agentbay-ai China Stock Analysis Skill
基于价值投资理论的中国A股分析工具，面向低频交易的普通投资者。
When to Use
当用户请求以下操作时调用此skill：
- 分析某只A股股票
- 筛选符合条件的股票
- 对比多只股票或行业内股票
- 计算股票估值或内在价值
- 查看股票的财务健康状况
- 检测财务异常风险
Prerequisites
Python环境要求
pip install akshare pandas numpy
依赖检查
在执行任何分析前，先检查akshare是否已安装：
python -c "import akshare; print(akshare.__version__)"
如果未安装，提示用户安装：
pip install akshare
Core Modules
1. Stock Screener (股票筛选器)
筛选符合条件的股票
2. Financial Analyzer (财务分析器)
个股深度财务分析
3. Industry Comparator (行业对比)
同行业横向对比分析
4. Valuation Calculator (估值计算器)
内在价值测算与安全边际计算
Workflow 1: Stock Screening (股票筛选)
用户请求筛选股票时使用。
Step 1: Collect Screening Criteria
向用户询问筛选条件。提供以下选项供用户选择或自定义：
估值指标：
- PE (市盈率): 例如 PE < 15
- PB (市净率): 例如 PB < 2
- PS (市销率): 例如 PS < 3
盈利能力：
- ROE (净资产收益率): 例如 ROE > 15%
- ROA (总资产收益率): 例如 ROA > 8%
- 毛利率: 例如 > 30%
- 净利率: 例如 > 10%
成长性：
- 营收增长率: 例如 > 10%
- 净利润增长率: 例如 > 15%
- 连续增长年数: 例如 >= 3年
股息：
- 股息率: 例如 > 3%
- 连续分红年数: 例如 >= 5年
财务安全：
- 资产负债率: 例如 < 60%
- 流动比率: 例如 > 1.5
- 速动比率: 例如 > 1
筛选范围：
- 全A股
- 沪深300成分股
- 中证500成分股
- 创业板/科创板
- 用户自定义列表
Step 2: Execute Screening
python scripts/stock_screener.py \
--scope "hs300" \
--pe-max 15 \
--roe-min 15 \
--debt-ratio-max 60 \
--dividend-min 2 \
--output screening_result.json
参数说明：
--scope: 筛选范围 (all/hs300/zz500/cyb/kcb/custom:600519,000858,...)--pe-max/--pe-min: PE范围--pb-max/--pb-min: PB范围--roe-min: 最低ROE--growth-min: 最低增长率--debt-ratio-max: 最大资产负债率--dividend-min: 最低股息率--output: 输出文件路径
Step 3: Present Results
读取 screening_result.json 并以表格形式呈现给用户：
| 代码 | 名称 | PE | PB | ROE | 股息率 | 评分 |
|---|---|---|---|---|---|---|
| 600519 | 贵州茅台 | 25.3 | 8.5 | 30.2% | 2.1% | 85 |
Workflow 2: Stock Analysis (个股分析)
用户请求分析某只股票时使用。
Step 1: Collect Stock Information
询问用户：
- 股票代码或名称
- 分析深度级别：
- 摘要级：关键指标 + 投资结论（1页）
- 标准级：财务分析 + 估值 + 行业对比 + 风险提示
- 深度级：完整调研报告，包含历史数据追踪
Step 2: Fetch Stock Data
python scripts/data_fetcher.py \
--code "600519" \
--data-type all \
--years 5 \
--output stock_data.json
参数说明：
--code: 股票代码--data-type: 数据类型 (basic/financial/valuation/holder/all)--years: 获取多少年的历史数据--output: 输出文件
Step 3: Run Financial Analysis
python scripts/financial_analyzer.py \
--input stock_data.json \
--level standard \
--output analysis_result.json
参数说明：
--input: 输入的股票数据文件--level: 分析深度 (summary/standard/deep)--output: 输出文件
Step 4: Calculate Valuation
python scripts/valuation_calculator.py \
--input stock_data.json \
--methods dcf,ddm,relative \
--discount-rate 10 \
--growth-rate 8 \
--output valuation_result.json
参数说明：
--input: 股票数据文件--methods: 估值方法 (dcf/ddm/relative/all)--discount-rate: 折现率(%)--growth-rate: 永续增长率(%)--margin-of-safety: 安全边际(%)--output: 输出文件
Step 5: Generate Report
读取分析结果，参考 templates/analysis_report.md 模板生成中文分析报告。
报告结构（标准级）：
- 公司概况：基本信息、主营业务
