huvoice3778

How long are you going to manually look through 2,500 stocks every day?

Searching through Naver Finance to find surging stocks after the market closes,
Reading news to judge whether it's good or bad news,
Checking foreign/institutional supply and demand one by one,
Opening charts to analyze patterns...

Aren't you repeating this every single day?

I used to do that too.
I spent 2 to 3 hours after work analyzing stocks, and yet I still missed more stocks than I found.
With over 2,500 stocks across KOSPI and KOSDAQ combined, it's impossible for a human to see them all every day.

---
So, I built a system.

I created a system that automatically analyzes 2,500 stocks every day after the market closes.

- Automatically collects market prices, supply/demand, and news
- AI (Gemini) reads the news and determines if it's positive or negative
- Scores stocks out of 15 points based on 6 factors
- Selects only the stocks that pass the criteria and calculates entry, stop-loss, and take-profit prices
- Sends notifications via Telegram

Now, I just check my phone after work.

Additionally, every Saturday, the system analyzes its own performance from the past week
and automatically adjusts stop-loss lines, take-profit lines, and holding periods.
It is a structure where the system learns and improves on its own.

---
But I am not a developer.

I didn't write the code for this system myself.
I gave all the instructions to the AI verbally.

"Filter out stocks that rose more than 5% today with a trading volume exceeding 50 billion won."
"Send these 3 news articles to Gemini and have it judge if they are positive."
"Create a scheduler so this runs automatically every day at 4 PM."

When I speak like this, the AI (Claude) generates the code.
This is "Vibe Coding."

---
In this course, we will build this exact system.

Over 58 lessons, we will build the system I actually use every day from start to finish.

Starting from data collection,
AI news analysis, scoring engine, signal generation,
Flask API server, Next.js web dashboard,
Telegram automatic notifications, and even the self-learning system.

The final product is not a Jupyter Notebook.
The final product is a web dashboard and Telegram notifications that actually run every day.

You don't need to know how to code.
In every lesson, I will show you how to talk to Claude,
and if you follow along, you will get the same results.

---
Recommended for:

- Office worker investors who lack the time to analyze stocks every day
- Those who want an automated system but don't know how to code
- Those curious about quant/system trading but don't know where to start
- Those curious about how to utilize AI in practice

---
⚠️ This course does not guarantee investment returns.
This is a programming course on building your own stock analysis tools.
Actual investment decisions are the responsibility of the student.

skysungsisi0926

Building an automated stock analysis system without writing a single line of code feat. Claude CLI

Thank you. I will try to proceed a bit more slowly!

실습 중심

ai in practice

AI 활용법

ai 코딩

AI 코딩

backend basics

백엔드이해하기

firststep ux

실무UX첫걸음

Mỗi ngày có 2.500 mã cổ phiếu, bạn định tự mình xem đến bao giờ?

Sau khi thị trường đóng cửa, bạn phải lục lọi Naver Securities để tìm các mã tăng vọt,
Đọc tin tức để phán đoán xem đó là tin tốt hay tin xấu,
Kiểm tra từng chút một dòng tiền của khối ngoại và tổ chức,
Mở biểu đồ để phân tích mô hình...

Chẳng lẽ bạn đang lặp lại việc này mỗi ngày sao?

Tôi cũng đã từng như vậy.
Dành 2-3 tiếng sau khi đi làm về để phân tích cổ phiếu, nhưng vẫn bỏ lỡ nhiều mã hơn là tìm thấy.
Tổng hợp cả KOSPI và KOSDAQ có hơn 2.500 mã, con người không thể nào xem hết mỗi ngày được.

---
Vì vậy, tôi đã tạo ra một hệ thống

Tôi đã tạo ra một hệ thống tự động phân tích 2.500 mã cổ phiếu sau khi thị trường đóng cửa mỗi ngày.

- Tự động thu thập giá cả, dòng tiền và tin tức
- AI (Gemini) đọc tin tức và phân biệt tin tốt/tin xấu
- Chấm điểm trên thang điểm 15 dựa trên 6 yếu tố
- Chỉ chọn những mã vượt qua tiêu chuẩn và tính toán cả giá vào lệnh/giá cắt lỗ/giá chốt lời
- Gửi thông báo qua Telegram

Sau khi đi làm về, tôi chỉ cần kiểm tra điện thoại.

Thêm vào đó, vào mỗi thứ Bảy, hệ thống sẽ tự phân tích hiệu suất của tuần trước
Và tự động điều chỉnh mức cắt lỗ, chốt lời và thời gian nắm giữ.
Đây là cấu trúc mà hệ thống tự học hỏi và cải thiện.

---
Nhưng tôi không phải là một lập trình viên

Tôi không trực tiếp viết mã cho hệ thống này.
Tôi hoàn toàn ra lệnh cho AI bằng lời nói.

"Hãy lọc ra những mã tăng trên 5% hôm nay với giá trị giao dịch trên 50 tỷ won"
"Gửi 3 tin tức này cho Gemini để phán đoán xem đó là tin tốt hay không"
"Tạo một bộ lập lịch để hệ thống tự động chạy vào 4 giờ chiều mỗi ngày"

Khi nói như vậy, AI (Claude) sẽ tạo mã cho tôi.
Đó chính là Vibe Coding.

---
Trong khóa học này, chúng ta sẽ cùng tạo ra hệ thống tương tự

Qua 58 bài giảng, chúng ta sẽ cùng nhau xây dựng từ đầu đến cuối hệ thống mà tôi thực sự sử dụng hàng ngày.

Bắt đầu từ thu thập dữ liệu,
Phân tích tin tức bằng AI, công cụ chấm điểm, tạo tín hiệu,
Máy chủ Flask API, bảng điều khiển web Next.js,
Thông báo tự động qua Telegram, và cả hệ thống tự học.

Sản phẩm cuối cùng không phải là một tệp Jupyter Notebook.
Mà là một bảng điều khiển web và thông báo Telegram thực sự hoạt động mỗi ngày.

Bạn không cần biết lập trình.
Trong mỗi bài giảng, tôi sẽ hướng dẫn bạn cách nói chuyện với Claude,
Và nếu bạn làm theo, bạn sẽ nhận được kết quả tương tự.

---
Khóa học này dành cho:

- Những nhà đầu tư là nhân viên văn phòng không có đủ thời gian phân tích cổ phiếu mỗi ngày
- Những người muốn sở hữu hệ thống tự động nhưng không biết lập trình
- Những người tò mò về Quant/Giao dịch hệ thống nhưng không biết bắt đầu từ đâu
- Những người muốn biết cách ứng dụng AI vào thực tế

---
⚠️ Khóa học này không đảm bảo lợi nhuận đầu tư.
Đây là khóa học lập trình về việc tự tạo ra công cụ phân tích chứng khoán.
Quyết định đầu tư thực tế thuộc về trách nhiệm của chính học viên.

입문

초급

중급이상

파이썬

Python

플라스크

Flask

넥스트 제이에스

Next.js

Tạo hệ thống phân tích chứng khoán tự động mà không cần viết một dòng code nào feat. Claude CLI

Giới thiệu (Intro)

Cài đặt và chuẩn bị

Phần 1: Hãy cùng thu thập dữ liệu chứng khoán nào

Phần 2. AI xác định tin tốt (tin tích cực)

Phần 3. Công cụ chấm điểm đa yếu tố (Multi-factor Scoring Engine)

Phần 4. Xây dựng đường ống thực tế và quy mô vị thế

Phần 5. Phát hiện mô hình VCP — Nắm bắt sự thu hẹp độ biến động