GitHubのトレンドを眺めていたら、4位に ZhuLinsen/daily_stock_analysis が入っていました。説明は「LLM-powered multi-market stock analysis system」。スターは71,230で、言語は Python です。
README の銘柄の例に 7203.T(トヨタ)が普通に混ざっていて、日本株も見てくれるらしい。それなら「LLM が株を分析する」の LLM の部分は、実際には何をしているんだろう。恥ずかしながら、こういうツールの中身を覗いたことが一度もなかったので、自分の手で動かしてみることにしました。
ただ、本物の LLM に投げると答えが毎回変わるうえにお金もかかります。以前、先輩に「LLM を呼ぶツールは、LLM が変なことを言ったときにツール側がどう振る舞うかを見ると中身が分かるよ」と言われたことがあって、今回はそれを試す回です。LLM はコンテナの中に自分で立てた OpenAI 互換のモックで、返す答えも全部自分で書きました。なので、この記事に出てくる点数や売買の判断はモックの答えで、トヨタ株についての意見ではありません。
試した環境は、毎回作って捨てる Docker コンテナです(python:3.12-bookworm、Python 3.12.13、Debian 12.14、上限は CPU 2・メモリ 4GB)。対象は main の ab69720(11月13日のコミット)で、最新リリースは v3.34.0(11月9日)でした。
入れるところで一度つまずいた
README の「本地运行」の手順は、clone して pip install -r requirements.txt、.env を書いて python main.py です(今回は .env の代わりに環境変数で渡しました)。最初は全然分からなくて、そのままなぞったら pip が5秒で止まりました。
# clone は4秒(リポジトリは 162MB)
git clone --depth 1 https://github.com/ZhuLinsen/daily_stock_analysis dsa
pip install -r requirements.txt
# → 終了コード 1(一覧は途中を省略)
ERROR: Could not find a version that satisfies the requirement longbridge<5,>=4.0.5 (from versions: 0.2.52, 0.2.58, (中略), 0.2.74, 5.2.2, 5.3.0, 5.4.0)
ERROR: No matching distribution found for longbridge<5,>=4.0.5
# requirements.txt の該当行。理由はコメントに書いてあった
# Longbridge 4.x Linux wheels currently require manylinux_2_39; Docker uses bookworm/glibc 2.36.
longbridge==0.2.74; platform_system == "Linux" and python_version < "3.12"
longbridge>=4.0.5,<5; platform_system != "Linux" or python_version >= "3.12"
ldd --version
# → ldd (Debian GLIBC 2.36-9+deb12u14) 2.36
# longbridge の2行だけ外して入れ直す
grep -v "^longbridge" requirements.txt > /work/req-nolb.txt
pip install -r /work/req-nolb.txt
# → 終了コード 0、53秒。155パッケージ、site-packages は 908MB
調べてみたところ、条件の分け方がポイントでした。Linux で Python 3.11 以下なら古い 0.2.74 に固定、それ以外(Linux の 3.12 を含む)は 4.x を入れる、という書き分けです。ところが PyPI を見ると、4.0.6〜5.2.1 の Linux 版は manylinux_2_39 向けしかなく、glibc 2.36 の bookworm には入りません。5.2.2 以降は manylinux_2_28 向けになっていて入りそうなのに、今度は「5 未満」という上限で選べない。公式の Dockerfile は python:3.11-slim-bookworm なので、Docker で動かす人は 0.2.74 の側に入って、この分岐を踏まないみたいです。
longbridge は requirements.txt のコメントで「Priority 5」の取得元、OAuth 対応の SDK と書かれていたので、今回は外しました。Python を 3.11 にそろえるのが本筋だと思います。
LLM の答えを3通り返してみる
まずは LLM を使わない --dry-run で、トヨタ(7203.T)の株価を取らせました。ここで1つ「あれ?」がありました。
# python main.py --dry-run --stocks 7203.T --no-notify --no-market-review(10秒・終了コード 0)
[数据源路由] jp 日线跳过不支持的数据源: EfinanceFetcher, AkshareFetcher, PytdxFetcher, BaostockFetcher, TencentFetcher
[YfinanceFetcher] 7203.T 获取成功: 范围=2026-09-14 ~ 2026-11-13, rows=39, elapsed=0.67s
丰田汽车(7203.T) 数据保存成功(来源: YfinanceFetcher,新增 39 条)
[7203.T] 跳过 AI 分析(dry-run 模式)
成功: 0, 失败: 1, 耗时: 0.82 秒
# 本番の実行で、モックが受け取った1回目のリクエスト(自作モックの記録。項目は一部省略)
{"bytes": 17986, "model": "mock-model", "stream": true, "max_tokens": 8192, "temperature": 0.7, "messages": [["system", 6818], ["user", 3424]]}
# プロンプトの中身(抜粋)。円の値に「元」が付いている
| 收盘价 | 3418.0 元 |
| MA5 | 3433.2 | 短期趋势线 |
| 总市值 | 402580.49 亿元 | |
# 筹码分布(株主の取得コストの分布)だけは日本株でも akshare を呼びに行く(4秒後に失敗)
[API调用] ak.stock_cyq_em(symbol=7203.T) 获取筹码分布...
