Phidata AI를 통한 신속한 재고 분석 인텔리전스 구축

使用 Phidata AI 快速构建股票分析智能体智能体

 

주식 리서치에서 정보 과부하는 현실입니다.

주식의 가치를 평가할 때 흔히 겪는 어려움은 정보에 입각한 투자 결정을 내리기 위해 여러 출처의 대량의 정보를 처리해야 한다는 점입니다.

전통적인 방법에는 다음이 포함됩니다:

  • 다양한 플랫폼에서 재무 데이터를 수집하세요.
  • 여러 보고서, 뉴스 및 기타 기사를 읽어보세요.
  • 복잡한 스프레드시트 모델을 구축하고 유지 관리하세요.
  • 이 정보를 실행 가능한 콘텐츠로 종합합니다.

이러한 모든 입력을 동시에 보관하고 관리하는 것은 일반적으로 다음과 같은 모습입니다:

使用 Phidata AI 快速构建股票分析智能体智能体

AI는 대규모 데이터 세트를 쉽고 효율적으로 처리할 수 있는 가장 실용적인 솔루션으로 알려져 있습니다.

그러나 현재 공개된 대부분의 대규모 언어 모델(LLM)은 여전히 실시간 주식 데이터를 매우 정확하게 심층적으로 분석할 수 없습니다.

  • ChatGPT 노래로 응답 Claude 상황에 맞는 날짜 제한이 있습니다.
  • 당혹감 실시간 정보에는 이상적이지만 분석 작업에는 제한이 있습니다.
  • ChatGPT 검색은 여전히 만족스럽지 않습니다.

자세한 리서치와 주식 분석을 위해서는 보다 정확하고 구조화된 데이터 세트와 잘 작동하는 무언가가 필요합니다.

사실 모든 것을 결합할 수 있다면 어떨까요? AI 지능을 활용하여 뉴스, Google 검색, 금융 데이터 세트, 코딩 작업을 하나의 시스템에서 모두 탐색할 수 있다면 어떨까요?

상시 근무하는 뛰어난 주식 애널리스트.

 

AI 지능형 신체 솔루션으로 이동

이 문제를 해결하기 위해 저는 주식 분석의 특정 측면을 각각 다루는 여러 전문 AI 인텔리전스를 조정하는 시스템을 개발했습니다.

使用 Phidata AI 快速构建股票分析智能体智能体

인텔리전트 바디 팀

  1. 감정 분석 인텔리전스(GPT-4o)
    • 뉴스 및 시장 심리 다루기
    • Google 검색을 사용하여 최근 개발 현황 수집
    • 감성 점수 및 트렌드 분석 제공
  2. 재무 분석 인텔리전스(Claude 3.5)
    • 기본 주식 데이터와 과거 데이터를 위한 다양한 인텔리전스
    • 회사 재무 및 지표 분석
    • 밸류에이션 계산 수행(DCF, 공개 비교 기업, 펀더멘털 분석)
    • 핵심 성과 지표 평가
  3. 정량적 분석 인텔리전스(클로드 3.5 소네트 또는 하이쿠)
    • 기술적 분석을 위한 Python 코드 실행
    • 대규모 데이터 세트 처리 및 다른 인텔리전스의 출력 처리
    • 시각화 및 통계 인사이트 생성하기
  4. 경영진/포트폴리오 관리자 인텔리전스(클로드 3.5 소네트 또는 하이쿠)
    • 선택적 라우팅을 통해 데이터를 종합하는 것을 목표로 하는 포트폴리오 관리자 역할을 합니다.
    • 다른 도구 지능이 수집한 모든 정보를 집계하여 매수, 매도 또는 보유 추천을 제공합니다.

피데이터: 지능형 바디 빌더

使用 Phidata AI 快速构建股票分析智能体智能体

Phidata 는 개발자가 다음을 수행할 수 있는 AI 인텔리전스를 위한 프레임워크입니다:

  • 메모리, 지식 및 외부 연결을 통한 인텔리전스 구축
  • 함께 일할 수 있는 인텔리전스 팀 구축
  • 인텔리전스 모니터링, 평가 및 최적화

또한 인텔리전스를 위한 직관적이고 사용자 친화적인 사용자 인터페이스를 제공하며, 사용자는 샌드박스 환경에서 인텔리전스를 테스트할 수 있습니다.

Phidata를 사용하면 여러 가지 강력한 도구를 즉시 통합할 수 있습니다:

  • 실시간 가격 데이터 및 과거 재무 데이터를 위한 Yahoo Finance API
  • Google 검색 뉴스 및 감성 분석
  • AI 가이드 코드 실행 및 정량적 분석을 위한 Python 도구(주의해서 사용)
  • 데이터 처리 및 시각화를 위한 사용자 지정 정량적 기능(선택 사항)
    • 참고: 코드 실행 인텔리전스에는 엄격한 제어와 엄격한 프롬프트 엔지니어링이 필요합니다.
    • 코드 인텔리전스에는 재귀 함수 또는 파일 저장 및 읽기와 같은 여러 오류가 발생할 수 있습니다.

