Claudeతో స్టాక్స్, ఆప్షన్ల విశ్లేషణకు ప్రాక్టికల్ గైడ్

Claude ఆర్థిక డేటాను చదివి, దాని అర్థాన్ని వివరించడంలో చాలా మంచిది. అయితే నేటి సంఖ్యలను తెలుసుకోవడంలో అది బలహీనంగా ఉంటుంది, ఎందుకంటే భాషా మోడల్ శిక్షణ డేటా మీరు ప్రశ్న అడిగే సమయానికి కొన్ని నెలల ముందే ముగిసిపోయి ఉంటుంది. పరిష్కారం సులభం: API నుంచి ప్రస్తుత మార్కెట్ డేటాను Claude కు ఇవ్వండి. తరువాత అది నిజంగా బాగా చేయగల విశ్లేషణ, పోలిక, మరియు సులభమైన ఆంగ్ల వివరణ పనులను దానితో చేయించండి.

ఉచిత మార్కెట్ డేటా API, Claude కు దాన్ని అనుసంధానించే మూడు మార్గాలు, మరియు మీరు నేరుగా copy చేయగల పనిచేసే prompts తో ఇది ఎలా చేయాలో ఈ గైడ్ చూపిస్తుంది. పూర్తి సమాచారం: ఈ API Strasmore కు చెందినది. Strasmore ను మా బృందమే నిర్మించింది. దీనికి account అవసరం లేదు. కాబట్టి ఈ గైడ్‌లోని ప్రతిదాన్ని వచ్చే ఐదు నిమిషాల్లో ప్రయత్నించవచ్చు.

Claude కు డేటా మూలం ఎందుకు అవసరం

Tools జత చేయకుండా Claude ను “ప్రస్తుతం Microsoft dividend yield ఎంత ఉంది?” అని అడిగితే, రెండు వైఫల్యాల్లో ఒకటి ఎదురవుతుంది. అది సమాధానం ఇవ్వడానికి నిరాకరించవచ్చు. లేదా నెలల క్రితం నాటి training data ఆధారంగా సమాధానం ఇవ్వవచ్చు. ఈ రెండూ జరుగడానికి కారణం, model కు ప్రస్తుత ధరలకు ప్రాప్యత లేకపోవడమే. అది స్వయంగా ఏ సమాచారాన్నీ వెతకలదు.

డేటా మూలాన్ని జత చేస్తే పరిస్థితి పూర్తిగా మారుతుంది. Claude JSON ను సులభంగా చదువుతుంది. సందర్భాన్ని కోల్పోకుండా డజన్ల కొద్దీ వరుసలను context లో ఉంచుతుంది. డేటా వాస్తవంగా ఏమి చూపిస్తుందో పోల్చి, క్రమబద్ధీకరించి, సంక్షిప్తంగా వివరించగలదు. ఇప్పుడు సమాధానం నాణ్యత, మీరు అందించే డేటా నాణ్యతపై ఆధారపడి ఉంటుంది.

కీ అవసరం లేని ఉచిత మార్కెట్ డేటా API

Strasmore యొక్క demo API, US stocks మరియు options డేటాపై ముందుగా నిర్ణయించిన queries జాబితాను plain JSON రూపంలో అందిస్తుంది. Signup లేదు, API key లేదు, rate limit గురించి ప్రత్యేక నిర్వహణ అవసరం లేదు. పూర్తి endpoint reference API documentation post లో ఉంది. సంక్షిప్తంగా:

# 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"

ప్రతి response లో rows, column names, మరియు ఆ సంఖ్యలను రూపొందించిన ఖచ్చితమైన SQL ఉంటాయి. AI పనిలో చివరి అంశం ముఖ్యమైనది: డేటాతో పాటు SQL ను కూడా Claude కు చూపించవచ్చు. అప్పుడు అది query ను, అలాగే result ను కూడా మీకు వివరిస్తుంది.

