使用 Phidata AI 快速构建股票分析智能体智能体

股票研究中的信息过载是真实存在的

在评估股票价值时，一个常见的挑战是：处理来自多个来源的大量信息，以做出明智的投资决策。

传统方法包括：

• 从各种平台收集财务数据。
• 阅读多份报告、新闻和其他文章。
• 构建和维护复杂的电子表格模型。
• 将这些信息综合成可操作的内容。

同时持有和管理所有这些输入通常看起来像这样：

众所周知，AI 是最可行的解决方案，可以轻松高效地处理大型数据集。

然而，目前大多数公开可用的大语言模型（LLM）仍然无法非常准确地对实时股票数据进行详细的深入分析。

• ChatGPT 和 Claude 有上下文日期截止。
• Perplexity 非常适合实时信息，但在分析任务方面受到限制。
• ChatGPT 搜索仍然不尽如人意。

对于详细的研究和股票分析，我们需要更精确且能够很好地处理结构化数据集的东西。

事实上，如果我们能把所有东西结合起来呢？如果我们能够利用 AI 智能体，在一个系统中就可以浏览新闻、谷歌搜索、财务数据集和编码任务呢？

一个超强、始终在线的股票分析师。

进入 AI 智能体解决方案

为了解决这个问题，我开发了一个系统，可以协调多个专业的 AI 智能体，每个智能体处理股票分析的特定方面。

智能体团队

1. 情绪分析智能体（GPT-4o）
   • 处理新闻和市场情绪
   • 使用谷歌搜索收集最近的进展
   • 提供情绪评分和趋势分析
2. 财务分析智能体（Claude 3.5）
   • 不同的智能体用于基本股票数据和历史数据
   • 分析公司财务和指标
   • 执行估值计算（DCF、公开可比公司、基本面分析）
   • 评估关键绩效指标
3. 量化分析智能体（Claude 3.5 Sonnet 或 Haiku）
   • 执行 Python 代码进行技术分析
   • 处理大型数据集和其他智能体的输出
   • 生成可视化和统计见解
4. 执行/投资组合经理智能体（Claude 3.5 Sonnet 或 Haiku）
   • 充当投资组合经理，旨在综合数据，可选择路由。
   • 汇总其他工具型智能体收集的所有信息，并提供买入、卖出或持有的建议

Phidata：智能体构建器

Phidata 是一个 AI 智能体框架，使开发人员能够：

• 构建具有记忆、知识和外部连接的智能体
• 构建可以协同工作的智能体团队
• 监控、评估和优化智能体

他们还提供直观且用户友好的智能体用户界面，用户可以在沙盒环境中测试智能体。

Phidata 允许我们开箱即用地集成多个强大的工具：

• Yahoo Finance API 用于实时价格数据和历史财务数据
• 谷歌搜索用于新闻和情绪分析
• 用于 AI 指导的代码执行和定量分析的 Python 工具（谨慎使用）
• 用于数据处理和可视化的自定义量化函数（可选）
  • 注意：代码执行智能体需要严格的控制和严格的提示工程
  • 代码智能体可能会遇到多个错误，例如递归函数或保存和读取文件

入门

想自己尝试一下吗？完整的代码可在 Google Colab 笔记本中找到。

您将需要：

• OpenAI 和 Anthropic 的 API 密钥（我们对不同的智能体使用不同的模型，但您可以选择更统一的工作流程）
• 已安装 Phidata 框架
• 一些基本的 Python 知识，以便继续学习

必需的包

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

实例化库和 API 密钥

## 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

定义一个智能体 - 情绪分析示例

# 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,
)

定义一个智能体 - 基本股票信息示例

# 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,
)

用户可以选择根据其独特需求添加更多智能体，包括可视化智能体和其他格式

构建您的智能体团队

只需几行代码，我们就可以建立一个强大的多智能体系统，该系统具有特定的角色，可以协同分析股票。

agent_team 充当指挥，选择合适的智能体工作流程，并确保每个智能体贡献其见解，并且最终输出结构良好、数据驱动且易于理解

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,
)

开始与您的智能体团队聊天 🤖

您现在可以开始查询您的智能体团队了！以下是示例提示和输出的外观：

示例提示：

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
)

示例输出：

（格式化后数据）

### 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。

就是这样。您正在构建您的个人股票分析师，以帮助您增强投资流程。

真实世界的结果

在各种股票上测试该系统已显示出可喜的结果：

• 成本降低：通过自动汇总数据，可以消除对多个金融数据库订阅的需求
• 研究效率：减少股票研究时间，并且可以同时处理多家公司，从而在不增加人员的情况下扩大覆盖范围
• 竞争分析：快速生成同行比较和行业定位
• 财务分析：减少对初级分析师进行数据收集的依赖，使他们能够专注于更高价值的分析
• 多模型支持：插入 Claude、GPT、Groq、HF 模型或任何最适合您需求的 LLM 提供商

⚠️ 局限性

虽然功能强大，但该系统仍有一些局限性：

• 分析超出 LLM 训练截止日期的数据的能力有限
• 依赖外部 API 数据质量和可用性
• 使用其他工具和智能体时，计算成本较高
• 需要精确的提示工程
• 复杂的决策仍需要人工监督

🛠️ 潜在的增强功能

未来的增强功能可能包括：

• 其他数据源和 API
• 更复杂的智能体间通信
• 增强的可视化和代码执行能力
• 用于模式识别的机器学习模型

结论

这个多智能体系统是自动化金融分析向前迈出的重要一步，并且每个人都可以免费使用。通过结合不同 AI 模型和工具的优势，我们可以创建更强大和全面的分析工作流程。

请记住：虽然 AI 可以极大地增强我们的分析能力，但它应该作为投资决策中人类判断的补充，而不是替代品。

免责声明：此帖子仅用于教育目的，不应被视为财务建议。在做出投资决策之前，请始终进行自己的研究。