用 20 個因子幫你看清每支股票的「體質」，再用 AI 幫你寫出一份看得懂的分析報告。
想像你有一個全天候的股票分析助手：
- 每天自動掃描 80+ 支台股，從法人買賣、技術指標、國際市場到新聞情緒，一口氣看完
- 用 20 個面向幫股票打分數（0-100 分），而且會根據現在是多頭、空頭還是盤整，自動調整各面向的重要性
- AI 寫分析報告，告訴你「為什麼」給這個分數，可能的風險和機會在哪裡
- 風控自動把關，設停損、控倉位，避免單一股票賠太多
一句話版本： 數據收集 → 20 因子打分 → AI 寫報告 → 風控把關 → 推播警報
你輸入一支股票（如 2330 台積電）
│
▼
┌─ Phase 1: 收集資料（同時進行，約 5 秒）─────────────┐
│ • 股價走勢（FinMind API） │
│ • 三大法人買賣（證交所 T86） │
│ • 月營收數據（FinMind 營收 API） │
│ • 國際市場（費城半導體、台積電ADR、ASML） │
│ • 總經指標（VIX恐慌指數、美國公債、銅價） │
│ • 新聞 & 社群情緒（鉅亨網、PTT 等） │
│ • 基本面（本益比、股價淨值比、殖利率） │
└──────────────────────────────────────────────────┘
│
▼
┌─ Phase 2: 分析特徵 ─────────────────────────────┐
│ • 計算 20 個評分因子（全部用公式，不靠 AI 猜） │
│ • HMM 判斷現在是多頭/空頭/盤整 │
│ • ML 模型預測（LSTM + XGBoost 集成） │
│ • AI 從新聞中萃取情緒分數 │
└──────────────────────────────────────────────────┘
│
▼
┌─ Phase 3: 打分數 ───────────────────────────────┐
│ 根據市場狀態調整 20 因子權重 → 加權算出總分 │
│ → 判定: 強力買進 / 買進 / 持有 / 賣出 / 強力賣出 │
└──────────────────────────────────────────────────┘
│
▼
┌─ Phase 4: AI 寫分析報告 ─────────────────────────┐
│ Claude AI 根據所有分數寫出： │
│ 展望、主要驅動因素、風險、可能催化劑、關鍵價位 │
└──────────────────────────────────────────────────┘
│
▼
┌─ Phase 5-6: 風控 + 儲存 + 警報 ─────────────────┐
│ • 建議倉位大小（最多 20%） │
│ • 自動停損（追蹤式，只升不降） │
│ • 存入資料庫、發送警報 │
└──────────────────────────────────────────────────┘
系統用 20 個不同面向 分析每支股票，分成三類：
| 因子 | 權重 | 白話說明 | 資料來源 |
|---|---|---|---|
| 外資動向 | 11% | 外資最近在買還是賣？買了多少？ | 證交所 T86 |
| 技術訊號 | 8% | RSI、KD、MACD 等指標是否出現買賣訊號 | 股價計算 |
| 短期動能 | 7% | 最近 5 天股價是往上還是往下？ | 股價計算 |
| 投信動向 | 5% | 投信（基金公司）在買還是賣？ | 證交所 T86 |
| 量能異常 | 4% | 成交量突然放大或萎縮？ | 股價計算 |
| 散戶情緒 | 4% | 融資增加（散戶看多）還是融券增加（看空）？ | FinMind |
| 因子 | 權重 | 白話說明 | 資料來源 |
|---|---|---|---|
| 趨勢動能 | 7% | 20 天趨勢是上升還是下降？ | 股價計算 |
| 營收動能 | 4% | 最新月營收比去年同期成長還是衰退？ | FinMind 月營收 |
| 法人同步 | 4% | 外資和投信是否同時在買？（同步買＝強訊號） | 證交所 T86 |
| 波動狀態 | 4% | 股價最近是穩定還是劇烈震盪？ | 股價計算 |
| 新聞情緒 | 3% | 新聞報導偏正面還是負面？ | AI 萃取 |
| 國際連動 | 3% | 費城半導體、台積電 ADR、ASML 走勢如何？ | yfinance |
| 獲利品質 | 4% | 毛利率是在改善還是惡化？ | yfinance 季報 |
| 類股輪動 | 3% | 資金正在流入還是流出這個產業？ | T86 + TWSE 產業指數 |
| 因子 | 權重 | 白話說明 | 資料來源 |
|---|---|---|---|
| ML 預測 | 7% | 機器學習模型認為未來走勢如何？ | LSTM + XGBoost |
| 基本面 | 6% | 本益比合理嗎？殖利率高嗎？ROE 好嗎？ | FinMind P/E → yfinance 備援 |
| 流動性 | 4% | 好不好買賣？（成交量太低的股票風險高） | 股價計算 |
| 總經風險 | 4% | VIX 恐慌指數、殖利率曲線、銅價、匯率走勢 | yfinance (含備援) |
