開源股票分析專案 Daily Stock Analysis 在 GitHub 上累積超過 65,000 顆星，由開發者 ZhuLinsen 以 Python 撰寫並採用 MIT 授權。此系統以大型語言模型為核心，每日自動分析 A 股、港股、美股、日股、韓股與台股的自選股組合，輸出包含評分、趨勢判斷、買賣點位、風險警報與催化因素的決策儀表盤，再經由企業微信、飛書、Telegram、Discord、Slack 或電郵推送。它的價值在於把分散的行情、新聞與技術指標，整合成每日一份可直接閱讀的分析報告。
Daily Stock Analysis 是 ZhuLinsen 的開源股票分析系統，星數逾 65,000。它以大型語言模型每日分析多市場自選股，並推送決策儀表盤。
Daily Stock Analysis 是什麼？
它是一套以 Python 撰寫的開源多市場分析系統，把行情、技術指標、新聞與基本面資料交給大型語言模型，產出每日報告，並支援網頁與桌面工作台。
專案的定位並非交易執行系統，而是分析與決策輔助工具。使用者只需設定一份自選股清單，系統便會在每個交易日收盤後自動執行分析流程，將結果整理成結構化報告。報告內容包括核心結論、綜合評分、趨勢方向、建議買賣點位、風險警報、潛在催化因素以及操作檢查清單，讓使用者在短時間內掌握持股狀態。
專案的作者與生態亦逐步擴張。除 Daily Stock Analysis 本體之外，同一作者另開發 AlphaSift 作為選股實作的參考，以及 AlphaEvo 用於策略回測與自我進化，三者構成由選股、驗證到日常複盤的完整鏈條。專案 README 同時提供簡體中文、繁體中文與英文版本，並附上論文編號與完整的文件中心，顯示其已從個人專案走向有制度維護的開源專案。
它支援哪些市場與功能？
系統涵蓋 A 股、港股、美股、日股、韓股、台股與 ETF，提供 AI 決策報告、多源行情聚合、網頁與桌面工作台、十五種策略問股、圖表匯入，以及多渠道自動推送。
市場覆蓋是此專案的主要賣點。系統可同時處理 A 股、港股、美股、日股、韓股、台股與 ETF 的行情、K 線、技術指標、新聞、公告與基本面資料，並針對不同市場標示資料源的能力邊界，避免使用者誤以為所有市場的分析深度一致。
在分析層面，系統輸出的 AI 決策報告包含核心結論、評分、趨勢、買賣點位、風險警報、催化因素與操作檢查清單。工作台則提供手動分析、任務進度、歷史報告、完整 Markdown 輸出、回測、持倉管理、設定管理以及淺色與深色主題。問股功能支援多輪追問，內建均線、纏論、波浪理論、多頭趨勢、熱點題材、事件驅動、成長質量與預期重估等十五種策略，並同時覆蓋網頁、機器人與 API 三種入口。此外，系統支援由圖片、CSV、Excel 或剪貼板匯入持股，並提供股票代碼、名稱、拼音與別名的自動補全。
它的技術架構與資料來源如何運作？
系統以 Python 撰寫，以大型語言模型為推理核心，行情依賴 AkShare、Baostock 等免費來源，新聞可接多種搜尋 API，並具備降級與備援規則。
模型的選擇保留高度彈性。系統可接上 Gemini、OpenAI 相容介面、DeepSeek、通義千問、Claude 或本地 Ollama 模型，開發者亦可透過第三方聚合服務以單一金鑰切換多家模型。這種設計讓使用者能依成本與資料隱私需求調整，例如在本地以 Ollama 執行，避免持股清單外流。
行情與新聞資料則採用多源並行策略。行情預設使用 AkShare、Baostock、YFinance 等免費來源，可零設定執行，但官方亦明確指出免費來源受上游限流與介面變動影響，穩定性不保證，長期定時或批量分析建議改用付費的 token 型資料源。新聞搜尋可選擇 SerpAPI、Tavily、博查、Brave 或自建 SearXNG 實例，社交輿情部分則另有針對 Reddit、X 與 Polymarket 的選用介面。多源設計的好處是單一資料源失效時仍可降級運行，代價是使用者需要理解各來源的覆蓋範圍與限制。
