Repolode
BruceLanLan

BruceLanLan/augur

Sistema local de memória para pesquisa de investimentos: 18 perfis de investidores analisam uma ação de forma independente e, depois, combinam os resultados em um consenso ponderado com evidências rastreáveis.

Estrelas
682
Forks
115
Issues abertas
3
Último commit
há 9 dias

Esta página apresenta um projeto de código aberto e não constitui aconselhamento de investimento. Negociar e investir pode gerar perdas: avalie o risco por conta própria e siga as leis do seu país antes de usá-lo.

O que é?

Augur é uma ferramenta local para pesquisa e análise de ações. Dezoito perfis de investidores baseados em regras, inspirados em filosofias públicas de investimento — como estratégias de valor, crescimento, macro e do mercado chinês — analisam cada ticker de forma independente. Em seguida, um mecanismo de consenso ponderado combina os sinais, as pontuações, os níveis de confiança e o dimensionamento de posição pelo critério de Kelly, mostrando em que pontos os perfis concordam e divergem.

Cada evidência inclui sua fonte e registros separados dos horários de referência do dado, disponibilidade e recuperação. Dados ausentes são sinalizados explicitamente, e os perfis que dependem deles se abstêm, informando o motivo, em vez de tratá-los silenciosamente como zero. Cada execução é armazenada em um RunBundle imutável, que pode ser exportado, comparado e revisado depois. Por padrão, os dados ficam em um diretório local, e o projeto não inclui telemetria.

O projeto oferece uma CLI, um painel web local com páginas para avaliação por DCF, filas de resultados, acompanhamento de teses e avaliação de backtests, além de um servidor MCP para conectar Claude ou outros agentes. Ele obtém dados de mercado via yfinance e documentos da SEC EDGAR, e é explicitamente identificado como não sendo uma recomendação de investimento.

Recursos principais

  • 01Dezoito perfis de investidores analisam o mesmo ticker de forma independente e geram um consenso ponderado.
  • 02Os itens de evidência registram a fonte e os horários separados de referência do dado, disponibilidade e recuperação.
  • 03Dados ausentes são sinalizados explicitamente, e os perfis que dependem deles se abstêm e informam o motivo.
  • 04Cada execução é salva em um RunBundle imutável e exportável para revisão posterior.
  • 05Inclui um painel local, uma CLI e um servidor MCP para integração com agentes.
  • 06Obtém dados fundamentalistas de documentos da SEC EDGAR, como comparações de fatores de risco em 10-K e variações em XBRL.

Casos de uso

  • Estruturar uma análise prévia à divulgação de resultados para uma lista de ações em observação.
  • Comparar como diferentes abordagens de investimento em valor e crescimento avaliam a mesma empresa.
  • Manter um histórico auditável de pesquisas de investimento anteriores e suas premissas.
  • Disponibilizar um fluxo de pesquisa local para Claude ou outros agentes por meio de MCP.

Início rápido

  1. 1

    Clone o repositório

    git clone https://github.com/BruceLanLan/augur.git && cd augur
  2. 2

    Crie e ative um ambiente virtual

    python3 -m venv .venv && source .venv/bin/activate
  3. 3

    Instale o pacote principal com suporte a dados do yfinance

    pip install -e ".[data]"
  4. 4

    Execute a análise com 18 personas em uma ação

    augur analyze AAPL

Antes de usar

  • É necessário usar Python 3.10 ou superior.
  • Os recursos do SEC EDGAR exigem um e-mail de contato válido configurado em AUGUR_EDGAR_CONTACT_EMAIL.
  • As personas de investidores são simulações baseadas em regras de ideias de investimento públicas, não representam as opiniões dos investidores reais, e o README alerta que não se trata de aconselhamento financeiro.

Em coleções

Tópicos

#investment-analysis#stock-analysis#multi-agent#ai-agents#local-first#sec-edgar#valuation#mcp#value-investing

Perguntas frequentes

O que é augur?
Sistema local de memória para pesquisa de investimentos: 18 perfis de investidores analisam uma ação de forma independente e, depois, combinam os resultados em um consenso ponderado com evidências rastreáveis. Augur é uma ferramenta local para pesquisa e análise de ações. Dezoito perfis de investidores baseados em regras, inspirados em filosofias públicas de investimento — como estratégias de valor, crescimento, macro e do mercado chinês — analisam cada ticker de forma independente. Em seguida, um mecanismo de consenso ponderado combina os sinais, as pontuações, os níveis de confiança e o dimensionamento de posição pelo critério de Kelly, mostrando em que pontos os perfis concordam e divergem.
augur é gratuito? Qual é a licença?
augur é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
augur ainda é mantido?
Manutenção ativa. O último commit de augur foi em 29 de out. de 2026.
Para que posso usar augur?
Estruturar uma análise prévia à divulgação de resultados para uma lista de ações em observação. Comparar como diferentes abordagens de investimento em valor e crescimento avaliam a mesma empresa. Manter um histórico auditável de pesquisas de investimento anteriores e suas premissas. Disponibilizar um fluxo de pesquisa local para Claude ou outros agentes por meio de MCP.
Como instalar augur?
Clone o repositório: git clone https://github.com/BruceLanLan/augur.git && cd augur Crie e ative um ambiente virtual: python3 -m venv .venv && source .venv/bin/activate Instale o pacote principal com suporte a dados do yfinance: pip install -e ".[data]" Execute a análise com 18 personas em uma ação: augur analyze AAPL
Onde consigo augur?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/BruceLanLan/augur

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados

Um conjunto de skills para Claude Code e Codex que pesquisa empresas de capital aberto sob a ótica do investimento em valor, aplicando as abordagens de Buffett, Munger, Duan Yongping e Li Lu com análise multiagente.

IA e Machine Learning#investment-research#value-investing#claude-code
17 mil+49 esta semana2,5 milHTMLMITAtualizado há 4 dias