mcpField
A
AI看线 - A股技术分析与AI预测工具

AI看线 - A股技术分析与AI预测工具

ローカル
github.com/QuantML-Github金融データ34364 週間前に更新

AI看线 - A股技术分析与AI预测工具 について

AI看线(AI-Kline)は、A 株銘柄を分析する Python 製ツールで、テクニカル分析と AI による予測を組み合わせています。AKShare で株価、財務、ニュースのデータを取得し、ローソク足チャートと指標を生成して、マルチモーダルモデルで分析します。コマンドライン、Web UI、MCP サーバーの各方式で利用できます。

主な機能

  1. 01AKShare による A 株の株価、財務、ニュースデータ
  2. 02MA、MACD、KDJ、RSI、ボリンジャーバンドなどの指標
  3. 03静的な PNG と対話型 HTML のチャート
  4. 04マルチモーダルモデルによる株価動向の AI 分析
  5. 05コマンドライン、Web UI、MCP サーバーの利用方法

活用シーン

  1. 01指定した A 株コードのテクニカルチャートと分析レポートの生成
  2. 02MCP クライアントの会話から株式分析結果を照会

MCP 対応

streamable-http 方式で MCP サーバーを起動し、MCP クライアントから株式分析機能を呼び出せるようにします。

設定

ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。

インストール方法は未掲載です

このサーバーのパッケージやリモートエンドポイントはまだ取得できていません。プロジェクトの README の手順に従ってください。

リポジトリ

ツール

ツール一覧はまだ取得されていません

ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。

詳細

AI看线 - 股票技术分析与AI预测工具(AI-Kline - Stock Technical Analysis and AI Prediction Tool)

プロジェクト概要

AI看线は、従来のテクニカル分析と人工知能による予測機能を組み合わせた、PythonベースのA株分析ツールです。ローソク足チャート、テクニカル指標、財務データ、ニュースデータを活用して、株式を総合的に分析・予測します。このツールでは、次のことができます。

  1. A株の過去の価格・出来高データを取得し、各種テクニカル指標を計算する
  2. 専門的なローソク足チャートとテクニカル指標の可視化チャートを生成する
  3. 株式関連の財務データやニュース情報を取得する
  4. openai apiを使用してデータを分析・統合し、株式の今後の値動きを予測する

主な機能

  • データ取得:AKShareを使用して、A株の過去の取引データ、財務データ、ニュース情報を取得します
  • テクニカル分析:MA、MACD、KDJ、RSI、ボリンジャーバンドなど、さまざまなテクニカル指標を計算します
  • 可視化:静的およびインタラクティブなローソク足チャートとテクニカル指標チャートを生成します
  • AI分析:マルチモーダルAIを活用して株式データを分析し、今後の値動きを予測します
  • Webインターフェース:シンプルで見やすいWebインターフェースを提供し、株式コードを入力して分析結果を確認できます
  • MCP SERVER:MCP SERVERに対応しており、LLMとの対話を通じて、いつでも株式を分析できます

インストール方法

動作環境
  • Python 3.8+
  • 依存パッケージ:requirements.txtを参照してください
インストール手順
  1. このプロジェクトをローカルにクローンまたはダウンロードします

  2. 依存パッケージをインストールします

pip install -r requirements.txt
  1. .envファイルを作成し、APIキーを追加します
API_KEY=your_api_key_here
BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
MODEL_NAME=qwen-vl-max

注意:マルチモーダルモデルを使用する必要があります

使用方法

コマンドラインでの使用
python main.py --stock_code 000001 --period 1年 --save_path ./output

パラメーターの説明:

  • --stock_code:株式コード。必須パラメーターです
  • --period:分析期間。指定できる値は「1年」、「6か月」、「3か月」、「1か月」です。デフォルトは「1年」です
  • --save_path:結果の保存先。デフォルトは"./output"です
Webインターフェースの使用

Webサービスを起動します。

python web_app.py

次に、ブラウザーで http://localhost:5000 にアクセスすると、Webインターフェースを使用できます。

  1. フォームに株式コード(例:000001)を入力します
  2. 分析期間を選択します
  3. 「分析開始」ボタンをクリックします
  4. 分析が完了するまで待ち、結果を確認します

Webインターフェースには、次の内容が含まれます。

  • 株式の基本情報
  • ローソク足チャートとテクニカル指標チャート
  • AI分析結果のテキスト

ページのスクリーンショット:

Webインターフェースのスクリーンショット

MCP SERVERの使用

mcpを起動します:

uv run  mcp_server.py

次に、mcpクライアントで設定します(streamable-http): http://localhost:8000/mcp

Cherry-Studioのスクリーンショット:

MCPインターフェースのスクリーンショット MCPインターフェースのスクリーンショット

出力結果

プログラムの実行後、指定した保存先に次のファイルが生成されます。

  1. ローソク足チャートとテクニカル指標チャート(静的なPNG画像とインタラクティブなHTMLチャート)
  2. AI分析結果のテキストファイル

プロジェクト構成

AI看线/
├── main.py                 # 主程序入口
├── web_app.py              # Web应用入口
├── requirements.txt        # 依赖包列表
├── .env                    # 环境变量配置(需自行创建)
├── modules/                # 功能模块
│   ├── __init__.py
│   ├── data_fetcher.py     # 数据获取模块
│   ├── technical_analyzer.py # 技术分析模块
│   ├── visualizer.py       # 可视化模块
│   └── ai_analyzer.py      # AI分析模块
├── templates/              # Web模板目录
│   └── index.html          # 主页模板
├── static/                 # 静态资源目录
│   ├── css/                # CSS样式
│   │   └── style.css       # 自定义样式
│   └── js/                 # JavaScript脚本
│       └── main.js         # 主要脚本
└── output/                 # 输出结果目录(运行时自动创建)
    ├── charts/             # 图表目录
    └── *_analysis_result.txt # 分析结果文件

交流・学習

グループへの参加

注意事項

  • このツールは学習および研究目的でのみ使用でき、投資助言を構成するものではありません
  • AI分析結果は過去のデータと現在の情報に基づいており、将来の値動きの正確性を保証するものではありません
  • 使用前に、Gemini APIキーが正しく設定されていることを確認してください
  • 株式データの取得はAKShareライブラリに依存しており、ネットワークやデータソースの制限を受ける場合があります
  • このプロジェクトはQuantMLのオープンソースプロジェクトです。転載または使用する場合は出典を明記してください。商用利用については、WeChat ID QuantMLまでお問い合わせください

免責事項

このツールが提供する分析および予測は参考情報であり、投資助言を構成するものではありません。投資にはリスクが伴います。市場への参入は慎重に行ってください。ユーザーは自身の投資判断に責任を負うものとします。

コメント

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。