name: sector-hotness-analysis
description: 基于恒生聚源A股数据库和公开新闻搜索,针对指定的板块,从政策-产业-资金三方面分析板块的热度
dependency:
python:
- pandas
A股板块政策与热度分析
重要的合规红线
- 不能以扣子的身份提供任何投资建议、买卖建议、操作建议、股票代码推荐
- 所有用代码从financeMCP数据库取出来的数据,在发给用户时,都需要注明数据来源是恒生聚源数据库。来自搜索的数据,要注明具体网站来源。
- 所有分析内容里都要告知用户:仅供理论学习和理论练习使用,不构成投资建议,不能作为投资依据,注意投资风险,股市有风险,投资需谨慎
所有代码查询数据库都要先初始化MCP连接并调整sys.path
注意,finance_query在sector-hotness-analysis/scripts/目录下,需要将该目录加入sys.path。另外,MCP不需要手动断开连接。
你的起始路径很可能在/app/data/files目录下,如果你不调整sys.path,可能会出现找不到模块或者无法连接数据库的问题。
# ================= MANDATORY SETUP =================
import sys
import os
import pandas as pd
# 必须调整sys.path,否则会找不到模块
scripts_path = os.path.join(os.getcwd(), "sector-hotness-analysis", "scripts")
if scripts_path not in sys.path:
sys.path.insert(0, scripts_path)
from finance_query import FinanceMCP
mcp = FinanceMCP()
mcp.connect()
mcp.query(sql)
# ================= SETUP END =================
代码查询数据库指引
- 读取相关表介绍文档,明确查询字段
- 表介绍文档在
sector-hotness-analysis/references目录下,文件名为表名.md
- 编写代码获取数据并进行分析
- 使用 create_file 工具创建 Python 代码文件(文件使用英文命名,如 info_analysis.py)
- 代码开头需要初始化MCP连接,才能使用数据库,注意sys.path的设置
- 数据表名称一定要小写,查询时要注意具体字段的数据格式
- 运行代码,获取分析结果。若代码运行失败,根据错误信息,使用 edit_file 工具调试代码。
- 允许受控 SQL JOIN,优先采用分步查询;
工作流程
第一步:明确研究对象
阅读并执行sector-hotness-analysis/references/step1.md
第二步:分析资金热度和当前价格价值水位
阅读并执行sector-hotness-analysis/references/step2.md
第三步:梳理政策时间线
阅读并执行sector-hotness-analysis/references/step3.md
第四步:梳理产业发展情况
阅读并执行sector-hotness-analysis/references/step4.md
第五步:总结并回复用户
参考sector-hotness-analysis/references/summary.md给用户回复完整的分析结果
核心数据表
| 表名称 |
说明 |
业务唯一性字段 |
| dz_dailyquote |
日行情表,有每日开收盘价、最高最低价、成交量成交额数据。没有涨幅振幅数据。 |
innercode, TradingDay |
| qt_indexquote |
指数行情表 |
innercode,TradingDay |
| dz_dindicesforvaluation |
公司估值分析日指标表,PE,PB等等各类估值指标 |
innercode,TradingDay |
| lc_coconcept |
公司所属概念查询表 |
innercode,ConceptCode,InDate |
| qt_conceptquote |
概念板块行情表 |
ConceptCode,TradingDay |
| mf_etfprcomponents |
公募ETF申购赎回成分股 |
innercode,TradingDay,SecuCode |
| mf_etfprlist |
公募ETF申购赎回清单 |
innercode,TradingDay |
| mt_tradingdetail |
融资融券交易明细 |
innercode,TradingDay |
| qt_tradingcapitalflow |
股票交易资金流向,有超大单大单(主力资金)等数据 |
innercode,TradingDate,QuoteType,ValueRange |
| lc_shszhsctradeflow |
沪深港通个股交易流向,时效性比较特殊,不是单纯的T+1,是每个交易日更新前一个交易日数据 |
TradingDay,innercode |
补充表(一般不从行业维度查询,都从概念为度查询,仅供用户指定要求既看概念也看板块时备用):
| 表名称 |
说明 |
业务唯一性字段 |
| dz_exgindustry |
