Об этом проекте

Sellside Research Engine — это открытый Python-конвейер и статический веб-дашборд, автоматизирующий базовый цикл анализа акций. Он получает проверенные фундаментальные данные из SEC EDGAR XBRL, цены и консенсус-прогнозы из Yahoo Finance (через yfinance), доходность 2-летних казначейских облигаций из FRED и курс EUR/USD из ЕЦБ, затем проводит скрининг 21 акции США и оценивает топ-10. API-ключи не требуются. Охват и результаты - Вселенная: 21 акция США из 8 секторов, настраивается через DEFAULT_US_TICKERS в trg_workbench/config.py. Дашборд показывает топ-10 по исследовательскому баллу, пересортировываемых при каждом обновлении; сравнения, факторная тепловая карта и диаграммы рассеяния охватывают все 21. - Оценка: FCF DCF по сценариям медвежий/базовый/бычий с 5-летним затухающим прогнозом и терминальной стоимостью по Гордону, обратный DCF (рост, подразумеваемый текущей ценой), остаточный доход и обоснованный P/B для банков, брокеров и страховщиков, диапазонная диаграмма и мультипликаторы аналогов. - Риск: исторические VaR и CVaR (95%, 1 день), волатильность за 21 и 63 дня, бета к S&P 500, коэффициенты Шарпа и Сортино, максимальная просадка и матрица корреляций. - Настроения и позиционирование: пересмотры EPS, сюрпризы по прибыли, тренд рекомендаций, короткие позиции и активность инсайдеров. - Секторы и макро: 10 секторных ETF SPDR против S&P 500, обзор ротации, актуальные доходности 10-летних, 2-летних и 3-месячных бумаг, VIX, DXY, WTI и EUR/USD. - Выходные данные: dashboard_data.json для дашборда, HTML-записка (шаблон navy/gold), PDF через WeasyPrint с HTML-фолбэком, Markdown-записка и PNG-графики 150 DPI. Как это работает CLI (main_v2.py) предоставляет команды fetch-all, build-report и build-all с опциями --dry-run, --quiet и --formats. Данные нормализуются в data/normalized, экспортируются в dashboard_data.json и отображаются однофайловым index.html, загружающим JSON во время выполнения. Рабочий процесс GitHub Actions запускается по будням в 22:00 UTC, коммитит JSON только при изменении, а интеграция Vercel с Git переразвёртывает при каждом пуше. Также поддерживается двухэтапная сборка (fetch-all, затем export_dashboard_data.py --skip-fetch). Методологические заметки - Прокси FCF = чистая прибыль по SEC (фолбэк Yahoo) x 0,80; WACC использует построение CAPM с бета-коэффициентом, скорректированным по Блюму, и фиксированным D/E 0,30; безрисковая ставка — актуальная доходность 10-летних казначейских облигаций с фолбэком 5,3%. - Рост по умолчанию — консенсусный рост выручки на +1 год, фолбэк — исторический рост, 5% при отсутствии обоих, ограничение от -20% до 50%. - Рейтинги механические от потенциала роста к консенсусной цели: BUY выше +10%, SELL ниже -10%, иначе HOLD. - Пропущенные значения записываются как null и отображаются как n/a; известные пробелы включают отставание FRED от Yahoo на день и occasional однодневные пропуски Yahoo. - Комментарии менеджмента — это ключевая эвристика по материалам о прибыли SEC 8-K, а не LLM; на живом сайте отображается n/a, так как в CI нет кэшированных транскриптов. Настройка и кастомизация Быстрый старт: клонировать, pip install -r requirements.txt (Python 3.12), запустить python export_dashboard_data.py, затем локально обслуживать через python -m http.server 8000. SEC просит пользователей API указывать контактные данные через SEC_USER_AGENT. Форк плюс импорт в Vercel развёртывает персональную копию; форки должны сохранять файл NOTICE и указывать оригинальный репозиторий. Точки кастомизации включают вселенную тикеров, веса факторов в build_research_dataset, допущения DCF в valuation.py и аналитические оверлеи через data/analyst_views.csv (только отчёты v1). Набор pytest покрывает извлечение SEC XBRL, нормализацию ЕЦБ, скрининг, входные данные и сценарии DCF, обратный DCF, остаточный доход, сравнения, окна доходности, TTM/DuPont, настроения, экспорт JSON, извлечение комментариев, шаблоны и графики; CI для pytest пока нет. Проект лицензирован под Apache 2.0 и позиционируется как инструмент для исследований и образования, а не инвестиционная рекомендация. Дорожная карта перечисляет запланированные работы, такие как интеллектуальный анализ 10-K/10-Q, Монте-Карло DCF, исторические диапазоны мультипликаторов, оценки Пиотроски и Альтмана, тиршиты, экспорт в PowerPoint, Docker и CI для pytest.