소개(주제)

직접 사용해보고 싶으신가요? 전체 코드는 다음에서 확인할 수 있습니다. Google 실험실 노트북발견됨.

그래야 합니다:

  • OpenAI 및 인류학 API 키(인텔리전스마다 다른 모델을 사용하지만 보다 통합된 워크플로우를 선택할 수 있습니다)
  • Phidata 프레임워크 설치
  • 추가 학습을 위한 몇 가지 기본 Python 지식

필수 패키지

!pip install phidata openai anthropic yfinance googlesearch-python pycountry -q

라이브러리 및 API 키 인스턴스화하기

## Libraries

from phi.agent import Agent
from phi.model.openai import OpenAIChat
from phi.model.anthropic import Claude
from phi.tools.yfinance import YFinanceTools
from phi.tools.googlesearch import GoogleSearch

## API Keys

import requests

from google.colab import userdata
OPENAI_API_KEY = userdata.get('OPENAI_API_KEY')
ANTHROPIC_API_KEY = userdata.get('ANTHROPIC_API_KEY')

import os
os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY
os.environ["ANTHROPIC_API_KEY"] = ANTHROPIC_API_KEY

 

인텔리전스 정의 - 감정 분석 예시

# Sentiment Analysis Agent

sentiment_agent = Agent(
name="Sentiment Analysis Agent",
role="Search and interpret news articles",
model=OpenAIChat(id="gpt-4o"),
## define the tools for the Agent's use
tools=[GoogleSearch(), YFinanceTools(company_news=True)],
instructions=[
"Find relevant news articles for each company and critically analyze the news sentiment.",
"Provide sentiment scores from 1 (negative) to 10 (positive) with reasoning and sources."
"Cite your sources. Be specific, crtical and provide relevant links."
],
show_tool_calls=True,
markdown=True,
)

 

인텔리전스 정의 - 기본 주식 정보 예시

# Financial Analyst Agent

basic_stock_agent = Agent(
name="Basic Financial Data Agent",
role="Retrieve basic company financial data and expertly interpret trends and data using a rigourously analytical approach",
model=Claude(id="claude-3-5-sonnet-latest"), ## swapped claude for gpt-4o
## define the tools for the Agent's use
tools=[YFinanceTools(stock_price=True, company_info=True, stock_fundamentals=True, analyst_recommendations=True)],
instructions=[
"Retrieve stock prices, analyst recommendations, and key summary financial data.",
"Focus on company funamentals and trends, presenting the data in tables with key insights."
],
show_tool_calls=True,
markdown=True,
)

사용자는 시각적 인텔리전스 및 기타 형식을 포함하여 고유한 요구 사항에 따라 더 많은 인텔리전스를 추가할 수 있습니다.

인텔리전트 바디 팀 구축

몇 줄의 코드만으로 주식 분석을 위해 협업할 수 있는 특정 역할을 가진 강력한 다중 인텔리전스 시스템을 구축할 수 있습니다.

agent_team 지휘자 역할을 수행하여 올바른 인텔리전스 워크플로우를 선택하고 각 인텔리전스가 인사이트를 제공하고 최종 결과물이 잘 구조화되고 데이터 중심적이며 이해하기 쉽도록 보장합니다.

agent_team = Agent(
model=Claude(id="claude-3-5-sonnet-latest"),
team=[sentiment_agent, basic_stock_agent], ## Add more Agents here if desired.
instructions=[
"Combine the expertise of all the agents part of your team to provide a cohesive, highly analytical and well-supported response",
"Always include references and dates for all data points and sources. Your context is current as of [insert date here]"
"Present data in structured tables for clarity, ensuring all conclusions are data-driven."
"Explain the methodlogy and always determine a BUY, SELL, or HOLD recommendation."
],
show_tool_calls=True,
markdown=True,
)

 

인텔리전스 팀과 채팅 시작하기 🤖

이제 Smartbody 팀에 쿼리를 시작할 준비가 되었습니다! 샘플 프롬프트와 출력은 다음과 같습니다:

팁 예시:

agent_team.print_response(
"Perform a public comparable companies analysis for CALM Cal Maine Foods. Identify it's main competitors and market positioning. Assess each comp in a structrued table format",
stream=True
)

 

샘플 출력:

(형식화된 데이터)