公司所属行业查询表,通常只用standard=38 |
CompanyCode,InfoPubDate,Standard,Industry |
| lc_industryvaluation |
行业估值表 |
IndustryNum,TradingDay,StatType,SectorCode |
| lc_indfinindicators |
行业财务指标表,在dz_exgindustry中取standard=38的thirdindustrycode,对应这个表的standard=41的industrynum |
IndustryNum, SectorCode, InfoPubDate, EndDate, DataMark |
| lc_shszhscindtradeflow |
沪深港通行业资金流向,时效性比较特殊,不是单纯的T+1,是每个交易日更新前一个交易日数据,优先用standard=38和41 |
TradingDay,TradingType,Standard,IndustryNum |
shell工具
security-lookup
基础流程中用于确定股票或ETF或指数代码信息,通过股票名称/代码定位证券并返回所属市场、innercode、companycode
使用示例:
python3 sector-hotness-analysis/scripts/security_lookup_cli.py --keywords "AAPL BRK.B 000001" --format table
python3 sector-hotness-analysis/scripts/security_lookup_cli.py --keywords "600000" --format csv
命名与结构
- 命令使用 kebab-case;脚本位于
sector-hotness-analysis/scripts/*.py;入口函数为 main(),支持 --help。
- 输入参数尽量简单明确,避免交互式输入;输出统一支持
--format csv|table。
输入输出约定
- 所有工具默认 UTF-8;失败时返回非 0 退出码并打印明确错误信息。
- 输出字段尽量可直接消费;涉及枚举时同时提供中文翻译字段(如
...Desc)。
1---2name: skill-sector-hotness-analysis3description: ---4---56---7name: sector-hotness-analysis8description: 基于恒生聚源A股数据库和公开新闻搜索,针对指定的板块,从政策-产业-资金三方面分析板块的热度9dependency:10 python:11 - pandas12---1314# A股板块政策与热度分析1516## 重要的合规红线171. 不能以扣子的身份提供任何投资建议、买卖建议、操作建议、股票代码推荐182. 所有用代码从financeMCP数据库取出来的数据,在发给用户时,都需要注明数据来源是恒生聚源数据库。来自搜索的数据,要注明具体网站来源。193. 所有分析内容里都要告知用户:仅供理论学习和理论练习使用,不构成投资建议,不能作为投资依据,注意投资风险,股市有风险,投资需谨慎2021## 所有代码查询数据库都要先初始化MCP连接并调整sys.path22注意,finance_query在`sector-hotness-analysis/scripts/`目录下,需要将该目录加入sys.path。另外,MCP不需要手动断开连接。23你的起始路径很可能在/app/data/files目录下,如果你不调整sys.path,可能会出现找不到模块或者无法连接数据库的问题。2425```python26# ================= MANDATORY SETUP =================27import sys28import os29import pandas as pd3031# 必须调整sys.path,否则会找不到模块32scripts_path = os.path.join(os.getcwd(), "sector-hotness-analysis", "scripts")33if scripts_path not in sys.path:34 sys.path.insert(0, scripts_path)3536from finance_query import FinanceMCP3738mcp = FinanceMCP()39mcp.connect()40mcp.query(sql)41# ================= SETUP END =================42```43### 代码查询数据库指引44451. 读取相关表介绍文档,明确查询字段46 - 表介绍文档在`sector-hotness-analysis/references`目录下,文件名为表名.md472. 编写代码获取数据并进行分析48 - 使用 create_file 工具创建 Python 代码文件(文件使用英文命名,如 info_analysis.py)49 - 代码开头需要[初始化MCP连接](#初始化MCP连接),才能使用数据库,注意sys.path的设置50 - 数据表名称一定要小写,查询时要注意具体字段的数据格式51 - 运行代码,获取分析结果。若代码运行失败,根据错误信息,使用 edit_file 工具调试代码。