[API错误] 获取 7203.T 筹码分布失败: ('Connection aborted.', RemoteDisconnected('Remote end closed connection without response'))
日本株は Yahoo Finance だけに振り分けられ、39日分が 0.67秒で取れて保存もされています。なのに最後の集計は「成功: 0, 失败: 1」。コードを見ると、dry-run では1銘柄の処理が結果を返さず、成功の数を「返ってきた結果の数」で数えているので、取得がうまくいっても失敗に数えられる作りでした。終了コードは 0 です。
本番の実行では、LLM に約18KBのリクエストが1回飛びます。中身は中国語の「决策仪表盘(決定ダッシュボード)」の指示書で、system 側に JSON の書式と「乖離率が5%を超えたら追わない」といった約束事、user 側に株価や移動平均が表で入っていました。日本株だと system に「日本の市場として見ること」と書いてあるのに、表の単位は「元」のままでした。筹码分布だけは A 株向けの API を呼びに行って、接続を切られて終わっていました(日本株に対応していないのか、こちらの回線から届かないのかまでは切り分けていません)。
いよいよ本題です。モックの返す答えを3通り用意して、1回に1通りずつ、別々のプロセスで流しました。
# ケースA: JSON ではない一文を返す(17秒・終了コード 1・モックへの要求は2回)
[LLM JSON] TOYOTA MOTOR CORP(7203.T): all models returned invalid JSON, using text fallback
[LLM完整性] 必填字段缺失 ['dashboard.core_conclusion.one_sentence', (中略。全10項目)],第 1 次补全重试
[7203.T] 分析未成功: LLM response is not valid JSON; analysis result will not be persisted
本轮分析未生成任何报告:预期的个股分析或大盘复盘均未产出结果。
# ケースB: action=hold・62点・guardrail_reason は空(18秒・終了コード 0)
[7203.T] 分析完成: 持有, 评分 62
🟡 TOYOTA MOTOR CORP(7203.T): 持有 | 评分 62 | 看多 ← コンソールの表示
🟢 **TOYOTA MOTOR CORP(7203.T)**: 买入 | 评分 62 | 看多 ← reports/report_20261113.md
# ケースC: action=buy・95点・信頼度「高」・現在値 9999・損切り 4000元・10成(16秒・終了コード 0)
[LLM解析] TOYOTA MOTOR CORP(7203.T) 分析完成: 强烈看多, 评分 95
[decision_stability] Downgraded buy because capital flow is unavailable: not_supported
[7203.T] 分析完成: 持有观察, 评分 59
結果を表にするとこうなりました。
| ケース | モックが返した答え | 要求の回数 | 終了コード | 日報(reports/)に出たもの |
|---|---|---|---|---|
| A | JSON でない一文 | 2回(2回目は足りない10項目を足すよう頼む) | 1 | 作られない。結果も保存されない |
| B | hold・62点・理由は空 | 1回 | 0 | 見出しは「买入 | 评分 62」。すぐ下の一言は「持有观察」のまま |
| C | buy・95点・信頼度 高・現在値 9999・損切り 4000元・10成 | 1回 | 0 | 「持有 | 评分 59」に下がり、一言と持ち方の助言も定型文に置き換わる。現在値 9999.0・損切り 4000元・10成はそのまま |
A は安心しました。壊れた答えは1回だけ言い直しを頼み、それでも駄目なら保存せずに終了コード 1 で止まります。中途半端な「50点・震荡」を日報に書かないのは良い作りだと思います。
C も半分は期待どおりでした。「資金の流れ(資金流)が取れない銘柄の買いは、確認が足りないので観望にする」というガードがあって、日本株は資金流が not_supported なので、95点の買いが 59点の「持有观察」に下げられました。一方で、モックに書かせたでたらめな数字はそのまま通ります。同じ日報の中で、当日の株価の表は実データの 3418.00 なのに、「数据透视」の表は現在値 9999.0。損切りは現在値より上の 4000元で、勧める持ち高は「10成」(全額)でした。
いちばん驚いたのは B です。LLM は「持有(持っておく)」と答えたのに、日報の見出しは「买入(買い)」。コンソールの表示は「持有」なので、同じ実行の中で表示が食い違っています。原因を探したら、表示用の関数 display_action_fields が点数の帯に合わせて action を直していました。気になったので、コンテナの中で直接呼んで12通り並べてみました。
