Claude para sa Finance Analysis Guide

Mahusay ang Claude sa pagbabasa ng financial data at pagpapaliwanag ng kahulugan nito. Ngunit mahina ito sa pag-alam ng mga numero ngayong araw dahil ang training data ng isang language model ay natatapos ilang buwan bago ka magtanong. Simple lang ang solusyon: bigyan ang Claude ng live market data mula sa isang API, at hayaan itong gawin ang bagay na mahusay talaga sa kanya: ang analysis, comparison, at plain-English explanation.

Ipinapakita ng guide na ito kung paano gawin iyon gamit ang isang libreng market data API, tatlong paraan para i-connect ang Claude dito, at mga working prompts na pwede mong i-copy. Full disclosure: ang API ay pagmamay-ari ng Strasmore, na binuo ng aming team. Hindi nito kailangan ng account, kaya masusubukan mo ang lahat sa guide na ito sa loob ng limang minuto.

Why Claude needs a data source

Kapag tinanong mo ang Claude na "what is Microsoft's dividend yield right now" nang walang nakakabit na tools, makakakuha ka ng isa sa dalawang failure modes. Maaaring tumanggi ito, o kaya ay sasagot ito gamit ang training data na ilang buwan na ang lumipas. Nangyayari ang parehong ito dahil walang access ang model sa current prices. Hindi ito makakapag-lookup nang mag-isa.

Kapag nag-attach ka ng data source, magbabago ang sitwasyon. Kayang magbasa ng Claude ng JSON nang fluent, kaya nitong panatilihin ang dose-dosenang rows sa context nang hindi nawawala ang focus, at masaya nitong ikukumpara, i-rank, at i-summarize ang ipinapakita ng data. Ang kalidad ng sagot ay nakadepende na ngayon sa kalidad ng data na ibibigay mo.

A free market data API with no key

Ang demo API ng Strasmore ay nagbibigay ng catalog ng mga fixed queries para sa US stocks at options data bilang plain JSON. Walang signup, walang API key, at walang rate-limit dance. Ang buong endpoint reference ay nasa the API documentation post; ang short version:

# 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"

Kasama sa bawat response ang mga rows, ang mga column names, at ang eksaktong SQL na gumawa sa mga numero. Mahalaga ang huling bahagi para sa AI work: pwede mong ipakita sa Claude ang SQL kasama ang data, at ipaliliwanag nito sa iyo ang query pati na ang result.

Ang mga presyo ay delayed at ang options greeks ay end-of-day values. Para sa learning, screening, at analysis workflows, ito ang eksaktong kailangan mo. Hindi ito trading feed, at ang guide na ito ay tungkol sa analysis, hindi sa trade execution.

Way 1: paste the JSON into a chat

Ang zero-setup version. Mag-run ng isang curl, i-copy ang JSON, at i-paste ito sa isang Claude chat kasama ang malinaw na instruction. Gumagana ito sa claude.ai web app, sa desktop app, o sa anumang chat interface.

Isang prompt shape na mahusay gumana:

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?

Ang ikatlong tanong ang pinakamahalaga. Pinipilit nito ang Claude na pangalanan ang mga limitasyon ng data sa halip na mag-overreach, at ang mga suggestion nito ("check the payout history", "compare against the sector") ay madalas na mas magandang next query kaysa sa anumang itatype mo nang walang basehan.

Way 2: let Claude Code fetch the data itself

Kung gagamit ka ng Claude Code, pwede mong i-skip ang copy-paste dahil kayang mag-run ng Claude Code ng curl nang mag-isa. Magtanong sa kanya at sabihin kung nasaan ang data:

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?

Babasahin ng Claude Code ang catalog, pipili ng dividend_yield_leaders, i-fe-fetch ito, at gagana gamit ang mga real rows. Dahil ang agent loop ay tumatakbo sa iyong machine, magagamit din ito kasama ang iba pang bagay dito: pwede nitong i-save ang mga results sa files, i-chart gamit ang isang Python script, o i-diff ang screen ngayon laban sa screen na na-save nito noong nakaraang linggo. Isang cost na dapat bantayan: ang bawat JSON payload na i-fe-fetch ng agent ay mananatili sa conversation at muling ipapadala sa susunod na turn, kaya why a long Claude Code session gets expensive.

