AI-Stock-Master là một nền tảng mã nguồn mở phân tích xu hướng cổ phiếu dựa trên AI, giúp nhà đầu tư hiểu sâu hơn về thị trường chứng khoán Trung Quốc, Hồng Kông và Mỹ thông qua ba thuật toán độc quyền RTSI, TMA, MSCI kết hợp với mô hình ngôn ngữ lớn (LLM). Repo này giải quyết vấn đề thiếu công cụ phân tích đa chiều có khả năng diễn giải thông minh, phù hợp cho lập trình viên và nhà nghiên cứu muốn khám phá tài chính định lượng, nhưng không phải công cụ giao dịch thực tế do chính tác giả khuyến cáo.
Thank you for reading this post, don't forget to subscribe!Những điểm chính
- Tích hợp ba thuật toán cốt lõi: RTSI (đo sức mạnh xu hướng cổ phiếu), TMA (phân tích động lượng kỹ thuật ngành), MSCI (tổng hợp tâm lý thị trường) – tất cả đều được giải thích bằng công thức toán học và tham số học máy.
- Hỗ trợ LLM cục bộ qua Mini Ollama, cho phép chạy mô hình ngôn ngữ lớn ngay trên máy tính mà không cần kết nối mạng, đảm bảo quyền riêng tư dữ liệu.
- Phân tích đa tầng: từ cổ phiếu lẻ, ngành công nghiệp đến toàn thị trường, mỗi tầng có thuật toán và chỉ số riêng biệt.
- Chỉ dành cho mục đích học tập lập trình và nghiên cứu thuật toán; README nhấn mạnh không dùng cho giao dịch thực, vì mô hình có nguy cơ quá khớp và sai số trong điều kiện thị trường cực đoan.
AI-Stock-Master là gì và giải quyết vấn đề gì?
AI-Stock-Master là hệ thống phân tích xu hướng cổ phiếu dựa trên trí tuệ nhân tạo, được phát triển để diễn giải thị trường Trung Quốc, Hồng Kông và Mỹ. Nó giải quyết bài toán kết hợp dữ liệu đa chiều (giá, khối lượng, tâm lý, tin tức) thành các điểm số định lượng có thể sử dụng cho quyết định đầu tư. Thay vì dùng một chỉ số đơn lẻ như RSI truyền thống, nền tảng này tích hợp ba thuật toán độc quyền và cả mô hình ngôn ngữ lớn để đưa ra nhận định thông minh. Điểm đặc biệt là hệ thống chạy LLM cục bộ qua Mini Ollama, giúp bảo mật dữ liệu và tiết kiệm chi phí API. Bạn có thể xem chi tiết tại repository gốc trên GitHub.
Những tính năng nổi bật của AI-Stock-Master
AI-Stock-Master cung cấp nhiều tính năng bao phủ từ phân tích cơ bản đến nâng cao, dựa trên kiến trúc AI đa tầng. Dưới đây là những điểm đáng chú ý dựa trên README chính thức.
Dữ liệu đa chiều và phân tích đa tầng
Hệ thống tích hợp nhiều điểm dữ liệu để thu thập thông tin thị trường then chốt, sau đó phân tích ở ba cấp độ: cổ phiếu lẻ, ngành công nghiệp và toàn thị trường. Mỗi cấp độ sử dụng thuật toán riêng: RTSI cho cổ phiếu, TMA cho ngành, MSCI cho thị trường.
AI Interpretation và Mini Ollama
Nền tảng tích hợp mô hình ngôn ngữ lớn để sinh báo cáo phân tích chuyên nghiệp kèm điểm số tin cậy. Điểm mới là Mini Ollama – môi trường chạy LLM cục bộ với cấu hình tự động, không cần cài đặt phức tạp, hỗ trợ nhiều mô hình mã nguồn mở và tối ưu cho tác vụ tài chính.
Bốn module chức năng chính
Giao diện chia thành bốn khối: Phân tích cổ phiếu (RTSI + LLM), So sánh ngành (Core Strength Analyzer), Tâm lý thị trường (MSCI + sentiment analysis), và Hỏi đáp thông minh (LLM + knowledge graph). Ngoài ra còn có Backtesting Analysis dùng mô phỏng lịch sử để đánh giá chiến lược.
Ba thuật toán cốt lõi hoạt động như thế nào?
AI-Stock-Master dựa trên ba thuật toán chính được mô tả chi tiết trong README, mỗi thuật toán phục vụ một mục đích riêng và đều có công thức toán học kèm tham số học máy.
RTSI – Chỉ số sức mạnh xu hướng cổ phiếu
RTSI đo lường cường độ xu hướng của một cổ phiếu dựa trên bốn yếu tố: độ dốc xu hướng (TrendSlope), độ nhất quán (Consistency), độ tin cậy thống kê (Confidence) và yếu tố khối lượng (Volume_Factor). Công thức là tổng trọng số của bốn thành phần này, với trọng số α được học máy tối ưu. Kết quả là một điểm số dùng cho xác định điểm mua/bán ngắn hạn, xác nhận xu hướng dài hạn và xây dựng danh mục.
