daily_stock_analysis