AI导哈

金融研究工具

一套高级金融研究工具，为Claude Code CLI提供机构级金融分析能力，包括XBRL解析、DCF估值、市场情绪分析等功能，适用于专业金融研究和投资分析。

  • by LuisRincon23
  • Python
  • 本地部署
  • 16 星标
  • 更新于
在 GitHub 查看 LuisRincon23/SEC-MCP

使用说明

金融MCP-Claude Code CLI的博士级研究工具

一系列先进的模型上下文协议（MCP）服务器，将Claude Code CLI转换为机构级金融研究平台。

8种专用MCP • 博士水平分析 • 制度质量

🎓 概述

该存储库包含8个专门的MCP服务器，为Claude Code CLI提供了与对冲基金和投资银行使用的专业金融平台相媲美的功能：

MCP 描述 主要功能
SEC刮刀 XBRL解析与综合分析 DCF建模、蒙特卡洛模拟
新闻情绪 用于财务文本的高级NLP 情境软件情绪，电话财报会议分析
分析师评级 共识跟踪和同行比较 评级汇总、价格目标分析
制度化的 所有权和资金流分析 13F跟踪，内幕交易
替代数据 网络抓取以获得独特见解 招聘趋势、社会情绪、评论
行业假设 行业分析和建模 WACC计算、同行指标
经济数据 宏观指标和制度检测 美联储数据、就业、通胀
研究管理员 报告生成和编排 25页以上的机构报告

🚀 特性

高级财务分析

  • XBRL解析：从SEC文件中提取50多个结构化指标
  • DCF估值：10000次迭代的蒙特卡洛模拟
  • 财务指标：ROE、ROIC、Altman Z-Score、Piotroski F-Score
  • 同行比较：自动识别和分析竞争对手

市场情报

  • NLP博士：财报电话会议的情境感知情绪分析
  • 技术分析：RSI、MACD、布林带、支撑/阻力
  • 市场机制检测：牛市/熊市识别
  • 板块轮换：行业趋势和势头分析

研究成果

  • 机构报告：25页以上的专业股票研究文件
  • 投资论文：有催化剂的全面牛市/熊市案例
  • 风险评估：多因素风险评分和分析
  • 质量指标：数据完整性和置信度评分

📦 安装

先决条件

  • Python 3.10+
  • 克劳德代码CLI(npm install -g @anthropic-ai/claude-cli)
  • uv包管理器(pip install uv)

快速设置

  1. 克隆存储库:
git clone https://github.com/yourusername/financial-mcps.git
cd financial-mcps
  1. 创建并激活虚拟环境:
uv venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate
  1. 安装依赖项:
uv sync
  1. 将所有MCP添加到Claude Code CLI:
# Run the setup script
./setup_all_mcps.sh

# Or manually add each MCP:
claude mcp add SEC "./FinancialMCPs/SEC_SCRAPER_MCP/start-mcp.sh" --transport stdio
claude mcp add NEWS-SENTIMENT "./FinancialMCPs/NEWS_SENTIMENT_SCRAPER/start-mcp.sh" --transport stdio
claude mcp add ANALYST-RATINGS "./FinancialMCPs/ANALYST_RATINGS_SCRAPER/start-mcp.sh" --transport stdio
claude mcp add INSTITUTIONAL "./FinancialMCPs/INSTITUTIONAL_SCRAPER/start-mcp.sh" --transport stdio
claude mcp add ALTERNATIVE-DATA "./FinancialMCPs/ALTERNATIVE_DATA_SCRAPER/start-mcp.sh" --transport stdio
claude mcp add INDUSTRY-ASSUMPTIONS "./FinancialMCPs/INDUSTRY_ASSUMPTIONS_ENGINE/start-mcp.sh" --transport stdio
claude mcp add ECONOMIC-DATA "./FinancialMCPs/ECONOMIC_DATA_COLLECTOR/start-mcp.sh" --transport stdio
claude mcp add RESEARCH-ADMIN "./FinancialMCPs/RESEARCH_ADMINISTRATOR/start-mcp.sh" --transport stdio
  1. 验证安装:
claude mcp list
# Should show all 8 Financial MCPs

💡 使用示例

基本命令

# Get current stock price
Use SEC to get current price for ticker "AAPL"

# Analyze sentiment
Use NEWS-SENTIMENT to analyze sentiment for ticker "MSFT"

# Get analyst consensus
Use ANALYST-RATINGS to get consensus rating for ticker "GOOGL"

高级分析

# Comprehensive stock analysis (PhD-level)
Use SEC to perform comprehensive analysis for ticker "NVDA"

# Generate institutional research report
Use RESEARCH-ADMIN to generate research report for ticker "TSLA"

# Sector analysis
Use INDUSTRY-ASSUMPTIONS to analyze sector "Technology"

专业工作流程

投资研究工作流程

1. Use SEC to perform comprehensive analysis for ticker "META"
2. Use NEWS-SENTIMENT to analyze earnings call sentiment for ticker "META"  
3. Use ANALYST-RATINGS to compare with peer ratings
4. Use RESEARCH-ADMIN to generate investment thesis

