Claude ने स्टॉक आणि ऑप्शन्सचे विश्लेषण कसे करावे

Claude आर्थिक डेटा वाचून त्याचा अर्थ स्पष्ट करण्यात अत्यंत चांगले आहे. मात्र आजचे आकडे माहीत असण्यात ते कमकुवत आहे, कारण भाषिक मॉडेलचा प्रशिक्षण डेटा तुम्ही प्रश्न विचारण्याच्या काही महिने आधीच संपलेला असतो. यावरील उपाय सोपा आहे: API द्वारे Claude ला थेट बाजारातील डेटा द्या आणि ते ज्या कामात खरोखर चांगले आहे ते करू द्या—विश्लेषण, तुलना आणि सोप्या भाषेत स्पष्टीकरण.

हे मार्गदर्शक मोफत market data API वापरून ते कसे करायचे, Claude ला त्याच्याशी जोडण्याचे तीन वेगवेगळे मार्ग आणि थेट कॉपी करता येतील असे कार्यरत prompts दाखवते. संपूर्ण पारदर्शकतेसाठी सांगायचे तर, हा API आमच्या टीमने तयार केलेल्या Strasmore चा आहे. यासाठी account आवश्यक नाही. त्यामुळे या मार्गदर्शकातील सर्वकाही पुढील पाच मिनिटांत आजमावता येईल.

Claude ला डेटा स्रोताची आवश्यकता का असते

कोणतीही साधने जोडलेली नसताना Claude ला “Microsoft चा सध्याचा dividend yield किती आहे?” असे विचारल्यास दोनपैकी एक अपयश दिसते. एकतर तो उत्तर देण्यास नकार देतो, किंवा काही महिन्यांपूर्वीच्या training data वर आधारित उत्तर देतो. दोन्ही प्रकार घडतात, कारण model ला सध्याच्या किमतींमध्ये प्रवेश नसतो. तो स्वतःहून कोणतीही माहिती शोधू शकत नाही.

डेटा स्रोत जोडल्यावर परिस्थिती पूर्णपणे बदलते. Claude JSON सहजपणे वाचतो, संदर्भ न गमावता डझनभर rows लक्षात ठेवतो आणि डेटा प्रत्यक्षात काय दर्शवतो याची तुलना, क्रमवारी आणि सारांश देतो. आता उत्तराची गुणवत्ता तुम्ही दिलेल्या डेटाच्या गुणवत्तेवर अवलंबून असते.

API key शिवाय मोफत market data API

Strasmore चे demo API US stocks आणि options data वरील निश्चित queries चा catalog plain JSON स्वरूपात देते. Signup आवश्यक नाही, API key नाही आणि rate-limit साठी वेगळी प्रक्रिया नाही. संपूर्ण endpoint reference API documentation post मध्ये आहे. संक्षिप्त रूप पुढीलप्रमाणे:

# What queries exist? (start here)
curl "https://ai.strasmore.com/api/demo/catalog"

# The highest large-cap dividend yields right now
curl "https://ai.strasmore.com/api/demo?q=dividend_yield_leaders"

# Implied-volatility leaders in the options market
curl "https://ai.strasmore.com/api/demo?q=iv_leaders"

# The latest market headlines with tickers
curl "https://ai.strasmore.com/api/demo?q=latest_market_news"

प्रत्येक response मध्ये rows, column names आणि numbers तयार करणारे अचूक SQL समाविष्ट असते. AI संबंधित कामासाठी शेवटचा भाग महत्त्वाचा आहे: तुम्ही Claude ला data सोबत SQL दाखवू शकता. त्यानंतर ते query आणि result दोन्ही समजावून सांगू शकते.

Prices मध्ये विलंब असतो आणि options greeks ही end-of-day values असतात. Learning, screening आणि analysis workflows साठी एवढीच माहिती आवश्यक आहे. हे trading feed नाही. हे guide analysis बद्दल आहे, trade execution बद्दल नाही.

पद्धत 1: JSON चॅटमध्ये पेस्ट करा

यासाठी कोणतीही पूर्वतयारी आवश्यक नाही. एक curl चालवा, JSON कॉपी करा आणि स्पष्ट सूचनेसह ते Claude चॅटमध्ये पेस्ट करा. ही पद्धत claude.ai वेब अॅप, desktop app किंवा कोणत्याही चॅट इंटरफेसमध्ये कार्य करते.

चांगला परिणाम देणारी prompt ची रचना:

Here is JSON from a market data API. The `sql` field shows exactly
how the numbers were computed.

[paste the JSON here]

1. Summarize what this data shows in plain English.
2. Which three rows stand out, and what makes them unusual?
3. What would you want to check next before drawing conclusions?

