A Stock Data Quant

a-stock-data-quant — 金融研究框架 + A股量化数据引擎 + 港股/期货/期权/宏观数据层 + 研报工作流（整合版）

本 skill 为「研究框架 + A股量化数据引擎 + 多市场数据层 + 研报写作工作流」的一体化整合版。

路由总览

• 研究框架 / 红线 / 检索策略 / 数据口径 / 时间口径 / 场景方法论 references / 投行 scripts → 见下方「整合框架」章节。
• A股实际取数 / 量化指标 / 回测 / 综合诊断 → 见文末「A股量化数据引擎（a-stock-data-quant）」章节；完整内嵌实现见 references/a-stock-full.md，或运行 bin/quant.py。
• 港股 / 期货 / 期权 / 宏观 / A股公告事件（业绩预告/解禁/股东/增减持/回购/分红/新股/IPO） → 见「能力路由矩阵」章节，运行 bin/cn/*.py。
• 研报写作工作流（读年报/可比公司/深度报告/业绩快评/调研纪要/行业研究/晨会纪要/研报摘要） → 见「研报工作流」章节，工作流细节在 references/research-workflows/<slug>/。

以下「整合框架」章节为本 skill 的红线 / 检索策略 / 数据口径 / 时间口径 / 场景方法论 references 索引 / 投行 scripts 约定；文末补充 A股量化数据引擎。

能力路由矩阵（数据域 → 首选实现 → 备用）

去重原则：同一数据域只走一条链路（首选）；A股核心以引擎层（实测修复+多源降级）为准；多市场数据层补港股/期货/期权/宏观/公告事件等增量域。不要两条链路都跑。

研报工作流（引用 references/research-workflows/）

以下 8 个研报写作工作流是纯方法论模板，用户触发后：先按工作流取数（bin/quant.py / bin/cn/*.py），再按其章节产出成品报告；{{占位符}} 与连接器增强见根级 CONNECTORS.md。

触发顺序硬约束

• 必须先加载本 skill 的红线与路由规范，任何涉及金融市场数据的请求，都要调用数据接口 / 检索工具获取数据；禁止跳过本 skill 直接裸答或者凭记忆回答。

红线（金融场景一票否决）

• 禁止编造数据：不虚构数据/事件/公司名/财务数字；数据源缺失时直接说明"当前数据源未覆盖 / 需进一步核实"，不要编一组数据再加"待核实"标签；引用不确定的研报/论文时标"该引用需核实原文"

• 禁止核心概念混淆：客户 vs 竞争对手、整机厂 vs 零部件厂、净利润 vs 归母净利润、同比 vs 环比、财年 vs 自然年；不确定时用"据我理解"前缀并请用户确认

• 禁止数据自相矛盾：同一回答内数据与结论必须一致；多组数据先交叉校验；数据源冲突时优先采信高层级来源（交易所、公司公告、年报）并显式标注分歧

• 强制免责声明：所有包含具体投资建议、操作价位、买卖判断、仓位调整建议的输出，必须在回复末尾附加以下免责声明模板（固定文案，禁止模型自行改写、缩减或省略）：

  免责声明：以上内容基于公开数据和量化分析，仅供参考，不构成投资建议。市场有风险，投资需谨慎。任何投资决策应结合个人风险承受能力、资金状况和投资目标独立判断，必要时咨询持牌专业机构。过往表现不预示未来收益。

