台灣股票分析 MCP Server

簡介

台灣股票趨勢與購買建議分析系統，使用 FastMCP 套件實作 Model Context Protocol (MCP) Server。此系統結合大型語言模型 (LLM) 提供智能股票分析，能根據技術指標、趨勢判斷、支撐與阻力位生成購買建議，並支持多支股票的批量分析。

功能展示

觀看示範影片了解系統功能：

核心概念

此系統透過 MCP Server 與 LLM 的結合，實現以下功能：

• MCP Server 作為中介，提供股票分析工具的接口
• LLM 負責解讀使用者的自然語言指令，並調用 MCP Server 的工具進行分析
• 分析結果以結構化格式返回，供使用者進一步操作或決策

功能特點

• 股票基本資訊查詢：獲取股票代碼、名稱、產業分類等基本資訊
• 單支股票分析：分析股票的技術指標、趨勢判斷、支撐與阻力位，以及購買建議
• 批量股票分析：一次分析多支股票，並返回分析結果列表
• 關鍵字搜尋股票：根據股票名稱或代碼的一部分進行搜尋
• 產業分類篩選股票：根據指定的產業分類篩選股票
• 推薦摘要：根據分析結果生成推薦摘要，按信心度排序

系統需求

• Python 3.10+
• 相依套件 (見 requirements.txt)
• 使用 uv 管理開發環境

安裝步驟

1. 複製專案

git clone https://github.com/sprigga/twstock_analysis.git
cd twstock_analysis

2. 使用 uv 管理開發環境
   • 安裝 uv：

     pip install uv

   • 安裝相依套件：

     uv sync

使用說明

啟動 MCP Server

使用 uv 啟動 MCP Server：

uv run twstock_mcp.py

在 MCP Client 設置

若使用 MCP Client，請在設定檔中新增以下內容：

{
  "mcpServers": {
    "taiwan-stock-analysis": {
      "command": "uv",
      "args": [
        "--directory",
        "/home/ubuntu/twstock_analysis",
        "run",
        "twstock_mcp.py"
      ]
    }
  }
}

可用工具說明

1. get_stock_info

獲取股票基本資訊

# 參數
stock_id: str  # 股票代碼 (例如: "2330")

# 返回格式
{
  "success": true,
  "data": {
    "code": "2330",
    "name": "台積電",
    "group": "半導體業",
    "market": "上市"
  }
}

2. analyze_stock

分析單支股票的趨勢與購買建議

# 參數
stock_id: str  # 股票代碼 (例如: "2330")
months: int = 3  # 分析幾個月的歷史資料 (預設: 3)

# 返回格式
{
  "success": true,
  "data": {
    "stock_id": "2330",
    "name": "台積電",
    "current_price": 850.0,
    "trend": "強勢上升",
    "recommendation": "買入",
    "confidence": 85,
    "support": 800.0,
    "resistance": 900.0,
    "rsi": 65.5,
    "rsi_signal": "正常",
    "macd_signal": "黃金交叉（買入）",
    "bb_signal": null
  }
}

3. analyze_multiple_stocks

批量分析多支股票

# 參數
stock_ids: List[str]  # 股票代碼列表 (例如: ["2330", "2317", "2454"])
months: int = 3  # 分析幾個月的歷史資料 (預設: 3)

# 返回格式
{
  "success": true,
  "data": {
    "results": [...],
    "errors": [...],
    "total_analyzed": 3,
    "total_errors": 0
  }
}

4. search_stocks_by_keyword

根據關鍵字搜尋股票

# 參數
keyword: str  # 搜尋關鍵字 (可以是股票名稱或代碼的一部分)

# 返回格式
{
  "success": true,
  "data": {
    "keyword": "台積",
    "results": [
      {"code": "2330", "name": "台積電", "group": "半導體業"}
    ],
    "count": 1
  }
}

5. filter_stocks_by_industry

根據產業分類篩選股票

# 參數
industry: str  # 產業分類名稱

# 返回格式
{
  "success": true,
  "data": {
    "industry": "半導體業",
    "results": [...],
    "count": 50
  }
}

6. get_recommendation_summary

獲取多支股票的推薦摘要，按信心度排序

# 參數
stock_ids: List[str]  # 股票代碼列表
months: int = 3  # 分析幾個月的歷史資料 (預設: 3)

# 返回格式
{
  "success": true,
  "data": {
    "total_analyzed": 5,
    "buy_count": 3,
    "sell_count": 1,
    "hold_count": 1,
    "buy_recommendations": [...],
    "sell_recommendations": [...],
    "hold_recommendations": [...]
  }
}

專案架構

twstock_analysis/
├── twstock_mcp.py           # 主程式 - MCP Server 實作
├── test_mcp.py              # 簡化測試版本
├── debug_test.py            # 除錯測試程式
├── get_honhai_data.py       # 鴻海數據獲取測試
├── requirements.txt         # 相依套件清單
├── pyproject.toml           # 專案配置
├── .mcp.json               # MCP Server 配置
├── README.md               # 說明文件
├── .gitignore              # Git 忽略檔案
├── uv.lock                 # uv 鎖定檔案
├── .python-version         # Python 版本
├── honhai_stock_data_20250926.csv  # 測試數據
└── media/                  # 媒體檔案
    ├── twstock_mcp_screenshot.png
    └── twstock_mcp_video.mp4

技術指標說明

• RSI (相對強弱指標)：衡量價格變動速度和幅度，值介於 0-100
• MACD (移動平均收斂/發散指標)：通過快慢移動平均線的交叉來判斷買賣時機
• 布林通道 (Bollinger Bands)：根據價格標準差繪製的通道，用於判斷價格是否處於正常範圍
• 移動平均線 (MA)：計算一定期間的平均價格，用於判斷趨勢
• 四大買點/賣點：twstock 內建的技術分析方法

分析邏輯

系統使用多重技術指標進行綜合分析：

1. 趨勢分析：基於移動平均線判斷上升/下降趨勢
2. 技術指標：RSI、MACD、布林通道等指標分析
3. 買賣點判斷：結合四大買賣點和技術指標訊號
4. 信心度計算：根據多項指標綜合計算投資信心度
5. 風險評估：計算支撐阻力位和波動率

開發者指南

新增分析工具

1. 在 TaiwanStockAnalyzer 類別中實作新方法
2. 使用 @mcp.tool() 裝飾器註冊新工具
3. 在主程式中新增相應的處理邏輯

測試功能

執行內建測試：

uv run python -c "from twstock_mcp import test_twstock; test_twstock()"

常見問題

1. Q: 為什麼無法取得股票資料？ A: 請確認網路連線正常，且 twstock 套件設定正確。系統會自動重試獲取數據。

2. Q: 如何自訂技術指標參數？ A: 可以修改 TaiwanStockAnalyzer 類別中相應方法中的預設參數。

3. Q: 分析結果的準確性如何？ A: 此系統僅供參考，不構成投資建議。請結合其他資訊進行投資決策。

貢獻指南

1. Fork 此專案
2. 建立特性分支 (git checkout -b feature/AmazingFeature)
3. 提交變更 (git commit -m 'Add some AmazingFeature')
4. 推送至分支 (git push origin feature/AmazingFeature)
5. 開啟 Pull Request

授權條款

本專案採用 MIT 授權條款

作者

• sprigga

致謝

• twstock - 台灣股票數據獲取套件
• FastMCP - MCP Server 框架
• TA-Lib - 技術分析套件
• pandas - 數據處理套件
• matplotlib - 圖表繪製套件