तिसरा प्रश्न महत्त्वाचा आहे. तो Claude ला डेटाच्या मर्यादा स्पष्टपणे सांगण्यास प्रवृत्त करतो आणि अतिरेकी निष्कर्ष काढण्यापासून रोखतो. त्याच्या सूचना ("payout history तपासा", "sector शी तुलना करा") अनेकदा तुम्ही आधीपासून विचार न करता लिहिलेल्या कोणत्याही पुढील query पेक्षा अधिक उपयुक्त ठरतात.

पद्धत 2: Claude Code ला स्वतः डेटा मिळवू द्या

तुम्ही Claude Code चालवत असाल, तर पूर्ण copy-paste टाळता येतो, कारण Claude Code स्वतः curl चालवू शकतो. त्याला प्रश्न विचारा आणि डेटा कुठे उपलब्ध आहे ते सांगा:

Fetch https://ai.strasmore.com/api/demo/catalog, pick the query that
best answers this question, fetch it, and analyze the result:
which large-cap stocks pay the highest dividend yields right now,
and how do their P/E ratios compare?

Claude Code catalog वाचतो, dividend_yield_leaders निवडतो, तो fetch करतो आणि वास्तविक rows वर काम करतो. Agent loop तुमच्या मशीनवर चालत असल्यामुळे, त्यावर उपलब्ध असलेल्या इतर साधनांसोबतही ही पद्धत वापरता येते: तो results files मध्ये save करू शकतो, Python script वापरून chart तयार करू शकतो किंवा आजच्या screen ची त्याने मागील आठवड्यात save केलेल्या screen सोबत diff तुलना करू शकतो. एक खर्चाचा मुद्दा लक्षात ठेवा: agent ने fetch केलेला प्रत्येक JSON payload conversation मध्ये राहतो आणि पुढील turn मध्ये पुन्हा पाठवला जातो. त्यामुळे Claude Code session दीर्घकाळ चालवल्यास खर्च वाढतो.

नेहमी सुरू असलेला Linux server या workflow साठी योग्य ठिकाण आहे. "screens fetch करा, कालच्या screen सोबत तुलना करा आणि मला summary लिहा" असा दररोजचा loop अशा मशीनवर चालवणे योग्य आहे जी कधीही sleep होत नाही. SSH disconnect झाल्यानंतर sessions सुरू राहाव्यात यासाठी VPS वर tmux सह Claude Code चालवण्याचे आमचे संपूर्ण मार्गदर्शन उपलब्ध आहे. हा मार्ग स्वीकारत असाल, तर आधी VPS वर AI agents सुरक्षितपणे चालवण्याचे आमचे मार्गदर्शन वाचा; shell access असलेल्या agent साठी योग्य सुरक्षा-नियंत्रणे आवश्यक असतात.

पद्धत 3: fetch tool सह Claude API

तुम्ही तयार करत असलेल्या सॉफ्टवेअरसाठी Claude ला एक tool म्हणून API उपलब्ध करून द्या. Anthropic च्या Python SDK मध्ये यासाठी संपूर्ण जोडणी एका tool definition आणि एका fetch function मध्ये होते:

import json, urllib.request
import anthropic

def fetch_demo(query_key: str) -> str:
    url = f"https://ai.strasmore.com/api/demo?q={query_key}"
    with urllib.request.urlopen(url, timeout=30) as r:
        return r.read().decode()

client = anthropic.Anthropic()
tools = [{
    "name": "fetch_market_data",
    "description": "Fetch a fixed market-data query. Keys are listed at "
                   "https://ai.strasmore.com/api/demo/catalog e.g. "
                   "dividend_yield_leaders, iv_leaders, latest_market_news.",
    "input_schema": {
        "type": "object",
        "properties": {"query_key": {"type": "string"}},
        "required": ["query_key"],
    },
}]

# Claude decides when to call the tool; your loop executes fetch_demo()
# and returns the JSON as the tool result. See Anthropic's tool-use docs.

एखाद्या प्रश्नासाठी डेटा आवश्यक असल्यास Claude tool कॉल करतो. तुम्ही fetch चालवून JSON परत देता. त्यानंतर Claude memory वर अवलंबून न राहता प्रत्यक्ष rows मधून उत्तर देतो. Client तुमची key environment मधून घेतो. त्यामुळे हा code server वर किंवा cloud provider मागे चालणार असल्यास, काहीही hardcode करण्यापूर्वी तिथे client चे authentication कसे करावे हे ठरवा. हा असा एकमेव मार्ग आहे ज्यात chat subscription वापरण्याऐवजी token नुसार billing होते. त्यामुळे Claude API मध्ये free tier आहे का असा प्रश्न असल्यास, थोडक्यात उत्तर असे आहे: signup वेळी लहान credit मिळतो आणि त्यानंतर metered pricing लागू होते. Inline tool ऐवजी पुन्हा वापरता येणारा server हवा असल्यास हीच पद्धत Model Context Protocol सोबतही वापरता येते. ते host करण्यासाठी आमचे VPS वर MCP servers मार्गदर्शक पहा.

