Daily Stock Analysis: एक AI सिस्टम जो वॉचलिस्ट को रोज़ाना निर्णय डैशबोर्ड में बदल देता है

ZhuLinsen का daily_stock_analysis इस समय के सबसे ज़्यादा स्टार पाने वाले AI-फाइनेंस प्रोजेक्ट्स में से एक है — Trendshift पर दिन का #1 Python रिपॉज़िटरी। पर दिलचस्प बात स्टार की गिनती नहीं है। दिलचस्प यह है कि यह प्रोजेक्ट यह दिखावा करने से इनकार करता है कि यह कीमतों की भविष्यवाणी करता है। इसके बजाय यह एक संकरी, लेकिन कहीं ज़्यादा उपयोगी समस्या हल करता है: हर ट्रेडिंग दिन, आपकी वॉचलिस्ट लेकर एक संरचित, समझाने योग्य विश्लेषणात्मक रिपोर्ट बनाना — और उसे वहाँ पहुँचाना जहाँ आप वाकई चीज़ें पढ़ते हैं, यानी आपके मैसेंजर पर।

प्रोजेक्ट लेखक की चेतावनी: केवल सीखने और शोध के लिए। यह निवेश सलाह नहीं है। बाज़ारों में जोखिम होता है।

मूल विचार: बॉट नहीं, रोज़ाना विश्लेषक-रिपोर्टर

ज़्यादातर "AI ट्रेडिंग" रिपॉज़िटरी एक ही कल्पना का पीछा करते हैं: मॉडल अंदर, सिग्नल बाहर, पैसा ऊपर। daily_stock_analysis एक ज़्यादा ईमानदार आधार पर बना है — निवेश में असली कठिनाई एक और सिग्नल बनाना नहीं है, बल्कि किसी नाम की पूरी, सुसंगत तस्वीर बनाना और उसे हर दिन उसी तरह लिख देना है।

इसलिए यह एक तय समय-सारिणी पर काम करने वाले जूनियर विश्लेषक की तरह व्यवहार करता है। पाइपलाइन रैखिक और समझने में आसान है:

डिफ़ॉल्ट रूप से यह एक समय-सारिणी पर चलता है (कार्यदिवसों पर, बंद होने के बाद) और गैर-ट्रेडिंग दिनों को छोड़ देता है। यह A-शेयर, हॉन्ग कॉन्ग, अमेरिकी शेयर और ETF को कवर करता है, जबकि जापानी और कोरियाई बाज़ारों के लिए घटे हुए स्तर पर समर्थन है जहाँ डेटा स्रोत नहीं पहुँचते।

चुपचाप स्मार्ट हिस्सा: डेटा फ़ॉलबैक

इस प्रोजेक्ट का सबसे मज़बूत इंजीनियरिंग फ़ैसला LLM नहीं है — यह इस बात में है कि यह डेटा को डिफ़ॉल्ट रूप से अविश्वसनीय मानकर चलता है।

मार्केट डेटा छह प्रोवाइडरों की प्राथमिकता श्रृंखला के ज़रिए लाया जाता है, जहाँ हर एक पिछले वाले का फ़ॉलबैक होता है:

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

जब आप कोई अमेरिकी टिकर विश्लेषित करते हैं, तो सिस्टम चीन-विशिष्ट प्रोवाइडरों को अपने आप छोड़ देता है और Yahoo Finance की ओर रूट कर देता है। अगर कोई स्रोत विफल होता है, टाइमआउट हो जाता है, या आंशिक डेटा लौटाता है, तो रन पूरी रिपोर्ट को क्रैश करने के बजाय सिर्फ उस एक हिस्से को डिग्रेड करता है। प्रॉम्प्ट को यह भी बताया जाता है कि कौन-से हिस्से fallback, partial, या missing हैं — ताकि मॉडल को कोई संख्या गढ़ने के बजाय "डेटा उपलब्ध नहीं" लिखना अनिवार्य हो जाए।

यह किसी भी प्रोडक्शन सिस्टम के लिए सही सहज-बोध है: किसी एक डेटा स्रोत का विफल होना कभी भी पूरे विश्लेषण को गिरा नहीं देना चाहिए। हर फ़ीड को बेस्ट-एफ़र्ट मानें, फ़ील्ड्स को मानकीकृत करें, और गुम डेटा को चुपचाप भरने के बजाय दृश्यमान बनाएं।

डिसीज़न डैशबोर्ड

LLM गद्य नहीं लौटाता — यह एक सख़्त JSON "डिसीज़न डैशबोर्ड" लौटाता है जिसे रिपोर्ट एक सुसंगत लेआउट में रेंडर करती है:

• मुख्य निष्कर्ष — एक वाक्य: खरीदें, होल्ड करें, या इंतज़ार करें, साथ में समय-संवेदनशीलता।
• विभाजित सलाह — पोज़िशन पहले से रखने वाले और कैश में बैठे व्यक्ति के लिए अलग-अलग मार्गदर्शन।
• डेटा परिप्रेक्ष्य — MA अलाइनमेंट, सपोर्ट/रेज़िस्टेंस के मुक़ाबले कीमत, बायस रेशियो, वॉल्यूम रीड।
• इंटेलिजेंस — जोखिम अलर्ट और सकारात्मक कैटेलिस्ट, हर एक के साथ तारीख अनिवार्य।
• बैटल प्लान — ठोस स्नाइपर पॉइंट्स: आदर्श खरीद, स्टॉप-लॉस, टारगेट, पोज़िशन साइज़िंग।
• चेकलिस्ट — हर शर्त ✅ / ⚠️ / ❌ से चिह्नित (बुलिश अलाइनमेंट, बायस रेंज में, वॉल्यूम, कोई बड़ी बुरी खबर नहीं, वैल्यूएशन)।

