Mrjie7205/serenity-bottleneck-hunter

解決する課題

特定の投資テーマ（例：AIデータセンターの電力）に不可欠な「ボトルネック」銘柄、つまり見落とされがちな上流企業を見つけるための投資リサーチ手法を自動化します。人気銘柄を追うのではなく、市場全体が気づく前に、業界が依存している重要なサプライヤーを特定する手助けをします。

仕組み

このプロジェクトは、AIエージェント（OpenAI CodexやClaude Codeなど）の「スキル」として機能し、構造化されたワークフローとエンジニアリングツール群を提供することで、LLMによくあるエラーを防ぎます。

1. サプライチェーンの逆マッピング: テーマを5層の依存関係マップに分解し、重要なノードを見つけ出します。
2. ボトルネックの原型: 9つの特定のパターンを適用し、どの企業が真の「ボトルネック」であるかを特定します。
3. データ検証: ハルシネーションを防ぐため、専用スクリプトによるティッカー検証、ETF保有銘柄の監査、およびAPI (EODHD/yfinance) を介した強制的な価格取得を行い、LLMによる価格の推測を排除します。
4. アカウンタビリティ・フレームワーク: すべての候補銘柄に対して「レッドチーム」分析を強制し、反証条件（論理が間違っていることを証明する方法）を求め、将来のサンプル外検証のためにこれらの銘柄をCSVに記録します。
5. レポート: 視覚的なサプライチェーンマップと、タイミングやバリュエーションを示す「水位」スケールを備えた、自己完結型のHTMLレポートを生成します。

対象ユーザー

• 上流のアルファを見つけるための体系的な方法を探している投資リサーチャーやトレーダー。
• LLMを厳格な金融アナリストに変えたいと考えているAIエージェント（Codex, Claude）のユーザー。

ハイライト

• ハルシネーション防止策: 多層防御（ティッカー真値ライブラリとプリコミットフック）を実装し、企業データの正確性を保証します。
• 反バイアス論理: ETF監査を使用して、LLMの「人気バイアス」に対抗します。
• 定量的アカウンタビリティ: テーマETFに対するアルファを追跡し、「選択した」銘柄と「除外した」銘柄のバスケットを比較して、実際のスキルを測定します。
• 視覚的レポート: SVGサプライチェーンマップとバリュエーションの軌跡をHTMLレポートに自動レンダリングします。