### 公共可比公司分析:Cal-Maine Foods (CALM)


#### **公司概览**

| 公司名称 | 股票代码 | 市值 (美元) | 主要业务方向 | 鸡蛋生产重点 |
| ---------------------- | ---------- | ------------- | ---------------- | -------------- |
| Cal-Maine Foods | CALM | $4.96B | 专注于鸡蛋生产 | 核心业务 |
| Post Holdings | POST | $6.66B | 包装食品 | 次要业务 |
| Tyson Foods | TSN | $20.65B | 肉类和食品产品 | 边缘业务线 |
| Vital Farms | VITL | $1.64B | 放养鸡蛋 | 专注细分市场 |
| Seaboard Corporation | SEB | $2.34B | 多元化企业集团 | 边缘业务线 |

#### **财务指标对比**

| 指标 | CALM | POST | TSN | VITL | SEB |
| ----------------------- | -------- | -------- | -------- | -------- | -------- |
| 市盈率 (P/E Ratio) | 11.59 | 16.11 | 13.80 | 31.31 | N/A |
| 每股收益 (EPS) | $8.73 | $5.64 | $2.25 | $1.12 | -$5.30 |
| 收入增长率 (同比) | 71.1% | 波动 | 中等 | 高 | 波动 |
| 毛利率 (Gross Margin) | 28.02% | 15-20% | 12-15% | 25-30% | 波动 |

---

### **Cal-Maine Foods 的竞争地位**

#### **独特优势**

1. 鸡蛋生产市场的领导地位
2. 多元化的产品组合
3. 强大的区域分销网络
4. 专注于特色鸡蛋细分市场
5. 稳健的财务表现

#### **关键差异化特点**

* **品牌** :Egg-Land's Best, Land O' Lakes, Farmhouse Eggs
* **产品范围** :传统、有机、散养、放牧鸡蛋
* **地理覆盖** :西南、东南、中西部、东北和中大西洋地区

---

### **市场建议**

#### **综合评估**

* **Cal-Maine Foods** 是最专注于鸡蛋生产的公司
* 与多元化竞争对手相比,财务指标表现强劲
* 在特色鸡蛋市场细分中有持续增长的潜力

#### **投资建议:** **强烈买入**

* 稳健的基本面
* 市场领导地位
* 适应消费者趋势的能力
* 相较于同业估值具有吸引力

---

**注意** :以上分析基于当前市场数据,可能会随市场变化而调整。在做出投资决策之前,请始终进行个人尽职调查。

여기까지입니다. 투자 프로세스를 개선하는 데 도움이 되는 개인 주식 애널리스트를 구축하는 것입니다.

실제 결과

다양한 종목을 대상으로 시스템을 테스트한 결과 유망한 결과가 나타났습니다:

  • 비용 절감데이터를 자동으로 집계하여 여러 재무 데이터베이스 구독의 필요성을 제거할 수 있습니다.
  • 연구 효율성주식 리서치에 소요되는 시간을 줄이고 여러 기업을 동시에 처리할 수 있어 인력 증원 없이 커버리지 확대 가능
  • 경쟁 분석신속한 피어 비교 및 업계 포지셔닝 생성
  • 재무 분석데이터 수집을 위해 주니어 분석가에 대한 의존도를 줄여 더 가치 있는 분석에 집중할 수 있습니다.
  • 다중 모델 지원Claude, GPT, Groq, HF 모델 또는 필요에 가장 적합한 LLM 제공업체를 삽입합니다.

⚠️ 제한 사항

이 시스템은 강력하지만 여전히 몇 가지 한계가 있습니다:

  • LLM 교육 마감일 이후 데이터 분석 기능 제한
  • 데이터 품질 및 가용성을 위해 외부 API에 의존하는 경우
  • 다른 도구와 인텔리전스를 사용할 때 더 높은 컴퓨팅 비용 발생
  • 엔지니어링에 대한 정확한 팁 필요
  • 복잡한 의사 결정에는 여전히 사람의 감독이 필요합니다.

🛠️ 잠재적 개선 사항

향후 개선 사항에는 다음이 포함될 수 있습니다:

  • 기타 데이터 소스 및 API
  • 보다 복잡한 인텔리전스 간 커뮤니케이션
  • 향상된 시각화 및 코드 실행
  • 패턴 인식을 위한 머신 러닝 모델

평결에 도달하기

이 다중 지능 시스템은 재무 분석을 자동화하는 데 있어 중요한 진전이며 누구나 무료로 사용할 수 있습니다. 다양한 AI 모델과 도구의 강점을 결합하여 더욱 강력하고 포괄적인 분석 워크플로를 만들 수 있습니다.

기억하세요: AI는 분석 능력을 크게 향상시킬 수 있지만, 투자 의사 결정에서 인간의 판단을 대체하는 것이 아니라 보완하는 수단으로 사용해야 합니다.

면책 조항: 이 게시물은 교육 목적으로만 제공되며 재정적인 조언으로 간주되어서는 안 됩니다. 투자 결정을 내리기 전에 항상 직접 조사해 보세요.

© 저작권 정책

관련 문서

댓글 없음

댓글에 참여하려면 로그인해야 합니다!
지금 로그인
없음
댓글 없음...