డేటా live కాదు. Equity prices ఆలస్యంగా వస్తాయి. Options greeks మరియు implied volatility end-of-day విలువలు. ప్రతి query result గరిష్ఠంగా ప్రతి పది నిమిషాలకు ఒకసారి refresh అవుతుంది. అందువల్ల అంతకంటే వేగంగా polling చేసినా అదే rows తిరిగి వస్తాయి. Learning, screening, మరియు analysis workflows కు ఇది మీకు అవసరమైనదే. ఇది trading feed కాదు. ఈ గైడ్ trade execution గురించి కాదు; analysis గురించి.

విధానం 1: JSON ను chat లో paste చేయండి

ఇది ఎలాంటి setup అవసరం లేని విధానం. ఒక curl కమాండ్‌ను అమలు చేసి, JSON ను copy చేసి, స్పష్టమైన సూచనతో Claude chat లో paste చేయండి. ఇది claude.ai web app, desktop app లేదా ఏదైనా chat interface లో పనిచేస్తుంది.

బాగా పనిచేసే prompt నిర్మాణం:

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?

మూడవ ప్రశ్న ముఖ్యమైనది. ఇది డేటా పరిమితులను దాటి ఊహాగానాలు చేయకుండా Claude వాటిని స్పష్టంగా పేర్కొనేలా చేస్తుంది. దాని సూచనలు ("payout history ను పరిశీలించండి", "sector తో పోల్చండి") మీరు ముందుగా ఆలోచించకుండా టైప్ చేసే ప్రశ్నకన్నా తరచుగా మెరుగైన తదుపరి query ను రూపొందించడంలో సహాయపడతాయి.

విధానం 2: డేటాను Claude Code స్వయంగా పొందేలా చేయండి

మీరు Claude Code ఉపయోగిస్తే, copy-paste పూర్తిగా దాటవేయవచ్చు. Claude Code స్వయంగా curl నడపగలదు. దానికి ఒక ప్రశ్న అడిగి, డేటా ఎక్కడ ఉందో చెప్పండి:

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 ను చదివి, dividend_yield_leaders ను ఎంచుకుని, దాన్ని పొందుతుంది. తరువాత నిజమైన rows ఆధారంగా పని చేస్తుంది. Agent loop మీ machine పై నడుస్తుంది కాబట్టి, ఇది అక్కడ ఉన్న ఇతర సాధనాలతో కూడా కలిసి పనిచేస్తుంది. ఉదాహరణకు, ఇది ఫలితాలను files లో సేవ్ చేయవచ్చు, Python script తో chart లను రూపొందించవచ్చు లేదా ఈ రోజు screen ను గత వారం సేవ్ చేసిన screen తో diff చేయవచ్చు. గమనించాల్సిన ఒక ఖర్చు ఉంది: agent పొందే ప్రతి JSON payload conversation లోనే ఉంటుంది. తదుపరి turn లో అది మళ్లీ పంపబడుతుంది. అందుకే దీర్ఘమైన Claude Code session ఖరీదైనదిగా మారుతుంది.

ఎల్లప్పుడూ నడుస్తున్న Linux server ఈ workflow కు సహజమైన స్థలం. ప్రతి రోజు "screens ను పొందండి, నిన్నటితో పోల్చండి, నాకు summary రాయండి" అనే loop కు ఎప్పుడూ sleep చేయని machine అవసరం. SSH disconnect అయినా sessions కొనసాగేందుకు tmux తో VPS పై Claude Code నడపడం గురించి మా పూర్తి guide అందుబాటులో ఉంది. ఆ విధానాన్ని ఎంచుకుంటే, ముందుగా VPS పై AI agents ను సురక్షితంగా నడపడం గురించి మా guide చదవండి. Shell access ఉన్న agent కు నిజమైన guardrails అవసరం.

మార్గం 3: fetch tool తో Claude API

మీరు నిర్మిస్తున్న software కోసం Claude కు API ను tool గా ఇవ్వండి. Anthropic యొక్క Python SDK తో మొత్తం అనుసంధానానికి ఒక tool definition మరియు ఒక fetch function చాలు:

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.

