stock-analysis-cn（股票分析中国）

Stock Analysis Skill

一键分析A股市场 · 自动生成投资报告

概述

这是一个全功能A股分析技能，提供技术面、估值、风险、基本面四大维度的自动化分析，并可直接生成专业的投资报告（Markdown/Word）。适合个人投资者、量化研究员、资产管理人等。

核心特点:

• ⚡ 一键分析: 单条命令完成多维度分析
• 📊 数据驱动: 基于腾讯财经API实时数据
• 📄 报告自动生成: Markdown → Word，格式美观
• 🎯 因子选股: 支持PE、ROE、动量等多因子筛选
• 🇨🇳 专为A股优化: 银行、券商、军工等行业专用估值基准

🎯 核心功能

1. 技术面分析

判断趋势、找出买卖点、计算技术指标。

输出指标:

• 趋势方向（上涨/下跌/震荡）
• 均线系统（MA20、MA60、MA250）
• 动量指标：RSI、MACD、KDJ
• 支撑位与阻力位
• 近期涨跌幅（5日、20日、60日）

使用场景:

• "分析农业银行601288的技术面"
• "招商银行600036的RSI是否超买？"
• "找出最近突破MA20的股票"

2. 估值分析

评估股票是否高估或低估，纵向看历史，横向看行业。

输出指标:

• PE/PB 当前值及历史分位数
• 5年PE/PB中位数
• 行业PE/PB中位数对比
• 估值评级：高估/正常/低估

行业基准库:

• 银行股专用（PE 5-8x，PB 0.6-1.0x）
• 券商股专用
• 军工股专用
• 新能源、光伏、锂电池等

使用场景:

• "宁波银行002142当前PE处于历史什么位置？"
• "对比招商银行和平安银行的估值水平"
• "找出PE<10且PB<1的银行股"

3. 风险分析

量化波动性、回撤和风险调整收益。

输出指标:

• 年化波动率
• 最大回撤（Max Drawdown）
• 夏普比率（Sharpe Ratio）
• 索提诺比率（Sortino Ratio）
• Beta（与沪深300相关性）

使用场景:

• "计算贵州茅台最近1年的波动率和最大回撤"
• "哪只银行股的夏普比率最高？"
• "创业板ETF的风险指标怎么样？"

4. 基本面分析

评估公司财务健康度、盈利能力、成长性。

输出指标:

• 盈利能力：ROE、ROA、毛利率、净利率
• 成长性：营收CAGR、净利润CAGR
• 偿债能力：资产负债率、流动比率、速动比率
• 运营效率：总资产周转率、存货周转率
• 现金流：经营性现金流/净利润

数据来源: 东方财富、同花顺等财经网站（需网络抓取）

使用场景:

• "分析宁德时代的基本面：ROE、负债率、现金流"
• "对比五粮液和贵州茅台的营收增速"
• "找出ROE>15%且负债率<50%的消费股"

5. ETF专项分析

针对交易所交易基金的专门功能。

额外指标:

• 跟踪误差（Tracking Error）
• 流动性：日均成交量、买卖价差
• 基金信息：管理费、托管费、成立日期、规模
• 成分股覆盖度
• 折溢价分析（QDII、港股ETF）

使用场景:

• "分析510300沪深300ETF的跟踪误差"
• "哪只科创50ETF规模最大、流动性最好？"
• "券商ETF（512880）的管理费和成交额是多少？"

6. 因子筛选与选股

多因子模型快速筛选投资标。

支持的因子:

• 价值因子：低PE、低PB、高股息率
• 成长因子：高营收增长、高利润增长
• 质量因子：高ROE、低负债、现金流好
• 动量因子：价格动量、 earnings momentum
• 低波动因子：低Beta、低波动率
• 规模因子：市值暴露

筛选流程:

1. 定义因子条件（如：PE<15, ROE>15%）
2. 选择股票池（A股、港股、ETF等）
3. 执行筛选并评分
4. 输出Top N标的+关键指标

使用场景:

