A share analysis

Skill aAAaqwq/AGI-Super-Team/skills/a-share-analysis

14 AI executives powered by legendary minds (Musk/Buffett/Simons/Feynman) — deploy your virtual C-Suite in one git clone.From the repository description

Install

npx -y skills add aAAaqwq/AGI-Super-Team --skill a-share-analysis

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

SKILL.md

15.3 KB, ~6.3k tokens by cl100k_base, as published. Nobody here has run it

A股量化投资分析 Skill

定位: Agent可直接加载的A股投资分析技能 触发词: 分析A股 | 精选个股 | 今日主线 | 复盘 | 盘前情报 | A股日报 数据引擎: AKShare + 多源新闻API + Python 更新: 2026-06-30 — 新增 news.py / cron 自动化 / 实盘验证闭环

概述

此Skill实现了三层分析体系：

情报采集层 — 7路并发多源新闻采集，自动匹配板块和个股
盘面阅读层 — 美股映射 + 大盘多空判断 + 实时主线(>9%题材分析)
个股精选层 — 产业逻辑 + 形态8分类 + 盘口分析 + 题材排名 + 综合评分
原始新闻浏览 (news.py) — 分类展示影响股票的新闻，源信息不做任何修改

触发条件

当用户消息包含以下关键词时自动加载：

📈 完整分析 (reporter.py)

分析A股 A股分析 今日A股
精选个股 选股
今日主线 主线分析 热点题材
盘前 盘前情报 早报
复盘 A股复盘 今日复盘
龙虎榜 涨停 连板
a-share stock analysis

📰 原始新闻浏览 (news.py — 源信息不修改)

分类新闻 新闻分类 新闻浏览
原始新闻 原始信息 源信息
影响股票的信息 影响股票的热门信息
不修改源 不改源 原文 原文展示
news browser raw news

项目路径

~/.openclaw/workspace/projects/a-share/
├── SKILL.md                     # 本文件
├── config.json                  # 全局配置
├── config/
│   ├── sector_keywords.json    # 板块关键词映射
│   ├── us_mapping.json         # 美股→A股映射
│   └── finance_keywords.json   # 财经过滤词
├── plugins/
│   ├── base.py                 # NewsSourcePlugin 基类
│   ├── orz_hot.py             # S1: orz.ai热点API
│   ├── cls_flash.py           # S2: 财联社电报
│   ├── eastmoney_news.py      # S3: 东财要闻
│   ├── web_search_source.py   # S4: web_search关键词
│   ├── rss_source.py          # S5: RSS订阅
│   ├── wallstreetcn.py        # S6: 华尔街见闻
│   └── jiucaigongshe.py       # S7: 韭菜公社
├── plugins/
│   └── news_collector.py       # 模块一: 7源并发情报采集(+去重+匹配)
├── engines/
│   ├── module2_market.py       # 模块二: 大盘+主线+美股映射
│   └── module3_stocks.py       # 模块三: 个股精选+评分
├── orchestrator.py              # 总编排(三模块串联)
├── reporter.py                  # Markdown日报生成器
├── news.py                      # 原始新闻分类浏览器(源信息不修改)
├── daily_run.sh                 # 一键执行脚本
├── test_data_layer.py           # 数据层单元测试
├── test_news_plugins.py         # 新闻源单元测试
├── reports/                     # 输出报告(reports/YYYY-MM-DD.md)
└── reference-notes.md           # GitHub调研笔记(5仓库/564行)

环境检查与安装

使用此Skill前，先确认环境：

# 检查依赖
python3 -c "import akshare, pandas, numpy, aiohttp; print('OK')" 2>/dev/null || \
pip3 install akshare pandas numpy aiohttp feedparser openpyxl tabulate requests

如果 pip3 install 失败，先确保 pip 可用：python3 -m ensurepip --upgrade

v2.0 改进（2026-06-19）

新增模块

plugins/multi_source.py — 新浪/腾讯多源容灾引擎
plugins/validator.py — 数据校验层（时间/完整性/交叉验证）
plugins/anti_crawl.py — 东方财富反爬绕过
engines/indicators.py — 量化指标引擎（RSI/MACD/ATR/估值/52周分位）
engines/risk_manager.py — 风控引擎（止损/仓位/超买过滤）

评分系统升级

v1.0: 纯加分（0-100）→ 分数虚高
v2.0: 多空对称（-80 ~ +100）→ 利空扣分 + 超买排除

报告模板升级

事实层 vs 推测层分离
每只个股附带多头逻辑 + 空头逻辑（等量）
止损位/仓位/风险标记必填
免责声明置顶

Agent 执行协议

快速分析模式（用户说"分析A股"/"今日主线"）

Step 1: 确认环境 → ./venv/bin/python3 -c "import akshare; print('OK')"
Step 2: 运行盘面 → ./venv/bin/python3 engines/module2_market.py
Step 3: 运行选股 → ./venv/bin/python3 engines/module3_stocks.py  
Step 4: 按报告模板格式化输出