检索策略

• 金融数据检索统一经 agentic_search 工具 —— 它具备自主分析与多步规划能力，会自行判断查哪些维度、分几步查，返回结论。
• 委派 query 必须是"一句话检索意图"，保留用户原始意图，禁止拆成多维度清单 / 字段列表 / 表格格式要求。工具 自身具备多步规划与自主检索能力，会自行拆维度、判断查哪些字段、查多深——你拆得越细、要求越"全"，它解锁的检索面越大、越发散、越慢。委派时只交代两件事：① 标的 / 主题 / 范围（带代码），② 大方向查什么；其余（查哪些字段、列几列、怎么排序、要不要表格、分几个维度）一律不写，也不要要求工具 写分析 / 结论报告 / 大段表格——它只需返回结论。字段筛选、表格化、排序、深度分析都是拿回数据后主 agent 自己的活（见第 4/7 条），不是委派 query 的内容。
• 不要要求"全面/详细/深入"检索：委派里禁止出现"请尽可能全面地检索""详细检索""返回结构化分析数据""覆盖以下 N 个方面"这类堆砌词。检索广度与深浅由工具 按问题体量自己定，主 agent 说得越"全""细"它越发散、越慢，反而不利。就给它一句朴素的检索意图即可。
  • 反例（过度拆解，禁止）：用户问"列出场内基金里红利低波和红利自由现金流 ETF"，却委派"请查询 A 股场内 ETF 中红利低波、红利自由现金流两主题的所有相关 ETF，列出基金代码、简称、跟踪指数、管理人、最新规模、近一周/近一月/年初至今涨跌幅、管理费率+托管费率、成立日期，用表格分主题输出……"
  • 正例（一句话）："列出场内（A 股）红利低波、红利自由现金流两个主题的相关 ETF"
  • 反例：用户问"国内有哪些上市公司跟 SpaceX 相关"，却委派"请全面检索 A 股与 SpaceX 有业务关联的公司，覆盖直接供应商 / 产业链相关 / 对标概念 / 最新动态四个维度，列出名称、代码、关联逻辑、近期表现，区分实际业务与概念炒作……"
  • 正例："检索 A 股里与 SpaceX 相关的上市公司"
  • 反例（宽泛研究被拆维度 + 堆"全面"词，禁止）：用户问"银河电子怎么样"，却委派"全面分析 A 股银河电子（002519），需覆盖：1 主营业务 2 财务数据 3 估值 4 股价走势与资金流向 5 研报评级 6 近期公告 7 板块概念，请尽可能全面地检索并返回结构化分析数据"
  • 正例："研究 A 股银河电子（002519）的整体情况"
• 宽泛的"X 怎么样 / 值不值得看"只需一句话点明标的与代码，具体查什么、查多全由工具 自己拆；只有用户问题本身就很具体、只问单一字段时（如"茅台最新 PE"）才如实精确转述。
• 工具无法满足时，用 WebSearch 检索公开信息，明确告知用户数据来源并说明非实时性。

数据底线

• 前提显式：问操作类问题（买/卖/加仓/减仓/换股）时，先列前提（市场环境 + 用户风险偏好 + 资金量/期限），再给"条件 → 操作 → 风险提示"。前提缺失时主动追问而非直接给操作建议

• 检索优先于记忆：提及具体股票/基金/指数/宏观指标时，先调 agentic_search；如通达信 MCP 可用，按MCP场景说明调用拉数据，禁止纯凭记忆作答；记忆中的数字只能作为合理性 sanity check，不能作为答案

• 禁止硬编码数据：所有行情、财务、宏观和技术指标必须通过工具动态获取并标注来源和时点，禁止在回答中直接引用训练数据中的历史数值或凭记忆输出数字

• 时效意图与目标周期解析：用户表达“最新、当前、今天、今年、近期”等时效要求时，先结合运行时日期、市场交易状态、指标发布频率和数据发布时间确定目标周期，不得把当前年份直接等同于最新有效数据周期。用户明确指定历史日期、年份、季度、财年或回测时点时，以用户指定范围为准，不得自动改写为当前周期。

• 查询结果时效校验：数据返回后核对其统计周期、发布时间和数据截止时间是否满足用户要求：

  1. 数据已覆盖目标周期时，按实际周期使用并标注时点；
  2. 当前周期尚未发布时，使用最近已发布周期，并明确说明数据截止时间；
  3. 返回数据明显早于目标周期时，调整时间参数或更换数据源重新查询；
  4. 仍无法取得满足要求的数据时，明确声明数据缺口和最近可用时点，不得将历史数据表述为当前数据。

• 所有关键数据必须可追溯到来源 + 时间戳：行情 / 财务 / 宏观 / 研报数字不能裸出；每个关键数字附近都要能追溯到"来源 + 时点"（YYYY-MM-DD 或 YYYYQn），不要只在文末放一个总来源。同一数据块共享相同来源、周期和口径时，可在表头、表尾或图注统一标注，来源或周期不同时，再分别标注。来源可来自 agentic_search / 通达信 MCP / 交易所公告 / 公司年报 / 港交所披露易 / 研报 / WebSearch；WebSearch 兜底时也要标媒体名 + 日期，若生成 HTML，最好把 WebSearch 原文链接做成可点击链接。研报和媒体数据要标清"非一手来源 / 需核实原文"，不要把它们和公司公告同等处理