- 财务健康：资产负债表分析
- 盈利能力：杜邦分析、利润率趋势
- 成长性分析：营收/利润增长趋势
- 估值分析：DCF/DDM/相对估值
- 风险提示：财务异常检测、股东减持
- 投资结论：综合评分、操作建议
Workflow 3: Industry Comparison (行业对比)
Step 1: Collect Comparison Targets
询问用户：
- 目标股票代码（可多个）
- 或者：行业分类 + 对比数量
Step 2: Fetch Industry Data
python scripts/data_fetcher.py \
--codes "600519,000858,002304" \
--data-type comparison \
--output industry_data.json
或按行业获取：
python scripts/data_fetcher.py \
--industry "白酒" \
--top 10 \
--output industry_data.json
Step 3: Generate Comparison
python scripts/financial_analyzer.py \
--input industry_data.json \
--mode comparison \
--output comparison_result.json
Step 4: Present Comparison Table
| 指标 | 贵州茅台 | 五粮液 | 洋河股份 | 行业均值 |
|---|---|---|---|---|
| PE | 25.3 | 18.2 | 15.6 | 22.4 |
| ROE | 30.2% | 22.5% | 20.1% | 18.5% |
| 毛利率 | 91.5% | 75.2% | 72.3% | 65.4% |
| 评分 | 85 | 78 | 75 | - |
Workflow 4: Valuation Calculator (估值计算)
Step 1: Collect Valuation Parameters
询问用户估值参数（或使用默认值）：
DCF模型参数：
- 折现率 (WACC): 默认10%
- 预测期: 默认5年
- 永续增长率: 默认3%
DDM模型参数：
- 要求回报率: 默认10%
- 股息增长率: 使用历史数据推算
相对估值参数：
- 对比基准: 行业均值 / 历史均值
Step 2: Run Valuation
python scripts/valuation_calculator.py \
--code "600519" \
--methods all \
--discount-rate 10 \
--terminal-growth 3 \
--forecast-years 5 \
--margin-of-safety 30 \
--output valuation.json
Step 3: Present Valuation Results
| 估值方法 | 内在价值 | 当前价格 | 安全边际价格 | 结论 |
|---|---|---|---|---|
| DCF | ¥2,150 | ¥1,680 | ¥1,505 | 低估 |
| DDM | ¥1,980 | ¥1,680 | ¥1,386 | 低估 |
| 相对估值 | ¥1,850 | ¥1,680 | ¥1,295 | 合理 |
Financial Anomaly Detection (财务异常检测)
在分析过程中自动检测以下异常信号：
检测项目
应收账款异常
- 应收账款增速 > 营收增速 × 1.5
- 应收账款周转天数大幅增加
现金流背离
- 净利润持续增长但经营现金流下降
- 现金收入比 < 80%
存货异常
- 存货增速 > 营收增速 × 2
- 存货周转天数大幅增加
毛利率异常
- 毛利率波动 > 行业均值波动 × 2
- 毛利率与同行严重偏离
关联交易
- 关联交易占比过高（> 30%）
股东减持
- 大股东近期减持公告
- 高管集中减持
风险等级
- 🟢 低风险：无明显异常
- 🟡 中风险：1-2项轻微异常
- 🔴 高风险：多项异常或严重异常
A-Share Specific Analysis (A股特色分析)
政策敏感度
根据行业分类提供政策相关提示：
- 房地产：房住不炒政策
- 新能源：补贴政策变化
- 医药：集采政策影响
- 互联网：反垄断、数据安全
股东结构分析
- 控股股东类型（国企/民企/外资）
- 股权集中度
- 近期增减持情况
- 质押比例
Output Format
JSON输出格式
所有脚本输出JSON格式，便于后续处理：
{
"code": "600519",
"name": "贵州茅台",
"analysis_date": "2025-01-25",
"level": "standard",
"summary": {
"score": 85,
"conclusion": "低估",
"recommendation": "建议关注"
},
"financials": { ... },
"valuation": { ... },
"risks": [ ... ]
}
Markdown报告
生成结构化的中文Markdown报告，参考 templates/analysis_report.md。
Error Handling
网络错误
如果akshare数据获取失败，提示用户：
- 检查网络连接
- 稍后重试（可能是接口限流）
- 尝试更换数据源
股票代码无效
提示用户检查股票代码是否正确，提供可能的匹配建议。
数据不完整
对于新上市股票或财务数据不完整的情况，说明数据限制并基于可用数据进行分析。
Best Practices
- 数据时效性：财务数据以最新季报/年报为准，价格数据为当日收盘价
- 投资建议：所有分析仅供参考，不构成投资建议
- 风险提示：始终包含风险提示，特别是财务异常检测结果
- 对比分析：单只股票分析时，自动包含行业均值对比
Important Notes
- 所有分析基于公开财务数据，不涉及任何内幕信息
- 估值模型的参数假设对结果影响较大，需向用户说明
- A股市场受政策影响较大，定量分析需结合定性判断