ఒక ప్రశ్నకు డేటా అవసరమైనప్పుడు Claude tool ను call చేస్తుంది. మీరు fetch ను execute చేసి JSON ను తిరిగి అందిస్తారు. అప్పుడు అది memory ఆధారంగా కాకుండా నిజంగా fetch చేసిన rows ఆధారంగా సమాధానం ఇస్తుంది. Client మీ key ను environment నుంచి తీసుకుంటుంది. కాబట్టి ఈ code server పై లేదా cloud provider వెనుక నడిచే అవకాశం ఉంటే, ఏదైనా hardcode చేయడానికి ముందు అక్కడ client ను authenticate చేయడం ఎలా అనేది తెలుసుకోండి. Chat subscription పై ఆధారపడకుండా token కు చెల్లింపు చేసే ఏకైక మార్గం ఇదే. అందువల్ల దీన్ని పెద్ద స్థాయిలో అమలు చేయడానికి ముందు Claude API కి free tier ఉందో లేదో మరియు ప్రారంభ credit తరువాత మీరు ఎంత చెల్లించాలో పరిశీలించండి. Inline tool కు బదులుగా తిరిగి ఉపయోగించగల server కావాలనుకుంటే ఇదే విధానం Model Context Protocol తో కూడా పనిచేస్తుంది. వాటిని host చేయడం గురించి మా VPS పై MCP servers గైడ్‌లో ఉంది.

మంచి విశ్లేషణను పొందే prompts

మీరు ఏ విధంగా connect చేసినా, కింది కొన్ని నమూనాలు output ను స్థిరంగా మెరుగుపరుస్తాయి:

• Claude ను rows cite చేయమని చెప్పండి. "ప్రతి claim కోసం ticker మరియు దానికి ఆధారమైన number ను పేర్కొను." దీనివల్ల అస్పష్టమైన summaries తగ్గుతాయి.
• Data ఏమి చూపలేదో అడగండి. Delayed prices, end-of-day greeks, fixed screen కు పరిమితులు ఉంటాయి; అడిగినప్పుడు Claude వాటిని స్పష్టంగా పేర్కొంటుంది. దీనివల్ల analysis వాస్తవాలకు అనుగుణంగా ఉంటుంది.
• Predict చేయమని కాకుండా compare చేయమని అడగండి. "చూపిన payout ratios ఆధారంగా, వీటిలో ఏ yields sustainable గా కనిపిస్తున్నాయి?" అనే ప్రశ్నకు ఆధారాలతో కూడిన సమాధానం వస్తుంది. "ఏ stock పెరుగుతుంది?" అనే ప్రశ్నకు data మద్దతు ఇవ్వని prediction మాత్రమే లభిస్తుంది.
• SQL ను context లో ఉంచండి. sql field ఒక screen ఎలా నిర్మించబడిందో Claude కు ఖచ్చితంగా తెలియజేస్తుంది. అందువల్ల ఏదైనా name ఎందుకు కనిపించడంలేదో, ఉదాహరణకు market-cap floor లేదా yield ceiling కారణమా అని, కల్పిత కారణం చెప్పకుండా వివరించగలదు.

స్థిరమైన queryలు ఇక సరిపోనప్పుడు

Demoలోని screens ఉద్దేశపూర్వకంగా స్థిరంగా ఉంటాయి. కానీ మీ స్వంత ప్రశ్నలు అడగడానికి చెల్లింపు అవసరం లేదు. అదే demo మీ స్వంత read-only SQLను key లేకుండానే అమలు చేస్తుంది. దాన్ని https://ai.strasmore.com/api/demo/sql?sql= కు పంపండి. Responseలో పేర్కొన్న పరిమితులు 500 rows, 20 seconds మరియు గత ఒక సంవత్సరం history. Card అవసరం లేని free account ద్వారా Strasmore terminalలో రోజుకు 100 queries పంపవచ్చు. ఇవి SQLలో లేదా plain Englishలో రాయవచ్చు. Query అమలుకు ముందు terminal రూపొందించిన SQLను చూపిస్తుంది.