चांगले विश्लेषण मिळवून देणारे prompts

तुम्ही कोणत्याही पद्धतीने जोडलेले असलात, तरी काही पद्धती output मध्ये सातत्याने सुधारणा करतात:

• Claude ला rows चा संदर्भ देण्यास सांगा. “प्रत्येक दाव्यासाठी ticker आणि तो दावा ज्या आकड्यावर आधारित आहे तो आकडा नमूद करा.” यामुळे अस्पष्ट summaries टाळता येतात.
• Data काय दाखवू शकत नाही, हे विचारा. Delayed prices, end-of-day greeks आणि fixed screen या सर्वांना मर्यादा आहेत. विचारल्यावर Claude त्या मर्यादा स्पष्टपणे सांगतो. त्यामुळे analysis अधिक वस्तुनिष्ठ राहते.
• अंदाज व्यक्त करण्याऐवजी तुलना करण्यास सांगा. “दर्शवलेल्या payout ratios च्या आधारे यांपैकी कोणते yields टिकाऊ वाटतात?” या प्रश्नाचे उत्तर उपलब्ध data वर आधारित असते. “कोणता stock वाढेल?” या प्रश्नावर चांगल्या भाषेत अंदाज मिळतो, कारण prediction साठी data पुरेसा आधार देत नाही.
• SQL चा संदर्भ कायम ठेवा. sql field मुळे screen कशी तयार केली हे Claude ला नेमके समजते. त्यामुळे एखादे नाव का दिसत नाही, याचे कारण market-cap floor किंवा yield ceiling आहे हे तो स्पष्ट करू शकतो; स्वतःहून कारण तयार करत नाही.

फिक्स्ड query पुरेसे नसतील तेव्हा

डेमोमधील screens मुद्दाम fixed ठेवले आहेत. पुढील टप्पा म्हणजे Strasmore चे paid API: त्याच warehouse मधील US equities चा 22 वर्षांचा आणि options history चा 12 वर्षांचा डेटा, तसेच programmatic key वापरून SQL किंवा plain English मध्ये स्वतःचे प्रश्न विचारण्याची सुविधा. Workflow तसाच राहतो; तुमचे tool open endpoint ऐवजी authenticated endpoint वरून डेटा fetch करते आणि प्रश्न तुम्ही स्वतः define करता. Documented schema वर ClickHouse SQL लिहिण्यात Claude खरोखर सक्षम आहे. त्यामुळे “$10B पेक्षा जास्त market cap असलेल्या प्रत्येक REIT चा dividend history आणा आणि five-year growth नुसार क्रम लावा” हे एका prompt मधून करता येते.

FAQ

Claude कोणत्याही डेटा स्रोताशिवाय समभागांचे विश्लेषण करू शकते का?

सध्याच्या आकडेवारीसह नाही. तिचा प्रशिक्षण डेटा आजच्या दिवसापूर्वी संपतो. त्यामुळे सध्याच्या किमतींबद्दल ती सांगत असलेली कोणतीही माहिती जुन्या स्मरणावर आधारित असते. तिला live API दिल्यास, नुकत्याच मिळवलेल्या rows वर आधारित विश्लेषण केले जाते.

Strasmore demo API खरोखर विनामूल्य आहे का?

होय. key, signup किंवा card यापैकी कशाचीही आवश्यकता नाही. हा API delayed US equities आणि end-of-day options data वरील fixed queries चा catalog उपलब्ध करून देतो. तो AI agents साठी जाणीवपूर्वक open ठेवला आहे.

यासाठी मला VPS आवश्यक आहे का?

नाही. paste-in workflow साठी browser व्यतिरिक्त काहीही आवश्यक नाही. agent loop schedule वर चालवायचा असेल, disconnects नंतरही तो सुरू ठेवायचा असेल आणि मागील निकालांच्या local files ठेवायच्या असतील, तेव्हा VPS उपयुक्त ठरतो.

हा financial advice आहे का?

नाही. येथे दिलेली प्रत्येक गोष्ट analysis tooling आहे. Claude data चा सारांश देते आणि त्यांची तुलना करते. त्या माहितीचा वापर कसा करायचा हा तुमचा निर्णय आहे. तसेच delayed educational data वर trade execution आधारित असू नये.

एक screen एका chat मध्ये जोडून पाहा. फरक लगेच दिसेल: Claude ज्या आकड्यांची माहिती तिला असू शकत नाही त्याबद्दल आत्मविश्वासाने बोलणे थांबवते आणि ज्या आकड्यांची माहिती ती मिळवू शकते त्याबद्दल उपयुक्त ठरते.