如何部署與開始使用？
最簡單的方式是 Fork 專案後在 GitHub Actions 設定模型與推送金鑰，即可在每個工作日自動執行；亦可透過 pip、Docker 或桌面客戶端在本地運行。
官方推薦的部署路徑是 GitHub Actions。使用者只需 Fork 儲存庫、在 Actions 設定中加入模型服務與通知渠道的金鑰，再填入自選股清單，即可讓系統在每個工作日北京時間傍晚自動執行，全程不需自備伺服器，成本亦接近零。系統預設會跳過非交易日，涵蓋 A 股、港股與美股的假期，並支援強制執行與斷點續傳。
對於需要更高控制權的使用者，專案亦提供本地運行與 Docker 部署方式。透過命令列可執行單次分析、模擬執行、指定持股清單、大盤複盤與常駐排程等不同模式，另可啟動網頁工作台或僅啟動服務。桌面客戶端與雲端伺服器存取亦有對應說明文件，整體而言部署門檻低於多數同類的量化框架。
它在開源投資工具生態中處於什麼位置？
它屬於分析與推送層的工具，擅長把多源資料濃縮成每日報告，而非高頻交易或策略回測框架；與量化平台相比，它更貼近一般個人投資者的複盤習慣。
市面上的開源投資工具大致分為三類：資料取得、策略回測與分析推送。此專案明顯落在第三類，其差異化在於以語言模型處理非結構化資訊，例如新聞語意、公告重點與輿情情緒，並將結果轉成貼近人類閱讀習慣的報告格式。
這種取向亦帶來相應的取捨。系統不提供撮合、下單或即時風控，回測功能屬於輔助性質，策略問股的部分則標示為實驗性功能。對追求穩定高頻策略的專業團隊而言，此專案不足以取代既有的量化平台；但對以中長線持股為主、希望每日獲得一份結構化複盤的個人投資者，它的使用門檻與資訊整合能力構成明顯優勢。專案在 README 中亦加入風險免責聲明，明確表示內容僅供學習與研究。
專案的關鍵數據有哪些？
截至 2026 年 9 月，此專案累積 65,426 顆星與 54,705 次 Fork，主要語言為 Python，採用 MIT 授權，共有 117 位貢獻者。
專案自 2026 年 1 月建立以來，八個月內累積逾 6.5 萬顆星，成長速度在同期的 Python 資料分析類專案中屬於前段。貢獻者數量達 117 位，說明社群參與不限於核心作者，而 Star 與 Fork 的比例接近一比一，反映不少使用者是為了實際部署分析流程而取用，而非單純收藏。
出處連結有哪些？
本文資訊整理自 ZhuLinsen 於 GitHub 發布的 daily_stock_analysis 儲存庫，原始碼、完整文件與部署指南均可在該專案取得。
本文資訊整理自 GitHub 上的 daily_stock_analysis 儲存庫，作者為 ZhuLinsen，採用 MIT 授權，完整文件與部署指南見專案的 docs 目錄。
- 專案儲存庫：https://github.com/ZhuLinsen/daily_stock_analysis
- 完整指南：https://github.com/ZhuLinsen/daily_stock_analysis/blob/main/docs/full-guide.md
總結：Daily Stock Analysis 適合什麼團隊？
它適合以中長線持股為主、希望每日自動取得結構化複盤報告的個人投資者與小型團隊；需要即時交易執行或高頻策略的專業機構則不適合。
Daily Stock Analysis 以超過 65,000 顆星的社群規模，證明「把多源資訊濃縮成每日決策報告」是一個真實存在的需求。專案的優勢在於部署門檻低、模型與資料源選擇彈性高，並且把 A 股、港股與美股等跨市場資料整合在同一份報告之中。
限制同樣清楚。免費行情來源的穩定性受上游影響，社交輿情僅覆蓋部分美股，策略問股仍屬實驗性功能，而所有輸出皆不構成投資建議。使用者宜把它視為提升複盤效率的輔助工具，而非可依賴的交易系統。