VYNN AI 金融分析引擎
把公司与市场问题转成有来源依据的估值、模型和研究报告。
- Star 数
- ★ 129
- 最近更新
- 5 天前
- License
- NOASSERTION
- 主语言
- Python
- FA 评分
- 44/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API · Claude API
- 费用
- 需要付费订阅或许可
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 个人投资者想判断某家公司是否值得进一步研究,可运行完整财务分析并查看估值模型与有引用的报告。
- 不适合
- 需要无需书面许可即可使用的软件团队
- 需要准确性已通过12个月回测验证的投资者
- 需要盘中新闻信号的交易者
这个 Agent 能做什么,适合哪些场景?
这是驱动 VYNN AI 的个人金融分析代理,入口是 Python 3.11 命令行程序 main.py。src/agents/generalist_agent.py 运行一个推理循环,根据问题选择工具;需要完整研究时,它会收集财务数据、并行构建十标签 Excel 模型与筛选新闻,再生成带引用的报告。模型计算由代码执行,确定性计算器设定评级和目标价,验证器核对数字并要求至少 95% 的重要句子引用本次运行证据。输出包括聊天回答、研究报告、工作簿和运行数据;可用 Docker 运行。README 提供 OpenAI 与 Anthropic 模型接口,但使用、复制、修改或分发源代码须获得 VYNN AI 书面许可。
通过 --pipeline chat 接收自然语言问题,并由 generalist_agent.py 选择工具;快速问题可查询价格、技术指标、期权、组合风险、宏观数据、基金、加密资产或预测市场。完整分析会调用 get_financials、build_model、analyze_news 和 write_report,生成十标签 Excel 模型及引用报告;src/recommendation_* 中的确定性计算器与验证器负责评级、目标和数字检查,src/confidence_alert.py 在分析师目标与模型估值差异较大时提示。运行结果写入 data/<email>/<TICKER>/<timestamp>/,包括模型、报告、回答与日志。默认需 OpenAI API 密钥;Anthropic 是可配置的替代提供方。
- 个人投资者想判断某家公司是否值得进一步研究,可运行完整财务分析并查看估值模型与有引用的报告。
- 需要中文公司研究的用户可用中文提问,代理能以中文生成报告。
- 投资者想了解利率变化对美国银行的影响,可查询宏观数据并获得快速回答。
- 技术交易者想查看 NVDA 或 AAPL 的技术指标与实际价位,可请求技术分析。
- 期权或组合研究者可请求 Black-Scholes 期权估值、风险指标或最大夏普比率组合权重。
- 关注市场对联储降息预期或比特币走势的用户,可查询预测市场概率或加密资产概况。
如何安装或部署这个 Agent?
需要 Python 3.11 和 OpenAI API 密钥。README 还提供 Docker 部署方式;源代码的使用、复制、修改或分发须获得 VYNN AI 书面许可。
git clone https://github.com/Agentic-Analyst/stock-analyst.git
cd stock-analyst
python3.11 -m venv .venv && source .venv/bin/activate
pip install -r requirements.lock
cp .env.example .env # set OPENAI_API_KEYDocker 部署:
docker build --target production -t stock-analyst .
docker run --rm --env-file .env -v "$(pwd)/data:/data" stock-analyst \
--pipeline chat --email [email protected] --timestamp 20260101_120000 --user-prompt "Analyze NVDA"如何使用这个 Agent?
在 .env 中设置 OPENAI_API_KEY,然后用聊天流水线提交问题:
python main.py --pipeline chat --email [email protected] --timestamp 20260101_120000 \
--user-prompt "Analyze NVDA. Should I buy?"使用 --session-id 继续对话。脚本化运行可用 --ticker 和 comprehensive、financial-model、search-news 等流水线。配置 ANTHROPIC_API_KEY 可选用 Claude 模型;FRED_API_KEY 启用 get_macro,而 SERPAPI_API_KEY 可增强新闻发现。
这个 Agent 有哪些优点和局限?
- 推理循环按问题选择工具,快速问答无需执行完整分析流水线。
- 完整分析并行构建十标签 Excel 模型与新闻筛选,并生成带来源的报告。
- 确定性计算器设定评级与目标价,验证器核对数值并检查引用覆盖率。
- 可配置 OpenAI 或 Anthropic 模型,并提供命令行及 Docker 运行方式。
- 源代码使用、复制、修改或分发需要 VYNN AI 书面许可。
- 运行需要 Python 3.11 和 OpenAI API 密钥;切换到 Anthropic 还需其 API 密钥。
- 宏观数据、增强新闻发现和分析师共识等功能分别依赖额外服务或 API 密钥。
- README 明确表示尚无经版本化队列与真实12个月结果回测验证的准确性结论。
- Google News 可能滞后15至30分钟,Yahoo Finance 在请求密集时会限流。
这个 Agent 与同类方案有什么区别?