52 - 允许受控 SQL JOIN,优先采用分步查询;5354## 工作流程5556### 第一步:明确研究对象57阅读并执行`sector-hotness-analysis/references/step1.md`5859### 第二步:分析资金热度和当前价格价值水位60阅读并执行`sector-hotness-analysis/references/step2.md`6162### 第三步:梳理政策时间线63阅读并执行`sector-hotness-analysis/references/step3.md`6465### 第四步:梳理产业发展情况66阅读并执行`sector-hotness-analysis/references/step4.md`6768### 第五步:总结并回复用户69参考`sector-hotness-analysis/references/summary.md`给用户回复完整的分析结果707172## 核心数据表7374| 表名称 | 说明 | 业务唯一性字段 |75|------|------|------|76| dz_dailyquote | 日行情表,有每日开收盘价、最高最低价、成交量成交额数据。没有涨幅振幅数据。 | innercode, TradingDay |77| qt_indexquote | 指数行情表 | innercode,TradingDay |78| dz_dindicesforvaluation | 公司估值分析日指标表,PE,PB等等各类估值指标 | innercode,TradingDay |79| lc_coconcept | 公司所属概念查询表 | innercode,ConceptCode,InDate |80| qt_conceptquote | 概念板块行情表 | ConceptCode,TradingDay |81| mf_etfprcomponents | 公募ETF申购赎回成分股 | innercode,TradingDay,SecuCode |82| mf_etfprlist | 公募ETF申购赎回清单 | innercode,TradingDay |83| mt_tradingdetail | 融资融券交易明细 | innercode,TradingDay |84| qt_tradingcapitalflow | 股票交易资金流向,有超大单大单(主力资金)等数据 | innercode,TradingDate,QuoteType,ValueRange |85| lc_shszhsctradeflow | 沪深港通个股交易流向,时效性比较特殊,不是单纯的T+1,是每个交易日更新前一个交易日数据 | TradingDay,innercode |8687补充表(一般不从行业维度查询,都从概念为度查询,仅供用户指定要求既看概念也看板块时备用):88| 表名称 | 说明 | 业务唯一性字段 |89|------|------|------|90| dz_exgindustry | 公司所属行业查询表,通常只用standard=38 | CompanyCode,InfoPubDate,Standard,Industry |91| lc_industryvaluation | 行业估值表 | IndustryNum,TradingDay,StatType,SectorCode |92| lc_indfinindicators | 行业财务指标表,在dz_exgindustry中取standard=38的thirdindustrycode,对应这个表的standard=41的industrynum | IndustryNum, SectorCode, InfoPubDate, EndDate, DataMark |93| lc_shszhscindtradeflow | 沪深港通行业资金流向,时效性比较特殊,不是单纯的T+1,是每个交易日更新前一个交易日数据,优先用standard=38和41 | TradingDay,TradingType,Standard,IndustryNum |9495## shell工具9697### security-lookup9899基础流程中用于确定股票或ETF或指数代码信息,通过股票名称/代码定位证券并返回所属市场、innercode、companycode100使用示例:101`python3 sector-hotness-analysis/scripts/security_lookup_cli.py --keywords "AAPL BRK.B 000001" --format table`102`python3 sector-hotness-analysis/scripts/security_lookup_cli.py --keywords "600000" --format csv`103104命名与结构105- 命令使用 kebab-case;脚本位于 `sector-hotness-analysis/scripts/*.py`;入口函数为 `main()`,支持 `--help`。106- 输入参数尽量简单明确,避免交互式输入;输出统一支持 `--format csv|table`。107108输入输出约定109- 所有工具默认 UTF-8;失败时返回非 0 退出码并打印明确错误信息。110- 输出字段尽量可直接消费;涉及枚举时同时提供中文翻译字段(如 `...Desc`)。111112113