प्रॉम्प्ट में गढ़ा गया अनुशासन दृढ़ और समझदार है: कीमत का पीछा न करें (MA5 से 5% से ज़्यादा का बायस एक सख़्त "न खरीदें" है), केवल बुलिश MA अलाइनमेंट (MA5 > MA10 > MA20) पर ट्रेड करें, सपोर्ट की ओर घटते वॉल्यूम वाले पुलबैक को खरीदना पसंद करें, और एक दिन की हलचल पर खरीद और बिक्री के बीच कभी न पलटें।

एजेंट रणनीतियाँ: सिस्टम से सवाल पूछें

रोज़ाना रिपोर्ट के अलावा, यह प्रोजेक्ट एक एजेंट मोड देता है जिसमें 15 बिल्ट-इन रणनीति प्लेबुक हैं जिन्हें आप प्रति टिकर पूछताछ कर सकते हैं:

हर रणनीति एक YAML फ़ाइल है जिसके अपने नियम, आवश्यक टूल्स, और स्कोरिंग एडजस्टमेंट हैं — इसलिए "इंटेलिजेंस" एक विशाल प्रॉम्प्ट के अंदर छिपी न होकर कॉन्फ़िगरेबल और ऑडिट करने योग्य है।

बिना खुद को धोखा दिए इसे कैसे पढ़ें

ऐसे किसी भी प्रोजेक्ट पर ज़रूरत से ज़्यादा भरोसा करना आसान है। एक ईमानदार मूल्यांकन चेकलिस्ट:

1. समाचार स्रोत की गुणवत्ता। इंटेलिजेंस ब्लॉक उतना ही अच्छा है जितने आपके कॉन्फ़िगर किए गए सर्च प्रोवाइडर — इनके बिना, सेंटिमेंट और कैटेलिस्ट खाली रह जाते हैं और रिपोर्ट पूरी तरह तकनीकी पहलुओं पर टिकी रहती है।
2. डिटरमिनिज़्म। LLM आउटपुट बदलते रहते हैं; एक ही टिकर अलग-अलग रन में थोड़ा अलग पढ़ सकता है। डैशबोर्ड को एक संरचित राय समझें, कोई स्थिर सत्य नहीं।
3. बाज़ार के अनुसार कवरेज। A-शेयर की गहराई (कैपिटल फ़्लो, चिप्स, ड्रैगन-टाइगर) उन बाज़ारों में स्वाभाविक रूप से not_supported में गिरती है जिन्हें डेटा कवर नहीं करता।
4. डेटा की ताज़गी। fallback/partial फ़्लैग पर नज़र रखें — डिग्रेड हुए इनपुट्स से आपका भरोसा कम होना चाहिए, ठीक वैसे ही जैसे प्रॉम्प्ट निर्देश देता है।
5. बैकटेस्टिंग ≠ मुनाफ़ा। रिपोर्ट निर्णय समर्थन है, कोई सत्यापित बढ़त नहीं।

सीमाएँ और ईमानदार मूल्यांकन

daily_stock_analysis क्या नहीं है:

• यह एक्ज़ीक्यूशन सिस्टम नहीं है। यह विश्लेषण और रिपोर्ट करता है; यह ऑर्डर नहीं लगाता या लिक्विडिटी मॉडल नहीं करता।
• मॉडल पर निर्भर। आउटपुट की गुणवत्ता उस LLM पर निर्भर करती है जिसे आप इस्तेमाल करते हैं।
• सर्च पर निर्भर। समाचार API कुंजियों के बिना, रिपोर्ट का गुणात्मक आधा हिस्सा पतला हो जाता है।
• गैर-निश्चयात्मक। समान इनपुट थोड़े अलग डैशबोर्ड दे सकते हैं।

लिंक

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

निष्कर्ष

daily_stock_analysis एक भविष्यवक्ता के रूप में नहीं, बल्कि एक दोहराई जा सकने वाली, स्वचालित विश्लेषणात्मक आदत के रूप में मूल्यवान है:

• हर दिन "किसी स्टॉक को देखना" का मतलब मानकीकृत करता है।
• डेटा को अविश्वसनीय मानता है और कमियों को दृश्यमान बनाता है।
• निष्कर्ष को समझाने योग्य बनाता है — स्कोर, स्तर, चेकलिस्ट, जोखिम।
• आइडिया जनरेशन (15 रणनीतियाँ) को एक अनुशासित निर्णय ढांचे से अलग रखता है।

सीखने, रोज़ाना समीक्षा करने, और एक रिसर्च वर्कफ़्लो का प्रोटोटाइप बनाने के लिए, यह अच्छी तरह बनाया गया है। प्रोडक्शन के लिए, अगली परत वही है जिसकी हर गंभीर सिस्टम को ज़रूरत होती है: सत्यापित डेटा, मॉडल-ड्रिफ्ट नियंत्रण, यथार्थवादी एक्ज़ीक्यूशन, और जोखिम नियम जो केवल प्रॉम्प्ट में नहीं बल्कि कोड में रहते हैं।