Communitygithub.com

kansoku-trade/kansoku

Partenaire boursier IA sur votre Mac – Informations locales du marché, chandeliers multi-timeframes, commentaires intrajournaliers IA et analyse de suivi

Qu'est-ce que kansoku ?

Kansoku est un outil puissant pour les traders et investisseurs sur macOS, qui combine des données de marché locales avec une analyse technique et fondamentale assistée par IA. Il prend en charge les graphiques en chandeliers multi-timeframes, les commentaires intrajournaliers générés par IA, et le suivi automatisé des positions. Basé sur des scripts Python et une intégration avec l'API de Fred (St. Louis Fed) pour les indicateurs macroéconomiques, Kansoku permet d'obtenir rapidement des données économiques clés comme le CPI, le PIB, le chômage, les taux d'intérêt, etc. L'outil utilise des alias pré-configurés (anglais/chinois) pour mapper des expressions courantes aux séries FRED, avec une recherche de secours automatique. Idéal pour les analystes techniques et fondamentaux, il fonctionne en ligne de commande et fournit des sorties JSON structurées pour une intégration facile avec d'autres agents IA ou workflows. Sa conception multi-timeframe et ses capacités de suivi intelligent en font un assistant boursier complet, conçu pour fonctionner localement sans dépendance à des services cloud tiers.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add kansoku-trade/kansoku

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

fred

Langue de réponse : correspondre à la saisie de l'utilisateur (zh-CN / zh-TW / en).

Quand utiliser

Phrases déclencheurs :

  • CPI / core CPI / PCE / PPI / inflation / 通胀 / 核心通胀
  • GDP / 国内生产总值
  • unemployment / 失业率 / U-3 / U-6 / nonfarm / 非农
  • Fed funds / 联储利率 / SOFR
  • 2Y / 10Y yield / yield curve / 美债利率 / 收益率曲线
  • M1 / M2 / 货币供应
  • DXY / 美元指数 / USD index
  • VIX / 10Y breakeven / 通胀预期
  • WTI / Brent / 油价 / gold
  • consumer sentiment / 消费者信心 / housing starts / retail sales

Workflow

  1. Résoudre le texte de l'utilisateur vers un ID de série FRED — d'abord via aliases.json (curated), puis search.py si aucun alias ne correspond.
  2. Exécuter series.py <SERIES_ID|alias> pour les observations + métadonnées.
  3. Synthétiser une réponse en langage naturel avec les unités, la fréquence et la date de dernière mise à jour ; citer "Source : St. Louis Fed (FRED)".

L'environnement est chargé automatiquement lors de l'import du script depuis .env à la racine du projet (ou ~/.config/market-intel/env en secours) — aucune commande source manuelle nécessaire.

Exemples CLI

# Dernières 60 observations mensuelles du CPI
python3 .claude/skills/fred/scripts/series.py CPI

# Rendement à 2 ans, dernières 30 observations quotidiennes
python3 .claude/skills/fred/scripts/series.py "2Y yield" --limit 30

# Inflation break-even à 10 ans, intervalle personnalisé, ordre croissant
python3 .claude/skills/fred/scripts/series.py T10YIE --start 2024-01-01 --order asc

# Découvrir les IDs de séries
python3 .claude/skills/fred/scripts/search.py "consumer price index" --limit 10

# Ignorer le cache
python3 .claude/skills/fred/scripts/series.py CPI --fresh

Format de sortie

{
  "ok": true,
  "data": [{"date": "2026-04-01", "value": 314.2}, ...],
  "meta": {
    "series_id": "CPIAUCSL",
    "title": "Consumer Price Index for All Urban Consumers: All Items",
    "units": "Index 1982-1984=100",
    "frequency": "Monthly",
    "seasonal_adjustment": "SA",
    "last_updated": "2026-05-13 07:36:01-05",
    "count_returned": 60,
    "alias_resolved": "CPI"
  }
}

Alias disponibles

Voir aliases.json pour la carte curated CN/EN → ID de série. Les plus courants :

AliasID de série
CPICPIAUCSL
core CPI / 核心 CPICPILFESL
PCEPCEPI
GDPGDPC1
unemployment / 失业率UNRATE
nonfarm / 非农PAYEMS
Fed funds / 联储利率DFF
10Y yield / 美债 10 年DGS10
yield curveT10Y2Y
DXY / 美元指数DTWEXBGS
M2M2SL
VIXVIXCLS
10Y breakeven / 通胀预期T10YIE

Si l'expression de l'utilisateur n'est pas dans la carte, basculer vers search.py "<query>" et choisir le résultat le plus populaire non interrompu.

Gestion des erreurs

Code de sortieSignificationAction du LLM
0SuccèsAnalyser data, raconter.
2FRED_API_KEY manquantDemander à l'utilisateur de s'enregistrer sur https://fred.stlouisfed.org/docs/api/api_key.html et d'ajouter la clé à .env à la racine du projet.
3Code HTTP 4xx ou non-JSONAfficher l'erreur provenant de hint.
4RéseauSuggérer de réessayer.

Limitations connues

  • Les séries quotidiennes peuvent comporter des trous le week-end/fériés (FRED renvoie NaN sous forme de . ; nous normalisons en null).
  • Les séries "interrompues" sont filtrées par défaut dans search.py — utilisez --include-discontinued pour les inclure.
  • Cache des métadonnées des séries TTL 24 h ; cache des observations TTL 1 h. Utilisez --fresh pour les données les plus récentes.

Compétences associées

  • longbridge-quote pour les cotations en direct des actions.
  • gdelt pour le contexte narratif / de sentiment.
  • sec-edgar pour les dépôts de sociétés individuelles.

Skills associés