A Share Concept

A股概念板块/题材分析

数据源

SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"

# 概念板块列表（adata）
python -c "import adata; df=adata.stock.info.concept_constituent(wait_time=0); print(df.head(20).to_json(orient='records', force_ascii=False))"

# 概念板块成分股（adata，需指定 concept_code）
python -c "import adata; df=adata.stock.info.concept_constituent(concept_code='BK0655'); print(df.to_json(orient='records', force_ascii=False))"

# 成分股行情
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE1],[CODE2],...

# 成分股K线
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [日期]

# 成分股资金流向
python "$SCRIPTS/cn_stock_data.py" fund_flow --code [CODE]

补充：通过 web 搜索获取概念板块热度、新闻催化剂、政策驱动因素。

Workflow

1. 确定分析对象：指定概念板块 / 今日热门概念 / 概念对比
2. 数据获取：概念成分股列表 + 各股行情 + 资金流向
3. 板块分析：
   • 整体表现（涨跌幅、成交额、换手率）
   • 龙头股识别（市值最大 / 涨幅最大 / 资金流入最多）
   • 板块内分化程度（涨跌比、标准差）
4. 驱动因素分析：
   • 政策驱动（政策文件、会议精神）
   • 事件驱动（技术突破、订单落地）
   • 资金驱动（游资炒作、机构加仓）
5. 输出：按用户偏好输出 formal（研报风格）或 brief（快速解读）

关键规则

1. 概念板块与行业板块不同：一只股票可属于多个概念
2. 题材炒作往往短期性强，需区分"长期逻辑"和"短期炒作"
3. 概念板块数据来源不统一（东财/同花顺/adata 分类可能不同），以 adata 为准
4. 龙头股判断标准：最先涨停 + 成交量最大 + 市值辨识度最高

参考资料

• 概念板块分析指南

使用示例

示例 1: 基本使用

# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})

示例 2: 命令行使用

python scripts/run_skill.py --input data.json