• 来源标注粒度与数据粒度匹配：同一表格、图表或数据卡片中的数据共享相同来源、统计周期和口径时，可在表头、表尾或图注统一标注，无需在每个单元格重复。只有不同子项来源、时点或计算口径不同时，才需要分别标注。任何关键结论都应能追溯到对应的数据来源和时点。

• 来源质量分级：

  • 一手来源（交易所公告、统计局、公司年报/季报、央行/监管机构）：可直接采信，标注机构名 + 发布日期
  • 非一手来源（财经媒体、研报引用、第三方数据平台二次引用）：必须标注"需核实原文"，不得与一手来源同等处理。研报引用还需标注研报机构 + 发布时间

• 输出来源规范：HTML 报告应在数据卡片、图表或表格附近标注来源和数据时点；Markdown 应在关键数据首次出现处标注来源。共享来源的数据可合并标注，避免重复信息影响可读性。

使用指南

1. 识别意图：先分清这是"取数据"（→ 委派 agentic_search 工具）还是"给方法论 / 分析 / 输出"（→ 读对应 reference、跑 scripts）；很多请求两者都要（先取数再分析）

2. 自主执行：不要让用户挑数据源；数据源在哪、怎么路由由工具 内部决定，主 agent 只管把检索意图讲清楚（委派规范见上方「检索策略」——一句话意图、不指定字段/表格/维度、不要求工具 写分析报告）

3. 错误兜底：工具 返回缺失或报错时，换个问法再调用，或用通达信 MCP（如可用）/ WebSearch 补

4. 清晰呈现：用中文表头的可读表格展示返回结果。列举 / 排名 / 对比多个标的时，交付前过三道规整校验：

   • 每个标的必带标准格式代码：A 股 6 位（600519）、港股 5 位（00700）、美股 ticker（AAPL），逐个标注、无一例外，不要只在第一个标的后给代码
   • 排序 / 分层必须给可量化依据：给标的排序或分档时，写清排序所依据的具体指标（市占率 / 供应份额 / 营收占比 / 资金流入 / 增速 / 估值分位），不要用"绑定深度""市场地位""重要性"这类笼统词；确实拿不到量化指标时，说明这是定性排序，不要伪装成硬排名
   • 条件校验：题目限定了范围（市场 A 股 / 港股 / 美股、上市状态、产品类型）时，逐个核对候选标的是否满足，剔除不符的；A 股清单里混入港股或未上市标的是硬错误

5. 按需组合：复杂请求可多次委派工具 互补（如先让工具 选出股票池，再对池内标的逐只查详情），或在一次委派里把多步需求讲清让工具 自主完成

6. 置信度分层：高置信度直接断言；中等用"倾向于 / 大概率"；低用"不排除 / 有可能"。不要把所有可能性平铺让用户自选

7. 除非用户指定格式，结果尽可能用 HTML 可视化呈现：分析、对比、研报型回答尽量产出 HTML 文件（用 Write 落地 HTML，对话里把文件路径告诉用户）；简短 Q&A、单数字查询、Yes-No 判断仍用 Markdown。HTML 用浅底深字研报风、首屏结论先行；数据图用 ECharts、关系拓扑图用 SVG/CSS、查阅型用表格。关键约束：手写的内联 JS / ECharts option 极易括号或引号失配，一处错整页图表全废——HTML 写完交付前必须做一次 JS 语法自检（node --check 或等价），报错改到通过再交付。 复杂图优先套用现成 option 骨架填 data，不要从零手敲嵌套结构。HTML 风格、ECharts 骨架、图表分工与质量细则（图表可切换 / 多取周期消空值 / 双轴量级 / 空值不入图）见 references/html-report-style.md，产出 HTML 前先读它。

8. 🔴 CHECKPOINT · 加载后必须匹配 reference：进入本 skill 后，必须完成以下三步，不要只读 SKILL.md 主文件就直接答——主文件只讲红线和路由，具体方法论（步骤、阈值、避坑）都在对应 reference 里。三步未走完不得输出分析结论。

   第一步：问题拆解为场景标签 把用户问题拆成一个或多个场景标签。复合问题必须拆分（如"结合大盘分析 X 该不该买"→ market-state + stock-deep-research + valuation-pricing + trade-plan），禁止用单个宽泛标签覆盖全部需求。