TMA – Phân tích động lượng kỹ thuật ngành
TMA là thuật toán cốt lõi cho phân tích ngành, kết hợp RSI, MACD, thay đổi động lượng, trọng số kỹ thuật và khối lượng. Công thức gồm năm thành phần với trọng số β được tối ưu động qua học máy. Kết quả là thang điểm từ cực mạnh (TMA > 30) đến cực yếu (TMA < -30). README cung cấp chiến lược đầu tư tương ứng cho từng mức điểm, cùng kết quả backtest với lợi nhuận vượt trội 12.3% năm trong 5 năm lịch sử.
MSCI – Chỉ số tổng hợp tâm lý thị trường
MSCI tích hợp năm chỉ báo: cảm xúc thị trường (VIX), dòng vốn, biến động, tỷ lệ long/short và tâm lý tin tức (NLP). Mỗi thành phần được chuẩn hóa và gán trọng số γ, giúp đánh giá trạng thái thị trường tổng thể để hỗ trợ thời điểm giao dịch và kiểm soát rủi ro.
Hướng dẫn cài đặt và sử dụng cơ bản
Hiện tại, README chưa cung cấp hướng dẫn cài đặt chi tiết, nhưng có đề cập đến việc tích hợp Mini Ollama và quản lý phụ thuộc bằng uv (Python package manager). Dưới đây là các bước ước lượng dựa trên thông tin có sẵn.
Yêu cầu hệ thống
Bạn cần Python (phiên bản mới nhất), git, và khả năng chạy mô hình LLM cục bộ. Mini Ollama hỗ trợ đa nền tảng và tự động cấu hình.
Các bước cơ bản
- Sao chép repository:
git clone https://github.com/hengruiyun/AI-Stock-Master.git - Cài đặt uv (nếu chưa có): làm theo hướng dẫn tại astral.sh/uv.
- Cài đặt dependencies:
uv synchoặcpip install -r requirements.txt(tùy file có sẵn). - Cấu hình Mini Ollama: hệ thống sẽ tự động phát hiện và cấu hình khi khởi chạy.
- Chạy ứng dụng:
python main.pyhoặc lệnh tương ứng, sau đó truy cập giao diện web tại địa chỉ localhost.
Bạn cũng có thể dùng thử demo trực tuyến tại TTfox.com (được liệt kê trong README).
Ai nên dùng và ai không nên dùng?
AI-Stock-Master phù hợp với lập trình viên muốn nghiên cứu ứng dụng AI trong tài chính, nhà phân tích định lượng muốn thử nghiệm thuật toán mới, và sinh viên công nghệ tài chính. Tuy nhiên, nhà đầu tư cá nhân kỳ vọng kiếm lời từ giao dịch thực nên tránh, vì README cảnh báo hệ thống chỉ dùng cho học tập, không chịu trách nhiệm về quyết định đầu tư và thừa nhận các rủi ro như overfitting, sai số trong thị trường cực đoan. Ngoài ra, người dùng cần kiến thức lập trình và hiểu biết về thị trường chứng khoán để tận dụng tối đa.
Câu hỏi thường gặp
AI-Stock-Master có hỗ trợ thị trường chứng khoán Việt Nam không?
Theo README, nền tảng chỉ được thiết kế cho thị trường Trung Quốc, Hồng Kông và Mỹ. Không có thông tin về việc hỗ trợ thêm các thị trường khác như Việt Nam.
Tôi có thể dùng AI-Stock-Master để giao dịch thực tế không?
Không. Tác giả khuyến cáo rõ rằng hệ thống chỉ dùng cho mục đích học tập lập trình và nghiên cứu. Dữ liệu lịch sử không đảm bảo kết quả tương lai, và mô hình có nguy cơ quá khớp hoặc sai số trong điều kiện thị trường bất thường.
Cần cấu hình máy tính như thế nào để chạy Mini Ollama?
Mini Ollama được quảng cáo là nhẹ, hiệu suất cao, có thể chạy trên máy tính để bàn với tài nguyên tối thiểu. Tuy nhiên, để chạy mô hình LLM, bạn nên có ít nhất 8GB RAM và CPU/GPU hỗ trợ.
Thuật toán TMA có backtest kết quả thực tế không?
README công bố kết quả backtest trong 5 năm với lợi nhuận vượt trội 12.3% năm. Đây là dữ liệu do tác giả cung cấp, cần thận trọng vì chưa được kiểm chứng độc lập và có thể bị overfitting.
Làm thế nào để đóng góp cho dự án?
Bạn có thể liên hệ qua email [email protected] hoặc fork repository và tạo pull request. Dự án hoan nghênh đóng góp từ cộng đồng mã nguồn mở.
Kết luận
AI-Stock-Master là một dự án mã nguồn mở đầy tham vọng, kết hợp AI, học máy và phân tích kỹ thuật truyền thống thành một nền tảng phân tích xu hướng cổ phiếu đa chiều. Với ba thuật toán RTSI, TMA, MSCI và tích hợp LLM cục bộ, nó mang đến cho lập trình viên và nhà nghiên cứu một bộ công cụ mạnh mẽ để thử nghiệm các ý tưởng tài chính định lượng. Tuy nhiên, đừng quên cảnh báo của tác giả: dùng cho học tập, không phải giao dịch thực. Nếu bạn tò mò về cách AI có thể phân tích thị trường, hãy ghé thăm repo chính thức và bắt đầu khám phá ngay hôm nay.