完整日报模式（用户说"A股日报"/"完整分析"）

Step 1: 运行总编排 → ./venv/bin/python3 reporter.py
  （内部：情报采集 → 盘面分析 → 个股精选 → 生成Markdown + JSON）
Step 2: 读取报告 → cat reports/$(date +%Y-%m-%d).md
Step 3: 按完整报告模板格式化输出

盘前快报模式（用户说"盘前情报"）

Step 1: 并发拉取新闻 → ./venv/bin/python3 -c "
from plugins.cls_flash import fetch_cls_telegraph
from plugins.orz_hot import fetch_douyin_hot
print(f'财联社: {len(fetch_cls_telegraph())}条')
print(f'orz热点: {len(fetch_douyin_hot())}条')
"
Step 2: 美股映射检查 → ./venv/bin/python3 engines/module2_market.py
Step 3: 输出情报汇总表格

一键执行

cd ~/.openclaw/workspace/projects/a-share && bash daily_run.sh
# 或
cd ~/.openclaw/workspace/projects/a-share && ./venv/bin/python3 reporter.py

---

## 模块一：情报处理

### 数据源优先级

| 编号 | 数据源 | 方式 | 刷新 | 场景 |
|------|--------|------|------|------|
| S1 | orz热点API | HTTP GET `orz.ai/api/v1/dailynews?platform=douyin` | 30min | 盘前/盘中 |
| S2 | 财联社API | HTTP GET `cls.cn/v1/roll/get_roll_list` | 实时 | 全时段 |
| S3 | 东财要闻 | AKShare `stock_info_global_em()` | 分钟 | 盘前 |
| S4 | web_search | OpenClaw内置 | 按需 | 深度研究 |
| S5 | RSS订阅 | 中国新闻网财经feed | 小时 | 盘前 |
| S6 | 华尔街见闻 | web_fetch wallstreetcn.com | 分钟 | 盘前 |
| S7 | 韭菜公社 | web_fetch jiucaigongshe.com | 按需 | 个股深研 |

### 新闻→板块匹配逻辑

新闻标题/正文 → 提取关键词 → 查 sector_keywords.json 映射表 → 匹配板块名 → AKShare查板块成分股 → 输出 EventSignal