   第二步：核心方法论加载 每个主场景必须加载对应的核心 reference；存在多个主场景时分别加载。核心 reference 加载完成后，根据问题中的具体维度追加补充 reference。Reference 加载遵循“最小充分集合”原则：每个主场景优先选择一个最相关的核心方法论；只有用户需求包含独立分析维度、且当前核心 reference 无法覆盖时，才追加补充 reference。不设置机械固定上限，但禁止为了完成清单无边界加载无关文件。判断依据是方法论是否实际用于分析，而不是读取文件数量。

   问题场景与核心必选 / 条件追加对照：

   问题场景	核心必选	条件追加	质量底线
   市场展望 / 大盘	market-state + macro-transmission	主线研判加 market-mainline；板块轮动加 sector-comparison	不能只做指数涨跌描述
   个股全面分析	stock-deep-research + valuation-pricing	按问题加 business-model / quality-growth / peer-comparison / industry-chain	"全面"不能只加载个股初探
   技术指标 / 形态	price-action-tools	仅突破、VCP、波缩、真假突破时加 breakout-patterns	MACD/RSI 查询不强制加载 VCP
   红利 / 分红 / 回购	dividend-buyback	估值性价比加 valuation-pricing；现金质量加 quality-growth	不能以单次股息率代替持续性验证
   政策 / 题材 / 热点	policy-impact	市场主线加 market-mainline；产业映射加 industry-chain	必须给出政策→行业→公司传导链
   订单 / 合同负债 / 前瞻指标	earnings-preview + quality-growth	收入模式加 business-model；涉及定价兑现才加 valuation-pricing	不能把所有经营前瞻指标机械路由到估值

   第三步：自检（输出前必须通过）

   • 每个主场景是否都有核心方法论 reference？
   • 数据源是否按路由表选择，且降级原因合理？
   • 用户要求的关键分析维度是否均已覆盖？
   • 方法论是否实际体现在答案中，而不是只完成文件读取？
   • 每个关键数据是否能对应到来源、时点和口径； 不同来源/周期的子项是否分别标注？
   • 是否包含具体买卖、价位或仓位建议； 若包含，固定免责声明是否完整位于回复末尾？
   • 若存在缺失，继续补充、重新查询或明确缩小回答范围， 禁止假装完成全面分析。

   html-report-style.md 只负责输出格式，必须在方法论匹配完成后加载，不能替代任何方法论 reference。 禁止仅加载格式类、工具类或数据源类 reference 就直接输出分析结论。

9. 优先用 scripts/ 现成工具，不要从零重写算法：scripts/price-action/ 含 7 个技术分析信号引擎（K 线 / 谐波 / 波浪 / 缠论 / 一目 / SMC / 基础指标），scripts/quant/ 含 6 个量化策略引擎（配对 / 季节性 / 波动率 / 多因子 / 基本面 / 分钟级），scripts/ib/ 含 2 个投行 utility（DCF Excel 校验 / 投行材料数字一致性）。涉及技术指标计算 / 量化策略 / DCF 审核等场景时，先 Read 对应 script 看输入约定，再 Bash 执行，远比 model 自己重写算法快且不出错。具体工具清单见对应 reference 末尾的"可执行工具"section

10. 多角度深度挖掘（数据返回后必跑反思）：拿到工具数据不是答题终点而是挖掘起点。每次数据返回后过 5 维，任一维度触发新线索 → 继续检索；五维都无增量才收尾。不为凑深度硬造，但也不要拿到一条数据就收尾

    • ① 纵向再追一个"为什么"：查到"净利润下滑"→ 继续拆成本 / 收入结构
    • ② 横向看上下游 / 竞对：查到"比亚迪毛利走低"→ 顺查赛力斯 / 理想看是不是行业性
    • ③ 时间放到 3-5 年周期看分位：查到"PE 25×"→ 调 5 年 PE 带看历史分位是高是低
    • ④ 反面找最薄弱假设：依赖"消费复苏"→ 主动查社零 / CPI 反驳信号
    • ⑤ 行动给条件化决策：补"若 X 跌破 Y 则 ……"，让用户拿到可操作框架

11. 有观点 + 反向声音：分析类回答必须给经过推演的判断（不是平铺 N 种可能让用户自选）；主动点出"市场普遍知道什么、还没充分定价什么"，必要时给反向声音（"这个加仓决定可能基于一个错误的归因 —— X 的上涨其实是 Y 引起的"），不要顺着用户思路一路点头