| 出口動能 | 4% | 台灣整體出口趨勢（用 EWT / 0050 追蹤） | yfinance (含備援) |
| 美製造業 | 4% | 美國製造業景氣（影響台灣電子出口） | yfinance (含備援) |
系統會用 HMM（隱馬可夫模型）判斷現在的市場狀態，自動調整權重：
| 狀態 | 策略 | 舉例 |
|---|---|---|
| 🟢 多頭 | 加重短期動能，降低防禦因子 | 技術訊號、趨勢動能權重提高 |
| 🔴 空頭 | 加重風控因子，降低追漲因子 | VIX、波動、外資流向權重提高 |
| 🟡 盤整 | 均衡權重，注重類股輪動 | 技術訊號、類股輪動權重提高 |
系統從多個外部服務抓資料，任何一個掛掉都不應該讓整個分析失效。
| 主要來源 | 如果掛了... | 備援來源 |
|---|---|---|
| yfinance 費城半導體 (^SOX) | → | SOXX ETF |
| yfinance 台積電 ADR (TSM) | → | 2330.TW（本地） |
| yfinance EWT 台灣 ETF | → | 0050.TW 元大台灣50 |
| yfinance VIX 恐慌指數 | → | VIXY ETF |
| yfinance XLI 工業 ETF | → | IYJ 工業 ETF |
| yfinance 美 10Y 公債 (^TNX) | → | TLT 債券 ETF |
| yfinance 基本面 (P/E) | → | FinMind 每日 P/E（台灣本地 API） |
原則：FinMind（台灣本地 API）優先，yfinance（國際）為輔助或備援。
| 用途 | AI 模型 | 呼叫次數 | 說明 |
|---|---|---|---|
| 從新聞萃取情緒分數 | Claude Haiku（快又便宜） | 1 次 | 把新聞標題轉成 0-1 分的情緒分數 |
| 寫分析報告 | Claude Sonnet（聰明） | 1 次 | 用所有數據寫出人類看得懂的分析 |
| 總計 | 2 次 | 成本約 NT$1-2 / 次分析 |
💡 技術分析、籌碼分析全部由演算法（20 因子系統）完成。AI 只負責「萃取情緒」和「寫報告」——這才是 AI 擅長的事。
| 研究 | 發現 |
|---|---|
| FINSABER (KDD 2026) | LLM 策略的優勢在長期回測中完全消失 |
| StockBench (2025) | 最好的 AI 交易策略僅比「買了不動」多賺 1.9% |
| TradeTrap (2025) | AI 交易決策容易被操縱（記憶攻擊成功率 78%） |
| 模型 | 擅長什麼 | 說明 |
|---|---|---|
| LSTM + Attention | 捕捉時間序列規律 | 雙層 LSTM + 注意力機制，看歷史走勢預測 |
| XGBoost | 處理各種數據特徵 | 500 棵決策樹，處理法人籌碼等表格數據 |
| Stacking Ensemble | 綜合兩者優勢 | 用 Ridge 回歸把兩個模型的預測合併 |
防止作弊的機制：
- Triple Barrier 標籤：不只看漲跌，還看「什麼時候到達目標」
- PurgedTimeSeriesSplit：訓練時確保不會「偷看未來的資料」
- Meta-Labeling：用額外的模型評估「這次預測有多可信」
| 規則 | 限制 | 白話說明 |
|---|---|---|
| 單一倉位上限 | 20% | 再看好也不能全押一支股票 |
| 回撤熔斷 | 15% | 虧損超過 15% 就暫停交易，先冷靜 |
| 追蹤式停損 | 2.5×ATR | 股價漲，停損點跟著往上移（只升不降） |
| 體制轉換減倉 | 自動 | 市場從多頭轉空頭時，自動減少持股 |
| 單筆停損 | ≤ 8% | 單筆交易最多虧 8% |
| 風險報酬比 | ≥ 2:1 | 預期報酬至少是風險的 2 倍才進場 |
| 類別 | 技術 |
|---|---|
| 後端 API | FastAPI + SSE 即時串流 |
| 前端介面 | Next.js 15 + TailwindCSS + Recharts 圖表 |
| 機器學習 | PyTorch (LSTM), XGBoost, scikit-learn, hmmlearn |
| AI 助手 | Anthropic Claude (Haiku + Sonnet) |
| 台股資料 | FinMind API, 證交所 T86 API, yfinance (含備援) |
| 資料庫 | SQLAlchemy 2.x + SQLite |
| 自動排程 | APScheduler（每天 15:00 掃描、15:30 深度分析、16:00 因子追蹤） |
| 投資組合 | CVXPY 最佳化（Mean-Variance） |
- Python >= 3.12
- Node.js >= 18（前端用）
- FinMind 帳號（免費，用來抓台股資料）
- Anthropic API Key（AI 分析用）
git clone https://github.com/nrps9909/twstock-predictor.git
cd twstock-predictor
# Python 套件
uv sync # 推薦用 uv
# 或
pip install -e .