**板块关键词映射示例** (维护在 `config/sector_keywords.json`):
```json
{
  "人工智能": ["AI", "大模型", "ChatGPT", "人工智能", "AGI", "智能体", "AIGC", "DeepSeek", "GPT"],
  "半导体": ["芯片", "光刻", "EDA", "先进封装", "HBM", "存储", "晶圆", "台积电", "英伟达", "GPU"],
  "新能源车": ["电动车", "新能源汽车", "特斯拉", "比亚迪", "固态电池", "4680", "锂电"],
  "机器人": ["人形机器人", "机器人", "具身智能", "Optimus", "Figure", "宇树"],
  "低空经济": ["低空经济", "eVTOL", "无人机", "飞行汽车", "空中交通"],
  "光伏": ["光伏", "硅片", "组件", "钙钛矿", "TopCon", "HJT", "BC电池"],
  "量子计算": ["量子计算", "量子通信", "量子芯片", "量子比特"],
  "核电": ["核电", "核聚变", "SMR", "小型模块化", "第四代核电"],
  "创新药": ["创新药", "GLP-1", "减肥药", "ADC", "细胞治疗", "基因编辑"],
  "数据要素": ["数据要素", "数据资产", "数据确权", "数据交易", "数据局"],
  "消费电子": ["消费电子", "MR", "VisionPro", "AR眼镜", "折叠屏"],
  "商业航天": ["卫星", "商业航天", "SpaceX", "星链", "G60", "千帆"],
  "数字货币": ["数字货币", "区块链", "比特币", "加密货币", "Web3", "DeFi"],
  "军工": ["军工", "国防", "导弹", "战斗机", "航母", "军贸"],
  "地产": ["地产", "房地产", "楼市", "房贷", "限购", "城中村"]
}

模块二：实时盘面

美股映射

美股标的	A股映射板块
SOX(费城半导体)	半导体、芯片、光刻机
ARKK(创新ETF)	AI、机器人、自动驾驶
XBI(生物科技)	创新药、CXO、医疗器械
TAN(太阳能)	光伏、储能
LIT(锂电池)	锂电池、新能源车
URA(铀矿)	核电
NVDA涨跌	AI算力、CPO、服务器
TSLA涨跌	新能源车、汽车零部件、机器人

大盘指标计算

# 涨跌家数比
ratio = up_count / down_count

# 风格判断
if ratio > 3:       style = "强势多头"
elif ratio > 1.5:   style = "偏多震荡"  
elif ratio > 0.67:  style = "震荡平衡"
elif ratio > 0.33:  style = "偏空震荡"
else:               style = "空头市场"

主线判断标准

>9%涨幅个股数 >= 15只 且集中在1-2个题材 → 🔥 强主线
>9%涨幅个股数 8-14只 → ⭐ 中等主线
>9%涨幅个股数 < 8只 → 题材轮动/无主线
涨停数 >= 80 → 情绪高涨（适合接力）
涨停数 < 30 → 情绪冰点（适合首板/低吸）

模块三：异动个股分析

8形态检测规则

形态	检测条件
突破平台	今日最高 > 30日最高价 AND 量 > 20日均量×1.5
趋势新高	收盘价 = 历史最高收盘价
新高附近	(历史最高 - 现价) / 历史最高 < 5%
N连板	连续N日涨停(N≥2)
老龙二波	历史3连板+回调>15%+再次涨停
分歧转一致	开盘跌>3%最终涨停
反包板	T日涨停→T+1上影→T+2涨停
放量首板	20日涨幅<15%+涨停+量>5日均量×3

盘口力度

外盘/内盘 > 1.5 → 💪 强
外盘/内盘 1.0-1.5 → 😐 中
外盘/内盘 < 1.0 → 👎 弱

产业逻辑评级

✅ 逻辑正: 主营占比>30%与概念直接相关
⚠️ 部分相关: 有相关业务但占比<30%
❌ 蹭概念: 无实质业务，仅有概念标签

综合评分(满分100)

维度	满分	规则
题材强度	30	命中前10板块数×8, 上限30
形态	25	趋势新高25/突破平台22/放量首板20/分歧转一致18/连板16/反包15/新高附近12/二波10
盘口	20	龙虎榜净买10分 + 内外盘比10分
逻辑	15	逻辑正15/部分相关8/蹭概念0
事件	10	有新闻事件匹配+10

报告输出模板

精简版（"分析A股"/"今日主线"）

# 🐉 A股速览 | YYYY-MM-DD

## 📊 大盘
涨跌比 X:Y | 成交 XXXX亿 | 涨停X 跌停Y | 风格: XX

## 🔥 主线TOP3
1. **题材A** (X只>9%) — 驱动: X事件
2. **题材B** (X只>9%) — 驱动: Y事件

## 🎯 精选
### XXXX (code) ⭐92分
事件→逻辑→形态→盘口→题材命中

完整版（"A股日报"/"完整分析"）

# 🐉 天枢A股精选 | YYYY-MM-DD (周X)

## 📡 情报汇总 (XX条有效)
| 时间 | 来源 | 事件 | 板块影响 | 强度 |
|------|------|------|---------|------|

## 🌐 美股映射
| 美股板块 | 涨跌 | A股映射 | 信号 |
|---------|------|---------|------|

## 📊 大盘环境
| 指标 | 数值 | 判断 |
|------|------|------|
| 涨跌比 | X:Y | XX |
| 成交额 | XXXX亿 | 放量/缩量 |
| 涨停/跌停 | X/Y | — |
| 市场风格 | XX | — |

## 🔥 今日主线(>9%题材分布)
| 排名 | 题材 | 涨停数 | 驱动事件 | 持续性 |
|------|------|--------|---------|--------|

## 🎯 精选个股
### 1. XXXX ⭐92分
| 维度 | 详情 |
|------|------|
| 事件 | X |
| 逻辑 | X |
| 形态 | X |
| 盘口 | 龙虎榜X万, 外内比X |
| 题材 | 命中X个前10板块 |

## ⚠️ 风险提示

一键执行脚本

#!/bin/bash
# daily_run.sh
cd ~/.openclaw/workspace/projects/a-share

echo "=== 🐉 天枢A股分析 $(date '+%Y-%m-%d') ==="

echo "[1/4] 情报采集..."
python3 -c "
from plugins.orz_hot import fetch_douyin_hot
from plugins.cls_flash import fetch_cls_telegraph
items = fetch_douyin_hot() + fetch_cls_telegraph()
print(f'采集到 {len(items)} 条情报')
"

echo "[2/4] 大盘+主线..."
python3 engines/module2_market.py

echo "[3/4] 个股精选..."
python3 engines/module3_stocks.py

echo "[4/4] 生成报告..."
python3 orchestrator.py

echo "✅ 完成！报告: reports/$(date +%Y-%m-%d).md"

数据源API速查（AKShare核心函数）

函数	说明
`ak.stock_zh_a_spot_em()`	全A实时行情
`ak.stock_zt_pool_em(date)`	涨停池
`ak.stock_zt_pool_dtgc_em(date)`	跌停池
`ak.stock_board_industry_name_em()`	行业板块排名