时间口径（跨时区/跨市场必查）

金融数据强时效，回答时遵守以下规则：

• 先判断交易状态：回答"现价/最新/今天"前，先确认是不是该市场交易时段；不在时段内必须标注"盘前/盘中/盘后/休市"和对应的最近一次 close
• 美股时间先核对 DST：美国夏令时期间美股开盘对应北京 21:30，冬令时对应 22:30；每次按当前日期推导，不要硬记切换日
• 事件时点本地+北京双标：财报、央行决议、经济数据等事件，同时给本地时间和北京时间，并标注盘前还是盘后。例：苹果 FY25Q1 财报 = 2025-01-30 美东盘后 16:30（北京时间 2025-01-31 05:30）
• 相对时间默认北京时区：用户说"今天/昨天/本周"按北京时间解释；有歧义时（如"昨天美股"）第一句先点明绝对日期
• 跨市场比较先对齐窗口：A股 T 日收盘 / 港股 T 日收盘 / 美股 T-1 夜盘 / 美股 T 日盘 不是同一时点；做联动分析时点明用的是哪种对齐
• 跨市场财报同期对比按自然年季度对齐：FY 标号本身不能直接对（如腾讯 FY26Q1 = 自然年 2026Q1，阿里 FY26Q1 = 自然年 2025Q2，对不上）。先把每家 FY 拆成它实际覆盖的自然年季度（腾讯 FY = 自然年；阿里 FY 4 月制；苹果 FY 9 月底制；微软 FY 7 月制），再按"自然年同季度"配对做季度比，或用 TTM 滚动 4 季 做年度比——TTM 本身就是按自然年季度滚动求和，自动消除 FY 定义差异。详细步骤与币种 / 估值口径一致性见 references/peer-comparison.md 与 references/valuation-pricing.md

数据口径与标的核对

• 先核对标的身份：公司名、港股代码、美股代码、ADR、ETF、同名公司必须先确认，避免把不同上市主体、ADR、本地股、ETF 或同名公司混用
• 香港产品先确认类型：港股 7709.HK 这类代码可能是 ETF、杠杆产品、牛熊证或结构化产品；查 NAV 前必须先确认产品类型。对香港 ETF/杠杆产品，优先搜索基金管理人、HKEX、etnet/基金专页
• 多源交叉验证：同一指标不同数据源给出不同数值时，至少列两个来源，优先采信交易所/公司公告/年报等一手来源，并显式说明分歧；不要静默选一个高于另一个的版本作为答案

场景方法论 references

references/ 目录下是按场景蒸馏的金融分析方法论，覆盖个股研究、估值、财报事件、交易决策、板块主线、资金机构、宏观传导、技术分析、量化策略、衍生品、跨资产、危机周期、投行建模、日常 routine 以及 HTML 输出规范等。当用户的请求落入对应场景时，先读取相应 reference 再作答。

使用规则：

• 每条 reference 是"方法论 + 量化阈值 + 避坑"三段式，不是输出模板——分析时按其框架思考，但不照抄章节标题或字数限制
• 多场景叠加时（如"分析 A 股票该不该买"同时涉及个股研究 + 估值 + 仓位决策），并行读取多个 reference 综合判断
• 方法论类 references 只管"分析框架"，数据获取走 agentic_search 工具 / 通达信 MCP（如可用）

索引（按场景类别分组）：

数据源调用

• tdx-mcp-quick-reference.md 通达信 MCP 调用速查（10 个工具实测示例、fixedTag 路由表、避坑清单、已知限制）—— 仅在用户装了通达信 MCP 时使用

个股研究

• stock-first-look.md 个股初探（含热门股快读）
• stock-deep-research.md 个股深度研究（投资逻辑研究）
• business-model.md 业务模式拆解
• valuation-pricing.md 估值与定价（PE/PB/DCF/PEG/分部估值）
• moat-quality.md 护城河与公司质地
• management-assessment.md 管理层体检
• peer-comparison.md 同业比选
• quality-growth.md 质量增长匹配（高质复利 / 增长质检 / 价值股息）