# src/schemas/decision_action.py の display_action_fields を直接呼んだ結果
# 点数 LLM の action guardrail_reason -> 画面・日報に出る action
62 hold '' -> buy 买入
62 hold '缩量,等待放量确认' -> hold 持有
62 watch '' -> buy 买入
59 hold '' -> hold 持有
60 hold '' -> buy 买入
79 hold '' -> buy 买入
80 hold '' -> buy 买入
95 buy '' -> buy 买入
45 buy '' -> buy 买入
39 hold '' -> reduce 减仓
35 buy '' -> buy 买入
20 hold '' -> reduce 减仓
# ↑ 60点以上の hold/watch は、理由が空なら buy に上がる。39点以下の hold は reduce に下がる。
# でも 35点や45点の buy はそのまま buy。ここは改善の余地がありそう。
# 使う側としては、hold を残したいなら guardrail_reason を必ず書かせる必要がある
system のプロンプトにも「60点以上なのに hold/watch にするなら、guardrail_reason に理由を書くこと」とあったので、理由を書かなかったモックの答えの方がルール違反ではあります。ただ、資金流のガードは LLM の答えの段階で効くので、表示の段階で hold から上がった买入はそのガードを通りません。日本株でも、LLM が「hold・60点以上・理由なし」と答えれば、日報の見出しには买入が出るということになります。
画面でも見てみました。pip の手順だけで --webui-only を起動すると、トップは「Frontend Not Built」のページでした。画面は別にビルドが要ります。
python main.py --webui-only --host 0.0.0.0 --port 8000
# → <title>DSA - Frontend Not Built</title>
# 「Build the frontend first: cd apps/dsa-web && npm install && npm run build」
# apps/dsa-web/package.json の engines は "node": ">=20.19.0 <27" なので Node 22.23.5 を入れて
cd apps/dsa-web && npm ci && npm run build
# → npm ci 6秒、build 16秒(vite の表示は built in 9.96s)
# 立て直すと <title>dsa-web</title> になり、画面が出た

ケースC の結果を開いたところです。履歴の札は「Hold 59」、操作建议は「持有观察」で、ガードの判断がちゃんと反映されています。その横の趋势预测は「强烈看多」のままで、下の狙击点位には株価 3418.00 より上の「止损位:4000元」が赤字で並んでいました。画面の上の黄色い帯は、自選株のリスト(STOCK_LIST)を設定していないために出ている注意書きです(今回は銘柄を --stocks で渡していました)。コンテナは作ってから捨てるまで約8分でした。
試してみての所感
正直なところ、「LLM が株を分析する」の LLM は、思っていたよりずっと外側から縛られていました。株価や移動平均はコード側で計算してプロンプトに入れ、LLM には決まった形の JSON を書かせ、あとからガードで手を入れる。LLM の仕事は、その枠の中で文章と点数を埋めることなんですよね。
学んだことをまとめておきます。
- glibc 2.36 の Debian 12 で Python 3.12 を使うと、requirements.txt の書き分けで longbridge が入らない。公式の Docker と同じ 3.11 にそろえるか、longbridge を外す
- dry-run の集計は、取得が成功しても「失败: 1」と出る
- JSON でない答えは1回だけ言い直しを頼み、駄目なら保存しない
- 日本株の買いは、資金流が取れないので観望に下げられる。ただし LLM の書いた価格や損切りの数字は確かめられずに日報や画面に出る
- 60点以上の hold は、理由が空だと日報の見出しで买入になる
今思えば、B の食い違いはモックで答えを固定したから見えたもので、本物の LLM だと「たまに見出しが変だな」で終わっていたかもしれません。僕が使うなら、日報の見出しより先に一言のほうを読むことにします。あと、LLM の書いた数字は、同じ日報の上の株価の表と見比べてから信じるようにします。