• "筛选A股中PE<15且ROE>15%的股票"
• "找出最近一个月涨幅最大的10只行业ETF"
• "高股息低波动的红利ETF有哪些？"

📊 数据源与可靠性

⚠️ 局限性:

• 基本面数据为季度更新，非实时
• 部分新上市公司历史数据不足
• 如需实时Level-2数据，需要付费接口

🚀 快速开始

安装

# 从ClawHub安装
clawhub install stock-analysis

# 或手动安装
cp -r stock-analysis.skill ~/.openclaw/skills/

使用示例

单股综合分析:

from stock_analysis import analyze

# 分析农业银行
report = analyze('sh601288', name='农业银行')
print(report['summary'])

生成Word报告:

python scripts/report_generator.py sh601288 --name "农业银行" > report.md
pandoc report.md -o report.docx

筛选高股息低PE股票:

from stock_analysis.screening import screen

criteria = {
    'pe': {'max': 15},
    'dividend_yield': {'min': 0.03},
    'roe': {'min': 0.10}
}
results = screen(universe='A股', criteria=criteria)

📁 技能结构

stock-analysis/
├── SKILL.md                 # 本文件
├── scripts/
│   ├── technical_analysis.py   # 技术分析
│   ├── valuation_analysis.py   # 估值分析
│   ├── risk_analysis.py        # 风险分析
│   ├── fundamental_analysis.py # 基本面分析
│   ├── screening.py            # 因子筛选
│   ├── report_generator.py     # 报告生成
│   └── utils.py                # 腾讯财经API封装
├── references/
│   ├── indicators.md      # 技术指标说明
│   ├── factors.md         # 因子模型文档
│   ├── valuation_benchmarks.md  # 行业估值基准
│   └── api_usage.md       # API使用指南
└── assets/
    ├── templates/
    │   ├── analysis_report.md      # 分析报告模板
    │   └── screening_results.csv  # 筛选结果模板
    └── example_asset.txt

🎓 使用指南

何时使用？

• ✅ 研究一只股票是否值得买入
• ✅ 需要快速生成投资分析报告
• ✅ 批量筛选符合条件的股票
• ✅ 追踪持仓股的技术状态
• ✅ 对比不同股票的估值水平
• ✅ 评估投资组合的风险指标

何时不使用？

• ❌ 需要实时Level-2行情（本技能使用延迟数据）
• ❌ 复杂的DCF模型（本技能无完整财务预测）
• ❌ 宏观策略研究（本技能聚焦个股）
• ❌ 美股/港股深度分析（数据源以A股为主）

📈 典型工作流

1. 输入股票代码（如 sh601288 农业银行）
2. 多维度分析并行执行：

- 技术面：趋势、指标、支撑阻力 - 估值：PE/PB历史分位、行业对比 - 风险：波动率、最大回撤、夏普比率

1. 生成综合评分（0-10分）
2. 输出建议（买入/持有/卖出）
3. 导出报告（Markdown/Word）

整个过程约10-30秒，无需人工干预。

🔧 定制与扩展

添加自定义行业估值基准

编辑 references/valuation_benchmarks.md，添加你关注的行业PE/PB中位数。

集成新数据源

修改 scripts/utils.py，接入其他财经API（如 Akshare、Baostock）。

自定义报告模板

修改 assets/templates/analysis_report.md，调整输出格式和内容。

📚 术语表

🤝 贡献与反馈

• 报告Bug或提出建议：请提交Issue
• 贡献代码：欢迎PR，特别是新指标、新数据源
• 数据源扩展：如果你有可用的免费API，欢迎集成

📄 许可证

MIT License - 自由使用、修改、分发。

版本: 1.0.0 最后更新: 2026-03-18 作者: 养虾佬徐小明 (jy02577302) ClawHub: 搜索 stock-analysis 下载