ZhuLinsen/alphasift

해결하는 문제

AlphaSift는 특정 전략에 기반하여 고잠재력 주식을 식별하기 위해 설계된 주식 탐색 및 순위 매기기 엔진입니다. 사용자와 AI 에이전트가 광범위한 시장을 스캔하여 고잠재력 주식을 찾는 데 도움을 줍니다. 결정론적 기술적 필터와 선택적 LLM 기반의 질적 추론을 결합함으로써 원시 시장 데이터와 실행 가능한 후보 목록 사이의 격차를 메웁니다.

작동 방식

엔진은 다층적 파이프라인을 통해 작동합니다:

1. L1 결정론적 스크리닝: 전체 시장 스냅샷에서 하드 필터와 요인 스코어링을 적용하여 후보 범위를 좁힙니다.
2. L2 LLM 순위 매기기: (선택 사항) LLM을 사용하여 남은 후보에 대해 구조화된 추론을 수행하고, 촉매 요인, 리스크, 신뢰도를 분석합니다.
3. L3 사후 분석: (선택 사항) 로컬 스코어카드 또는 외부 분석기(예: Daily Stock Analysis (DSA) 서비스)를 통해 최종 점검을 수행합니다.
4. 확장 및 탐색: 시스템은 후보에 매일의 K라인 특징(예: MACD, RSI)을 추가하고, 타임라인 증거를 기반으로 시장의 '핫스팟'(트렌드 토픽/섹터)을 탐색할 수 있습니다.
5. 평가 루프: 사용자는 실행 결과를 저장하고 나중에(T+N) 평가하여 후속 진행 상황, 실패한 브레이크아웃, 하락률을 추적할 수 있습니다.

대상 사용자

• 정량적 연구자: YAML 기반의 감사 가능한 스크리닝 전략을 구현하고 감사하고 싶은 사용자.
• AI 에이전트 개발자: 시장 탐색을 위한 구조적이고 호출 가능한 인터페이스(SKILL.md)가 필요한 개발자.
• 소규모 트레이더: 수동 스캔 없이 가치, 트렌드, 모멘텀 주식을 체계적으로 탐색하고 싶은 사용자.

주요 특징

• 에이전트 네이티브: 전용 스킬 설명과 로컬 JSON API를 포함하여 AI 에이전트와의 원활한 통합을 지원합니다.
• 하이브리드 순위 매기기: 수학적 하드 팩터와 LLM 판단을 결합하여 더 세밀한 선택 과정을 제공합니다.
• 강력한 데이터 출처: 여러 A주 데이터 공급자(Sina, Tushare, AkShare 등)에 대해 우선순위 기반의 백업 시스템을 구현하여 가용성을 보장합니다.
• 감사 가능한 전략: 전략은 YAML로 정의되어 있어 수정, 공유, 감사가 용이합니다.
• 내장된 평가 기능: 실행 결과를 저장하고 T+N 평가를 수행할 수 있는 도구를 포함하여 실제 성과를 이후 가격 움직임과 비교해 측정할 수 있습니다.