Programmatic key కోసం కూడా paid plan అవసరం లేదు. Free key row limitను పెంచుతుంది. Paid plans అదనపు history, tick-level trades మరియు CSV exportను అందిస్తాయి. Warehouseలో US equitiesకు సంబంధించిన 22 years మరియు options historyకి సంబంధించిన 12 years డేటా ఉంది. అయితే మీరు చదవగలిగే డేటా పరిమాణం planపై ఆధారపడి ఉంటుంది. October 2026 నాటికి, Free ఒక సంవత్సరం డేటాను చదువుతుంది (1 January 2025 వరకు), Developer ($79/mo) మూడు సంవత్సరాల డేటాను చదువుతుంది (1 January 2023 వరకు), Pro ($249/mo) మరియు Enterprise పూర్తి historyను చదువుతాయి. Keyతో ఉపయోగించే API SQLను స్వీకరిస్తుంది. Plain-English questions terminal feature మాత్రమే; అవి API feature కాదు. Workflow మాత్రం మారదు. మీ tool open endpoint బదులుగా authenticated endpoint నుంచి dataను fetch చేస్తుంది. Questionsను మీరు స్వయంగా నిర్వచిస్తారు. Documented schemaపై ClickHouse SQL రాయడంలో Claude నిజంగా సమర్థంగా ఉంటుంది. అందువల్ల “$10B కంటే ఎక్కువ విలువ కలిగిన ప్రతి REIT dividend historyను తీసుకుని, five-year growth ఆధారంగా rank చేయి” అనే పనిని Pro లేదా Enterpriseలో ఒక promptతో చేయవచ్చు. ఎందుకంటే three-year windowలో five years growthను కలుపుకోలేరు.

FAQ

ఎటువంటి data source లేకుండా Claude stocks ను analyze చేయగలదా?

ప్రస్తుత సంఖ్యలతో చేయలేడు. దాని training data ఈ రోజుకు ముందే ముగిసిపోయింది. అందువల్ల current prices గురించి అది చెప్పేది stale memory ఆధారంగా ఉంటుంది. దానికి market data API ఇవ్వండి. అప్పుడు అది ఇప్పుడే fetch చేసిన rows ఆధారంగా analysis చేస్తుంది.

Strasmore demo API నిజంగా ఉచితమేనా?

అవును. Key లేదు, signup లేదు, card లేదు. ఇది delayed US equities మరియు end-of-day options data పై fixed queries జాబితాను అందిస్తుంది. అదనంగా 500 rows మరియు ఒక సంవత్సరం history పరిమితులతో keyless SQL endpoint కూడా ఉంది. AI agents కోసం ఇది ఉద్దేశపూర్వకంగా open గా ఉంచబడింది.

దీనికి VPS అవసరమా?

అవసరం లేదు. Paste-in workflow కు browser తప్ప మరేమీ అవసరం లేదు. Agent loop ను schedule ప్రకారం నడపాలనుకున్నప్పుడు, disconnects తరువాత కూడా అది కొనసాగాలనుకున్నప్పుడు, మరియు గత results యొక్క local files ను ఉంచాలనుకున్నప్పుడు VPS ఉపయోగకరంగా మారుతుంది.

ఇది financial advice కాదా?

కాదు. ఇక్కడ ఉన్నది మొత్తం analysis tooling మాత్రమే. Claude data ను summarize చేసి compare చేస్తుంది. దానితో మీరు ఏమి చేయాలనేది మీ నిర్ణయం. Delayed educational data trade execution కు ఆధారం కాదు.

ఒక screen ను ఒక chat కు అనుసంధానించి చూడండి. తేడా వెంటనే తెలుస్తుంది: Claude తనకు తెలియని సంఖ్యల గురించి నమ్మకంగా మాట్లాడడం ఆపి, తనకు తెలిసేలా fetch చేయగల సంఖ్యల విషయంలో ఉపయోగకరంగా మారుతుంది.