Быстрое создание интеллектуального анализа запасов с помощью искусственного интеллекта Phidata AI

Информационная перегрузка в исследованиях акций реальна

При оценке стоимости акций часто возникает проблема: необходимо разобраться с большим количеством информации из разных источников, чтобы принять обоснованное инвестиционное решение.

Традиционные методы включают:

• Сбор финансовых данных с различных платформ.
• Читайте многочисленные отчеты, новости и другие статьи.
• Создание и поддержка сложных моделей электронных таблиц.
• Обобщите эту информацию, превратив ее в полезный контент.

Удержание и одновременное управление всеми этими входами обычно выглядит следующим образом:

Известно, что искусственный интеллект является наиболее эффективным решением для простой и эффективной обработки больших массивов данных.

Однако большинство общедоступных больших языковых моделей (LLM) все еще не могут с высокой точностью выполнять детальный анализ биржевых данных в режиме реального времени.

• ChatGPT ответить пением Клод Существует контекстуальное ограничение по дате.
• Недоумение Идеально подходит для получения информации в режиме реального времени, но ограничен в плане задач анализа.
• Поиски ChatGPT остаются неудовлетворительными.

Для детальных исследований и анализа акций нам нужно что-то более точное и хорошо работающее со структурированными наборами данных.

На самом деле, что если бы мы могли объединить все? Что, если бы мы могли использовать искусственный интеллект для навигации по новостям, поиску в Google, финансовым базам данных и задачам кодирования в одной системе?

Великолепный, всегда готовый к работе биржевой аналитик.

Перейти к разделу AI Intelligent Body Solutions

Чтобы решить эту проблему, я разработал систему, которая координирует работу нескольких специализированных искусственных интеллектов, каждый из которых занимается конкретными аспектами анализа акций.

Команда "Интеллектуальное тело

1. Интеллектуальный анализ настроений (GPT-4o)
   • Работа с новостями и настроениями на рынке
   • Используйте поиск Google, чтобы узнать о последних событиях
   • Предоставляет оценки настроения и анализ тенденций
2. Финансовый анализ (Клод 3.5)
   • Различные интеллекты для базовых данных по акциям и исторических данных
   • Анализ финансов и показателей компании
   • Выполнять расчеты стоимости (DCF, публично сопоставимые компании, фундаментальный анализ).
   • Оценка ключевых показателей эффективности
3. Количественный анализ интеллекта (Клод 3.5 Сонет или хайку)
   • Выполнение кода на языке Python для технического анализа
   • Обработка больших массивов данных и результатов работы других интеллектов
   • Создание визуализаций и статистических данных
4. Интеллект руководителя/портфельного менеджера (Сонет или хайку Клода 3.5)
   • Действует как портфельный менеджер, стремясь синтезировать данные с возможностью маршрутизации.
   • Агрегировать всю информацию, собранную другими инструментальными интеллектами, и давать рекомендации по покупке, продаже или удержанию.

Phidata: Интеллектуальный конструктор тела

Phidata это фреймворк для искусственного интеллекта, который позволяет разработчикам:

• Развитие интеллекта с помощью памяти, знаний и внешних связей
• Создание команд интеллектуалов, способных работать вместе
• Мониторинг, оценка и оптимизация интеллекта

Они также предоставляют интуитивно понятный и удобный пользовательский интерфейс для интеллектов, и пользователи могут тестировать интеллекты в среде "песочницы".

Phidata позволяет нам интегрировать несколько мощных инструментов прямо из коробки:

• Yahoo Finance API для получения данных о ценах в реальном времени и исторических финансовых данных
• Поиск новостей и анализ настроений в Google
• Инструменты Python для выполнения кода под управлением ИИ и количественного анализа (использовать с осторожностью)
• Пользовательские количественные функции для обработки и визуализации данных (опционально)
  • Примечание: Интеллекты, исполняющие коды, требуют жесткого контроля и оперативной разработки.
  • Кодовые интеллекты могут столкнуться с многочисленными ошибками, например, при выполнении рекурсивных функций или при сохранении и чтении файлов

введение (предмет)

Хотите попробовать сами? Полный код доступен по адресу Блокнот Google ColabНайдено в.

Вам потребуется:

• OpenAI и Антропология Ключ API (мы используем разные модели для разных интеллектов, но вы можете выбрать более унифицированный рабочий процесс)
• Установлен фреймворк Phidata
• Некоторые базовые знания Python для дальнейшего изучения

Необходимые пакеты

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

Создание библиотек и ключей API

## 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

Определение интеллекта - пример анализа настроения

# 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,
)

Определение интеллекта - пример базовой информации о запасах

# 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,
)

Пользователи могут добавлять другие виды интеллекта в зависимости от своих потребностей, включая визуальный интеллект и другие форматы.

Создание команды интеллектуального тела

Всего за несколько строк кода мы можем создать мощную мультиинтеллектуальную систему с определенными ролями, которые могут совместно анализировать акции.

agent_team Выступать в роли дирижера, подбирая нужный рабочий процесс и обеспечивая, чтобы каждый из интеллектуалов вносил свой вклад и чтобы конечный результат был хорошо структурированным, основанным на данных и легким для понимания

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,
)

Начните общаться со своей командой интеллектуалов 🤖.

Теперь вы готовы приступить к составлению запросов для команды Smartbody! Вот как выглядят примерные запросы и выходные данные:

Пример совета:

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
)

Образец вывода:

(форматированные данные)

### 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。

Вот и все. Вы создали своего личного аналитика, который поможет вам улучшить процесс инвестирования.

Реальные результаты

Тестирование системы на различных акциях показало многообещающие результаты:

• Снижение затрат: Необходимость подписки на многочисленные финансовые базы данных может быть устранена путем автоматического агрегирования данных
• Эффективность исследований: Сокращает время, затрачиваемое на исследование акций, и позволяет одновременно работать с несколькими компаниями, расширяя охват без увеличения штата сотрудников.
• Конкурентный анализ: Быстрое сравнение с аналогами и позиционирование в отрасли
• Финансовый анализ: Уменьшает нагрузку на младших аналитиков при сборе данных, позволяя им сосредоточиться на более важных анализах.
• Поддержка нескольких моделей: Вставьте модели Claude, GPT, Groq, HF или любой другой поставщик LLM, который лучше всего подходит для ваших нужд!

⚠️ Ограничения

Несмотря на свою мощь, система все же имеет некоторые ограничения:

• Ограниченная способность анализировать данные после даты окончания обучения LLM
• Зависимость качества и доступности данных от внешних API-интерфейсов
• Более высокие вычислительные затраты при использовании других инструментов и интеллектов
• Нужны точные советы по проектированию
• Сложные решения по-прежнему требуют человеческого контроля

🛠️ Потенциальные усовершенствования

В будущем возможны следующие усовершенствования:

• Другие источники данных и API
• Более сложная межразведывательная коммуникация
• Улучшенная визуализация и выполнение кода
• Модели машинного обучения для распознавания образов

вынести вердикт

Эта мультиинтеллектуальная система является важным шагом вперед в автоматизации финансового анализа и бесплатна для всех желающих. Объединив сильные стороны различных моделей и инструментов искусственного интеллекта, мы сможем создать более мощные и комплексные аналитические рабочие процессы.

Помните: хотя искусственный интеллект может значительно расширить наши аналитические возможности, его следует использовать в качестве дополнения, а не замены человеческого мнения при принятии инвестиционных решений.

Отказ от ответственности: Эта статья предназначена исключительно для образовательных целей и не должна рассматриваться как финансовый совет. Всегда проводите собственное исследование, прежде чем принимать инвестиционные решения.