`ak.stock_board_concept_name_em()`	概念板块排名
`ak.stock_board_concept_cons_em(symbol)`	板块成分股
`ak.stock_lhb_detail_em(date)`	龙虎榜明细
`ak.stock_zh_a_hist(symbol, period, start, end)`	历史K线
`ak.stock_individual_info_em(symbol)`	个股F10信息
`ak.stock_individual_fund_flow(stock, market)`	个股资金流向
`ak.stock_hsgt_north_net_flow_in_em()`	北向资金
`ak.index_global_spot_em()`	全球指数

外部API速查

API	URL	说明
orz热点	`https://orz.ai/api/v1/dailynews?platform=douyin`	抖音热榜
orz热点	`https://orz.ai/api/v1/dailynews?platform=jinritoutiao`	头条热榜
orz热点	`https://orz.ai/api/v1/dailynews?platform=weibo`	微博热搜
财联社	`https://www.cls.cn/v1/roll/get_roll_list?app=CailianpressWeb&os=web&rn=50`	实时电报

参考项目

项目	借鉴点
`AigcExpert/daily_stock_analysis` (685 commits)	LLM分析架构、报告格式、多数据源模式
`tel9980/ai_news`	DeepSeek新闻→板块影响评分
`orz-ai/hot_news`	多平台热榜API
`frosenwind/capitalfarmer`	东方财富API Python封装
`pigfamily/Ashare`	新浪+腾讯备用行情源

扩展指南

新增数据源步骤：

继承 NewsSourcePlugin 基类
实现 fetch() 方法，返回 List[NewsItem]
在 config.json 的 news_sources 中添加
无需修改其他代码

新增分析模块步骤：

在 engines/ 下创建新文件
暴露 analyze() 函数
在 orchestrator.py 中注册

Cron 自动化时间表（交易日）

时间	任务	说明
08:30	开盘前选股	全景板块扫描 + 候选股筛选
09:00	竞价狙击	抓盘前新闻 → 预判主线 → 生成 Excel 观察池
09:30-15:00	盘中同步 (每60秒)	静默刷新 Excel 实时行情
15:10	盘后复盘	量化涨停预测准确率 + 更新统计
15:30	预测验证	backtester 验证当日预测 + 推送 GitHub
15:30	收盘简报	涨停分析 + 明日候选 + 仓位建议

周末/节假日自动跳过。

实盘验证基线

累计预测: 75+ 次
胜率基线: 36-39%（涨停预测是高难度任务，>35%即有效）
数据源: Tencent K线（比 akshare 更稳定）
验证工具: backtester.py verify-all + tracker.py stats --days 20

GitHub CI/CD

仓库: aAAaqwq/a-share-quant-agent（MIT, public）
GitHub Actions: daily.yml（每日自动验证）+ weekly-stats.yml（周统计）
新闻验证: 06/24 实盘命中光刻机4股100%（永新光学+10%, 茂莱光学+13.73%, 珂玛科技+14.15%, 芯碁微装+11.02%）

关键架构决策

两项目架构: projects/a-share/（轻量: news.py, reporter.py）vs scripts/a-share/（重量: signal_engine + 4 fetcher）
原始新闻零修改原则: news.py 只做关键词分类 + 去重，不改写源文本
--snapshot 持久化: 解决 wallstreetcn 滚动窗口导致历史数据消失问题

What ships with it

Read from the repository

Just SKILL.md. No reference files, no scripts.

Gives 0 of the 12 instructions most research analysis skills give in ~6.3k tokens

Counted across 1,213 of the 2,113 authors here whose files we hold, read 2026-09-06

Cite sources for every important claimin 47 of 1213, across 38 files
Separate facts from inferences and recommendationsin 21 of 1213, across 12 files
Write findings to a markdown filein 19 of 1213
Label every insight with a confidence levelin 18 of 1213, across 8 files
Read product marketing context before asking questionsin 18 of 1213, across 8 files
Rank themes by frequency and intensityin 16 of 1213, across 6 files
Establish research mode before proceedingin 16 of 1213, across 6 files
Segment survey responses by customer tier or tenurein 16 of 1213, across 6 files
Categorize support tickets before analyzingin 16 of 1213, across 6 files
Weight research sources from the last twelve monthsin 16 of 1213, across 6 files
Use at least five data points per segmentin 15 of 1213, across 5 files
Extract verbatim quotes for all research findingsin 15 of 1213, across 5 files

Said here and by no other author read

confirm environment dependencies before execution
run market analysis module
run stock selection module
separate fact layer from speculation layer in reports
include long and short logic for each stock
include stop loss and position risk markers

Grouped from the skills themselves: near-identical wordings counted once, and counted by distinct author, so one author publishing three of these counts once. Length counted with cl100k_base; the agent that loads this file may tokenize it differently.