README 将 Perpetual Growth 与 Exit Multiple 作为两种估值方法协调使用,并指出分析师目标仅作基准,不进入估值。它没有给出可直接比较的竞品选型。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| VYNN AI 金融分析引擎 当前 | 44 · 缺口较多 | 命令行工具付费 | ★ 129 | 5 天前 | Python | OpenAI API · Claude API |
| TradingAgents 多智能体交易研究框架 | 76 · 表现良好 | 命令行工具免费 + 模型费 | ★ 113k | 7 天前 | Python | OpenAI API · Claude API |
| FinRobot | 51 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 8.3k | 25 天前 | Python | OpenAI API |
| Alpaca 多智能体交易工作台 | 48 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 278 | 15 天前 | Python | OpenAI API |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
证据显示:新闻/搜索结果/历史被标记为数据而非指令,SECURITY.md 对 NLTK CVE 做了 VEX 说明并由测试守护,CI 有反伪造数据检查,README 声明每个输入都打印来源。扣分:无任何用户确认/审批机制(README 甚至提到“等待审批”但代码中无体现),无回滚或撤销路径,外部副作用(写文件、调用付费 API、发布报告)无显式约束,权限边界未在文件中说明;依赖含 git 直连的私有 vynn-core 与未锁定的 requirements.txt,供应链透明度有限。
证据显示:CI 运行 745 项测试、compileall 检查、conftest 强制离线夹具,测试覆盖工具执行级契约与清单指纹稳定性,体现自洽性。扣分:requirements.txt 使用宽松版本下限且依赖私有 git 仓库,依赖可用性无法静态确认;失败信息仅在测试断言中体现,产品级错误提示与降级路径未在文件中展示。
证据显示:README 明确列出多语言、快速问答与完整分析两类场景,并说明 DCF 不适用于加密/基金/未盈利公司等能力边界,限制章节具体。扣分:触发精度(何时走重路径)仅靠自然语言描述,无阈值或判定规则;环境适配仅覆盖 Python 3.11 与 Docker,无其他运行时说明。
证据显示:README 结构清晰,含快速开始、配置表、目录布局、测试命令与限制章节,示例丰富。扣分:许可证为专有“仅可查看”,与徽章“source-available”及 NOASSERTION 元数据不一致,且禁止执行软件,与 Quickstart 的安装运行指引存在张力;无版本号或变更日志;维护责任仅指向个人邮箱,发布者身份未经验证。
证据显示:输出包含 Excel 模型、引用报告与聊天答案,可用性较高,并给出真实研究记录样例。扣分:边际价值依赖外部付费 API 与专有数据,且许可证禁止实际使用,普通用户无法据此获得价值;成本收益方面仅有一处与竞品的对比宣传,缺乏可核验的成本数据。
证据显示:README 强调每个数字由代码计算、至少 95% 实质性句子需引用证据、验证器纠正不符数字,测试中有反伪造数据门禁与清单指纹测试,事实与推断分离较好。扣分:交叉印证仅依赖单一供应商数据与自述,无独立第三方核验;样例报告为 PDF 链接,静态审查无法确认其内容与代码一致。
- 源码中未见:执行前用户确认开启或自行加上执行前确认;先在沙箱或测试环境跑通,确认行为后再接入真实数据。
- 源码中未见:回滚或恢复路径运行前先备份,或在 git 分支、快照上操作,确保改动可以撤销。
- 许可证为专有“仅可查看”,明确禁止使用或执行软件,与 README 的安装运行指引及 source-available 徽章不一致,使用前须取得书面许可。
- 依赖包含私有 git 仓库 vynn-core 与未锁定的 requirements.txt,供应链与可复现性存在风险。
- 文件中未见用户确认、审批或回滚机制,外部副作用(写文件、付费 API 调用、发布报告)缺乏约束说明。
- 发布者身份未经验证,维护责任仅指向个人邮箱,长期维护与更新路径不明确。
- README 中的性能对比与真实输出为自述宣传,静态审查无法独立核验。