风险评估工作流程

1. Use SEC to calculate Altman Z-Score for ticker "GME"
2. Use INSTITUTIONAL to track ownership changes
3. Use ECONOMIC-DATA to assess macro risks
4. Use ALTERNATIVE-DATA to gauge social sentiment

🏗️ 建筑

financial-mcps/
├── FinancialMCPs/
│   ├── SEC_SCRAPER_MCP/           # XBRL parsing, DCF modeling
│   ├── NEWS_SENTIMENT_SCRAPER/    # Advanced NLP sentiment
│   ├── ANALYST_RATINGS_SCRAPER/   # Consensus tracking
│   ├── INSTITUTIONAL_SCRAPER/     # Ownership analysis
│   ├── ALTERNATIVE_DATA_SCRAPER/  # Web scraping
│   ├── INDUSTRY_ASSUMPTIONS/      # Sector analysis
│   ├── ECONOMIC_DATA_COLLECTOR/   # Macro indicators
│   ├── RESEARCH_ADMINISTRATOR/    # Report generation
│   └── shared/                    # Shared advanced modules
│       ├── financial_analysis.py  # DCF, metrics calculations
│       ├── xbrl_parser.py        # XBRL data extraction
│       ├── advanced_nlp.py       # PhD-level NLP
│       ├── research_report_generator.py
│       └── data_cache.py         # Intelligent caching
├── setup_all_mcps.sh             # Quick setup script
├── test_phd_features.py          # Integration tests
├── requirements.txt
├── README.md
└── LICENSE

🔧 配置

MCP特定设置

每个MCP都可以通过环境变量进行配置：

export CACHE_DIR="/tmp/financial_mcp_cache"
export LOG_LEVEL="INFO"
export RATE_LIMIT_DELAY="1.0"  # SEC compliance

分析参数

编辑 analysis_config 在每个MCP的main.py中：

self.analysis_config = {
    'dcf_years': 5,              # DCF projection years
    'peer_count': 10,            # Number of peers to analyze
    'monte_carlo_simulations': 10000,  # Simulation count
    'confidence_threshold': 0.8   # Minimum confidence score
}

缓存设置

在中配置缓存TTL shared/data_cache.py:

self.ttl_config = {
    'price_data': timedelta(minutes=5),
    'financial_statements': timedelta(days=90),
    'news': timedelta(hours=1),
    'research_reports': timedelta(days=30)
}

🧪 测试

运行所有测试

python test_phd_features.py

测试单个MCP

./test_single_mcp.sh SEC_SCRAPER_MCP

调试模式

claude --debug
# Then use any MCP command to see detailed logs

📊 数据源

  • 第二埃德加：官方文件、XBRL数据
  • 雅虎财经：实时价格、基本指标
  • 芬维兹：新闻聚合、分析师评级
  • 市场观察：其他市场数据
  • 美联储：经济指标
  • 替代能源：事实上，Glassdoor、Reddit、谷歌趋势

🔒 安全与合规

  • 速率限制：遵守数据源限制的固有延迟
  • 用户代理：正确识别网页抓取
  • 缓存：减少冗余请求
  • 数据验证：确保数据质量和准确性

⚠️ 免责声明

这些工具用于 仅用于教育和研究目的。不适用于：

  • 生产交易系统
  • 真实货币投资决策
  • 高频交易
  • 合规

始终独立验证数据，并进行自己的尽职调查。

🤝 贡献

我们欢迎捐款！请查看我们的 贡献指南 用于：

  • 代码风格指南
  • 测试要求
  • 拉取请求流程
  • 功能请求程序

📈 路线图

  • []彭博/路孚特数据集成
  • []实时流媒体功能
  • []机器学习预测
  • []选项分析
  • []投资组合优化
  • []回溯测试框架

📄 许可证

MIT许可证-请参阅 许可证 文件以获取详细信息。

🙏 致谢

  • 专为 克劳德代码CLI 通过Anthropic
  • 受到机构研究平台的启发
  • 使用公开可用的财务数据源
  • 特别感谢MCP社区

📞 支持

备注：这是一个先进的金融研究工具包。用户应该对财务分析和Python编程有扎实的理解。这些MCP提供了以前只有机构投资者才能获得的博士级分析能力。

相关 MCP

新浪财经

MCP Server

新浪财经官方出品，是您24小时的金融助手，精准聚焦全球金融市场，为您呈现股票、期货、外汇等多品种的 实时行情。 新浪财经MCP服务通过将底层数据资源进⾏全⾯梳理推出了⾦融垂直领域的MCP市场，整合了包括⾦融基础数据、市场数据、⾏情数据、新闻资讯、研究报告等丰富的⾦融数据API以供调⽤，覆盖指数、板块、个股、基⾦等类型，助⼒专业和⼀般投资者的各种快速搭建⼤模型应⽤的数据需求。

金融服务