# Stock Screener

> 使用确定性规则筛选 A 股候选标的。用户要求选股、推荐标的、寻找短线或中线机会、热点和游资方向时使用。通过 OpenAlphaStack MCP 筛选并复核候选，最多输出五只，不直接发布交易计划。

- Skill: `44-99/stock-screener` (Agent Skill, multi-file: 5 files)
- Install (CLI): `npx skillmds@latest add 44-99/stock-screener`
- Raw SKILL.md: https://api.skillmd.com/api/skills/44-99/stock-screener/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: 44-99 (https://skillmd.com/u/44-99)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/44-99/stock-screener

---


# 选股筛选

筛选负责缩小研究范围，不负责证明未来收益。

## 工作流

1. 根据用户目标选择策略：
   - 短线或未指定：读取 `references/short-term.md`，使用 `breakout`。
   - 中线：读取 `references/mid-term.md`，使用 `value`。
   - 热点或游资：读取 `references/hot-money.md`，使用 `hot_money`。
2. 调用 `screen_candidates`，传入策略和合理的 `top_n`。
3. 对排名前 3–5 的候选并行调用 `stock_quote`、`stock_technical` 和 `stock_news`。
4. 需要估值确认时调用 `stock_fundamentals`。
5. 排除行情失效、代码异常、重大利空或技术结构已破坏的候选。
6. 输出代码、名称、筛选依据、复核证据、风险和数据时间；结果不足时不要补齐数量。

如需进一步分析某只股票，由当前 Agent 继续使用 `$stock-analyzer`，不要默认创建子 Agent。如需形成自动模拟盘计划，由编排任务读取目标 paper run，并在组合全部 Skill 结果后只调用一次 `publish_paper_plan`；本 Skill 自身不发布计划。

## MCP 响应契约

- 每次调用先检查 `schema_version` 和 `ok`，候选数据只从 `data` 读取。
- 输出必须携带 `meta.source`、`meta.as_of` 和 `meta.freshness.status`；`stale` 或 `unknown` 数据不能支持强结论。
- `ok=false` 时使用 `error.code` 说明失败，不得为了凑足候选数量而虚构结果。
- 离线演示可依次读取 `screen_candidates`、`stock_quote`、`stock_technical`、`stock_news` Demo 数据集，并显式标注 `meta.demo=true`；Demo 候选不能转成模拟盘计划。