# Sao chép kho lưu trữ
git clone https://github.com/ZhuLinsen/daily_stock_analysis.git
cd daily_stock_analysis

# Cấu hình biến môi trường
cp .env.example .env
# Chỉnh sửa .env với khóa API của bạn

# Khởi động tất cả dịch vụ
docker compose up -d

# Kiểm tra trạng thái
docker compose ps

# Sao chép kho lưu trữ
git clone https://github.com/ZhuLinsen/daily_stock_analysis.git
cd daily_stock_analysis

# Tạo môi trường ảo
python -m venv venv
source venv/bin/activate  # Linux/Mac
# hoặc
venv\Scripts\activate     # Windows

# Cài đặt phụ thuộc
pip install -r requirements.txt

# Thiết lập cơ sở dữ liệu
python setup_database.py --init

# Cấu hình LLM và nguồn dữ liệu
cp config.example.yaml config.yaml
# Chỉnh sửa config.yaml với cài đặt của bạn

# Chạy phân tích đầu tiên
python main.py --market us --date $(date +%Y-%m-%d)

# Cài đặt Ollama cho suy luận LLM cục bộ
curl -fsSL https://ollama.ai/install.sh | sh

# Kéo mô hình phù hợp
ollama pull qwen2.5:14b

# Cập nhật config.yaml để sử dụng mô hình cục bộ
cat >> config.yaml << EOF
llm:
  provider: ollama
  model: qwen2.5:14b
  base_url: http://localhost:11434
EOF

# Chạy phân tích với chi phí API bằng không
python main.py --market a_shares --date $(date +%Y-%m-%d)

import akshare as ak

# Lấy dữ liệu thị trường cổ phiếu A hàng ngày
df = ak.stock_zh_a_spot_em()
print(df.head())

# Lấy dữ liệu giá lịch sử
hist_df = ak.stock_zh_a_hist(
    symbol="000001",
    period="daily",
    start_date="20260101",
    end_date="20260625",
    adjust="qfq"
)

# Lấy hiệu suất ngành
sector_df = ak.stock_board_industry_name_em()
print(sector_df)

import tushare as ts

# Khởi tạo với token API của bạn
pro = ts.pro_api("YOUR_TUSHARE_TOKEN")

# Lấy dữ liệu cổ phiếu A hàng ngày
df = pro.daily(
    ts_code="000001.SZ",
    start_date="20260101",
    end_date="20260625"
)

# Lấy báo cáo tài chính
income_df = pro.income(
    ts_code="000001.SZ",
    period="20260331",
    fields="total_operating_income,net_profit,total_expense"
)

# Lấy thông tin cổ đông
holder_df = pro.stock_holder_top10(
    ts_code="000001.SZ",
    ann_date="20260331"
)

import yfinance as yf

# Lấy dữ liệu cổ phiếu Mỹ
ticker = yf.Ticker("AAPL")
df = ticker.history(period="3mo")

# Lấy chuỗi quyền chọn
options = ticker.options

# Lấy khuyến nghị của chuyên gia
recommendations = ticker.recommendations

# Lấy cảm xúc tin tức
news = ticker.news
for item in news:
    print(f"{item['title']}: {item['providerPublishTime']}")

import ccxt

# Kết nối đến giao dịch
exchange = ccxt.binance({
    'apiKey': 'YOUR_API_KEY',
    'secret': 'YOUR_SECRET',
})

# Lấy dữ liệu ticker
ticker = exchange.fetch_ticker('BTC/USDT')
print(f"Giá: {ticker['last']}")
print(f"Khối lượng: {ticker['quoteVolume']}")

# Lấy sổ lệnh
order_book = exchange.fetch_order_book('ETH/USDT')
print(f"Chúc mua: {order_book['bids'][0][0]}")
print(f"Chúc bán: {order_book['asks'][0][0]}")

from daily_stock_analysis.llm import LLMAnalyzer
from daily_stock_analysis.data import MarketDataProvider

# Khởi tạo các thành phần
llm = LLMAnalyzer(model="gpt-4o", temperature=0.3)
data_provider = MarketDataProvider(source="akshare")

# Lấy dữ liệu thị trường và tin tức
market_data = data_provider.get_market_data(
    symbol="000001.SZ",
    period="1d",
    indicators=["rsi", "macd", "bollinger"]
)

news_data = data_provider.get_news(
    symbol="000001.SZ",
    days=7,
    sources=["eastmoney", "cls", "cnbc"]
)

# Chạy phân tích LLM
analysis = llm.analyze_market(
    market_data=market_data,
    news_data=news_data,
    prompt_template="comprehensive_analysis"
)

print(f"Cảm Xúc Tổng Thể: {analysis.sentiment}")
print(f"Độ Tin Cậy: {analysis.confidence:.1%}")
print(f"Yếu Tố Chính: {', '.join(analysis.key_factors)}")
print(f"Mức Độ Rủi Ro: {analysis.risk_level}")

# Prompt phân tích kỹ thuật
tech_prompt = """
Phân tích các chỉ báo kỹ thuật cổ phiếu sau và cung cấp:
1. Hướng xu hướng (bullish/bearish/trung tính)
2. Mức hỗ trợ và kháng cự chính
3. Đánh giá động lượng
4. Giải thích phân tích khối lượng
5. Xếp hạng kỹ thuật tổng thể (1-10)

Dữ liệu: {market_data}
"""