# 前端
cd web && npm install && cd ..cp .env.example .env打開 .env 填入：
FINMIND_TOKEN=你的FinMind_token
ANTHROPIC_API_KEY=你的Claude_API_key# 後端 API（http://localhost:8000）
uvicorn api.main:app --reload --port 8000
# 前端介面（http://localhost:3000）
cd web && npm run devuv sync --locked --extra dev
uv run --no-sync python -m pytest tests -qtwstock-predictor/
├── api/ # 後端 API
│ ├── main.py # 啟動入口 + 每日自動排程
│ ├── routers/ # API 路由（10 個端點）
│ └── services/ # 核心商業邏輯
│ ├── stock_analysis_service.py # 統一 6 階段分析管線
│ ├── market_service.py # 20 因子評分引擎 + 備援機制
│ ├── auto_pipeline_service.py # 每日自動深度分析
│ ├── alert_service.py # 智慧警報（5 類型 × 3 嚴重度）
│ └── market_intel_service.py # 市場情報彙整
├── web/ # 前端介面 (Next.js)
│ ├── app/ # 頁面（市場總覽、歷史紀錄）
│ └── components/ # UI 元件（圖表、分析面板）
├── src/ # 核心分析邏輯
│ ├── agents/ # AI Agent（情緒萃取 + 報告生成）
│ ├── analysis/ # 特徵工程（43 維特徵、技術指標）
│ ├── models/ # ML 模型（LSTM、XGBoost、集成）
│ ├── risk/ # 風險管理（停損、熔斷）
│ ├── data/ # 資料抓取（FinMind、證交所、yfinance）
│ │ ├── stock_fetcher.py # 股價 + P/E + 營收（FinMind）
│ │ ├── twse_scanner.py # 法人買賣超 + 產業指數（證交所）
│ │ └── sentiment_crawler.py # 新聞 & PTT 爬蟲
│ ├── db/ # 資料庫 ORM
│ ├── pipeline/ # 自動重訓練觸發
│ └── monitoring/ # 週報 / 月報產生
├── tests/ # 200+ 自動化測試
├── models/ # 訓練好的模型檔案
└── data/ # SQLite 資料庫
| 方法 | 路徑 | 說明 |
|---|---|---|
| GET | /api/market/scan |
全市場掃描（即時串流） |
| GET | /api/market/overview |
市場總覽（大盤概況） |
| GET | /api/market/recommendations |
推薦排名（依總分排序） |
| POST | /api/market/analyze/{stock_id} |
個股深度分析（即時串流） |
| GET | /api/market/pipeline |
查詢分析結果 |
| POST | /api/market/pipeline/{stock_id} |
手動觸發分析 |
| POST | /api/market/pipeline/batch |
批次分析多支股票 |
| GET | /api/market/intel/* |
市場情報（新聞 + 法人） |
| GET | /api/market/factor-ic |
因子預測力追蹤 (IC) |
| GET/POST | /api/alerts/* |
警報管理 |
預設追蹤 80+ 支台股，涵蓋 8 大產業：
| 產業 | 代表個股 |
|---|---|
| 半導體 | 2330 台積電、2454 聯發科、3711 日月光 |
| 電子 | 2317 鴻海、2382 廣達、2308 台達電 |
| 金融 | 2881 富邦金、2882 國泰金、2886 兆豐金 |
| 電信 | 2412 中華電、3045 台灣大 |
| 傳產 | 1301 台塑、2002 中鋼 |
| 航運 | 2603 長榮、2609 陽明 |
| 生技 | 6446 藥華藥、4743 合一 |
| 綠能 | 6488 環球晶、3481 群創 |
可在
STOCK_SECTOR字典中自行新增股票。
提交 Issue 或 Pull Request 前，請先閱讀 CONTRIBUTING.md。若發現可能造成未授權存取、資料外洩或供應鏈風險的漏洞，請依 SECURITY.md 使用 GitHub 私人漏洞回報，避免公開敏感細節。
MIT