Ang isang always-on Linux server ang natural na tahanan para sa workflow na ito. Ang isang daily "fetch the screens, compare with yesterday, write me a summary" loop ay nangangailangan ng machine na hindi natutulog, at mayroon kaming buong guide para sa running Claude Code on a VPS with tmux para manatiling buhay ang mga session kahit magkaroon ng SSH disconnects. Kung susundin mo ang paraan na iyon, basahin muna ang our guide to running AI agents safely on a VPS; ang isang agent na may shell access ay nangangailangan ng totoong guardrails.

Way 3: the Claude API with a fetch tool

Para sa software na iyong binubuo, ibigay ang API sa Claude bilang isang tool. Gamit ang Anthropic's Python SDK, ang buong wiring ay isang tool definition at isang fetch function:

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.

Tatawagin ng Claude ang tool kapag kailangan ng tanong ng data, i-eexecute mo ang fetch at ibabalik ang JSON, at sasagot ito mula sa real rows sa halip na sa memory. Ang parehong pattern ay gumagana sa Model Context Protocol kung mas gusto mo ang isang reusable server kaysa sa isang inline tool; sakop ng aming MCP servers on a VPS guide ang pag-host sa mga iyon.

Prompts that get good analysis

Ilang patterns na consistent na nagpapabuti sa output, kahit anong paraan ng pag-connect:

• Sabihan ang Claude na mag-cite ng mga rows. "For every claim, name the ticker and the number it comes from." Pinapatay nito ang mga malabong summary.
• Itanong ang mga bagay na hindi kayang ipakita ng data. Ang delayed prices, end-of-day greeks, at isang fixed screen ay may mga limitasyon; malinaw itong sasabihin ng Claude kapag tinanong, at pinapanatili nito ang pagiging tapat ng analysis.
• Gawin itong comparison, hindi prediction. Ang "Which of these yields look sustainable based on the payout ratios shown" ay nagbibigay ng grounded na sagot. Ang "Which stock will go up" ay nagbibigay ng isang well-written guess, dahil ang prediction ay hindi bagay na kayang suportahan ng data.
• Panatilihin ang SQL sa context. Ang sql field ay nagsasabi sa Claude kung paano eksaktong binuo ang isang screen, kaya maipaliliwanag nito kung bakit kulang ang isang pangalan (isang market-cap floor, isang yield ceiling) sa halip na mag-imbento ng dahilan.

When the fixed queries stop being enough

Ang mga screen sa demo ay sadyang fixed. Ang susunod na level ay ang paid API ng Strasmore: ang parehong warehouse, 22 years ng US equities at 12 years ng options history, at ang iyong sariling mga tanong sa SQL o plain English gamit ang isang programmatic key. Ang workflow ay mananatiling identical; ang iyong tool ay mag-fe-fetch mula sa isang authenticated endpoint sa halip na sa open one, at ang mga tanong ay ikaw na ang magdedefine. Mahusay ang Claude sa pagsulat ng ClickHouse SQL laban sa isang documented schema, na nagpapabago sa "pull the dividend history of every REIT above $10B and rank by five-year growth" tungo sa isang one-prompt job.

FAQ

Can Claude analyze stocks without any data source?

Hindi sa kasalukuyang mga numero. Ang training data nito ay natatapos bago ang araw na ito, kaya ang anumang sasabihin nito tungkol sa current prices ay mula sa stale memory. Bigyan ito ng live API at ang analysis ay magiging grounded sa mga rows na kakakuha lang nito.

Is the Strasmore demo API really free?

Oo. Walang key, walang signup, walang card. Nagbibigay ito ng catalog ng mga fixed queries para sa delayed US equities at end-of-day options data, at sadyang bukas ito para sa mga AI agents.

Do I need a VPS for this?

Hindi. Ang paste-in workflow ay walang kailangan kundi isang browser. Magiging sulit ang VPS kapag gusto mong patakbuhin ang agent loop sa isang schedule, manatiling buhay kahit may disconnects, at magtabi ng local files ng mga nakaraang results.

Is this financial advice?

Hindi. Ang lahat dito ay analysis tooling. Ang Claude ay nagsu-summarize at nagkukumpara ng data; kung ano ang gagawin mo sa mga iyon ay desisyon mo, at ang delayed educational data ay hindi basehan para sa trade execution.

I-wire ang isang screen sa isang chat at makikita mo agad ang pagkakaiba: hihinto ang Claude sa pagiging confident tungkol sa mga numerong hindi nito alam, at magiging kapaki-pakinabang sa mga numerong kaya nitong malaman.