# Prompt phân tích cơ bản
fund_prompt = """
Phân tích dữ liệu cơ bản sau và cung cấp:
1. Đánh giá tăng trưởng doanh thu
2. Đánh giá khả năng sinh lời
3. Tính bền vững của nợ
4. So sánh định giá
5. Xếp hạng cơ bản tổng thể (1-10)

Dữ liệu: {fundamental_data}
"""

# Phân tích kết hợp
combined = llm.analyze(
    prompt_template="combined_analysis",
    market_data=market_data,
    fundamental_data=fundamental_data,
    news_data=news_data
)

# So sánh cổ phiếu công nghệ Mỹ
us_techs = llm.compare_stocks(
    symbols=["AAPL", "MSFT", "GOOGL", "AMZN", "META"],
    market="us",
    comparison_metrics=["pe_ratio", "revenue_growth", "profit_margin"]
)

# So sánh ngành cổ phiếu A
a_share_sectors = llm.compare_sectors(
    sectors=["Năng lượng mới", "Bán dẫn", "Dược phẩm", "Tiêu dùng"],
    market="a_shares",
    time_period="1m"
)

# Khởi động máy chủ bảng điều khiển
python dashboard.py --host 0.0.0.0 --port 8080

# Truy cập tại http://localhost:8080

# dashboard_config.yaml
dashboard:
  refresh_interval: 300  # 5 phút
  default_market: "a_shares"
  charts:
    - type: "heatmap"
      title: "Bản Đồ Nhiệt Thị Trường"
      data_source: "sector_performance"
    - type: "line"
      title: "Lịch Sử Giá Cổ Phiếu"
      data_source: "historical_prices"
    - type: "sentiment"
      title: "Cảm Xúc Tin Tức"
      data_source: "llm_sentiment"
  alerts:
    - threshold: 0.8
      action: "notification"
      channels: ["email", "telegram"]

# Tạo báo cáo hàng ngày định dạng PDF
python report_generator.py --format pdf --output daily_report.pdf

# Tạo báo cáo HTML với biểu đồ
python report_generator.py --format html --output daily_report.html

# Xuất dữ liệu phân tích dưới dạng CSV
python report_generator.py --format csv --output analysis_data.csv

# Chỉnh sửa crontab
crontab -e

# Thêm phân tích hàng ngày lúc 7 giờ sáng
0 7 * * * cd /path/to/daily_stock_analysis && python main.py --market a_shares --auto

# Thêm phân tích thị trường Mỹ sau khi mở cửa
0 21 * * 1-5 cd /path/to/daily_stock_analysis && python main.py --market us --auto

# Báo cáo tổng hợp hàng tuần vào Chủ Nhật
0 9 * * 0 cd /path/to/daily_stock_analysis && python weekly_report.py

# /etc/systemd/system/daily-stock-analysis.service
[Unit]
Description=Dịch Vụ Phân Tích Cổ Phiếu Hàng Ngày
After=network.target postgresql.service

[Service]
Type=simple
User=stockuser
WorkingDirectory=/opt/daily_stock_analysis
ExecStart=/opt/daily_stock_analysis/venv/bin/python main.py --daemon
Restart=always
RestartSec=30

[Install]
WantedBy=multi-user.target

# Kích hoạt và khởi động dịch vụ
sudo systemctl enable daily-stock-analysis
sudo systemctl start daily-stock-analysis
sudo systemctl status daily-stock-analysis

# Cấu hình bot Telegram
python notify.py --setup telegram \
  --bot-token "${TELEGRAM_BOT_TOKEN}" \
  --chat-id "${TELEGRAM_CHAT_ID}"

# Gửi thông báo thử nghiệm
python notify.py --send "Phân tích hàng ngày hoàn tất cho AAPL" \
  --channel telegram

from daily_stock_analysis.notify import Notifier

# Cấu hình trình thông báo email
notifier = Notifier(
    provider="smtp",
    smtp_server="smtp.gmail.com",
    smtp_port=587,
    username="your_email@gmail.com",
    password="your_app_password"
)

# Gửi báo cáo phân tích
notifier.send_email(
    to="your_email@gmail.com",
    subject="Báo Cáo Phân Tích Cổ Phiếu Hàng Ngày",
    body=analysis_report,
    attach_pdf=True
)

# Gửi đến webhook tùy chỉnh (ví dụ: Slack, Discord)
notifier.send_webhook(
    url="https://hooks.slack.com/services/YOUR/WEBHOOK/URL",
    payload={
        "text": f"Phân tích hoàn tất cho {symbol}",
        "blocks": [
            {
                "type": "section",
                "text": {
                    "type": "mrkdwn",
                    "text": f"*{symbol}* - Cảm xúc: {sentiment}"
                }
            }
        ]
    }
)

# 1. Sao chép kho lưu trữ
git clone https://github.com/ZhuLinsen/daily_stock_analysis.git
cd daily_stock_analysis

# 2. Thiết lập môi trường
cp .env.example .env
# Thêm khóa API của bạn

# 3. Cài đặt phụ thuộc
pip install -r requirements.txt

# 4. Khởi tạo cơ sở dữ liệu
python setup_database.py --init

# 5. Chạy phân tích đầu tiên
python main.py --market a_shares --date $(date +%Y-%m-%d)

# 6. Khởi động bảng điều khiển
python dashboard.py --port 8080

# 7. Thiết lập lên lịch tự động
crontab -e
# Thêm cron job phân tích hàng ngày