财报与事件

• earnings-preview.md 财报前瞻
• earnings-review.md 财报后反应（业绩会提炼 / 财后漂移）
• announcement-impact.md 公告影响与股东信解读
• event-catalyst.md 事件驱动短线催化

交易与持仓

• trade-plan.md 交易计划与买卖点
• position-sizing.md 仓位决策与加减仓
• portfolio-checkup.md 持仓体检与风控
• stop-discipline.md 止损纪律
• monitor-alert.md 监控告警与停复牌

板块主线题材

• sector-comparison.md 板块比较与轮动
• market-mainline.md 市场主线与情绪
• market-state.md 市场状态与广度
• theme-lifecycle.md 题材周期与龙头
• leader-game.md 涨停龙头博弈与龙虎榜

资金与机构

• fund-flow.md 资金流与北向
• institutional-holding.md 机构持仓与拥挤度

宏观/政策/产业链

• macro-transmission.md 宏观行业个股传导
• policy-impact.md 政策解读与受益映射
• industry-chain.md 产业链映射与卡点

技术分析

• breakout-patterns.md 波缩突破与 VCP
• price-action-tools.md 技术指标与形态识别（K 线 / 谐波 / 波浪 / 缠论 / 一目 / SMC）
• abnormal-detection.md 放量异动与跳空归因

风险与量化

• risk-stress.md 风险压力测试（VaR / CVaR / 蒙特卡洛）
• quant-factor-research.md 因子研究框架
• systematic-strategies.md 量化策略库（配对 / 事件驱动 / 季节性 / ML / 对冲 / 波动率）
• portfolio-optimization.md 资产配置与组合优化

衍生品与跨资产

• options-strategies.md 期权策略（多腿组合 + Greeks）
• fixed-income.md 固定收益与可转债
• forex-commodity.md 外汇与大宗商品
• crypto-derivatives.md 加密衍生品（仅在用户明确要求时使用）

主题

• dividend-buyback.md 分红回购与股东回报
• going-global.md 出海链投资
• crisis-event.md 危机 / 反转 / 周期拐点

投行建模

• ib-models.md 投行估值建模（DCF / LBO / comps / 三表 / M&A / Unit Economics）
• ib-deal-prep.md 投行交易准备（尽调 / 投委会 / IM / pitch / NDA）

日常 routine

• daily-briefing.md 每日投研简报（盘前 / 收盘 / 晨会）

输出规范

• html-report-style.md HTML 研报输出（JS 自检 / ECharts 骨架 / 图表分工与质量细则）——产出 HTML 前先读

通达信 MCP（如可用）

仅在用户环境装了通达信 MCP 时启用——通过列出的 MCP 工具是否包含 tdx_quotes / tdx_kline / tdx_api_data / tdx_indicator_select / tdx_screener / tdx_lookup_stock / wenda_news_query / wenda_notice_query / wenda_report_query / wenda_macro_query 来判断。可用时优先在以下场景调用：

• 上面没覆盖或返回不全的细分接口（深度财务三表多期、十大流通股东全历史、限售解禁、股本变动、港股财报多期回溯、个股 / 全市场龙虎榜结构化、自然语言条件选股、宏观时序数据）
• 需要按通达信特有路由（entry + fixedTag + code）取结构化字段，而不是 LLM 描述
• 验证上面给出数据是否准确（多源交叉验证）

调用前先读 references/tdx-mcp-quick-reference.md —— 里面是 10 个工具的实测调用示例、参数含义、fixedTag 路由表、错误排查方法、已知限制。不要凭记忆拼参数（setcode、target、fixedTag 都有踩坑点）。

A股量化数据引擎（整合 a-stock-data-quant）

当你需要实际获取 A股数据或做量化计算时，使用本引擎（源自 a-stock-data-quant）：

• 完整内嵌实现（自包含零依赖外部文件）：Read references/a-stock-full.md，按其内嵌代码直接运行。
• 命令行主程序：python3 bin/quant.py <command> <args>
  • analyze <code> 综合分析（如 sh600519 / sz000858）
  • compare <c1>,<c2> 多股对比
  • backtest <code> --strategy ensemble --html 多策略共振回测
  • realtime <code> 实时行情
  • market-temp 市场温度计（5 维度）
  • valuation <code> 估值分位（PE/PB/PS）
  • hot-stocks --mode turnover 热门股票排行
  • hot-boards --mode gainers 热门板块排行
  • board-stocks BK0892 板块成分股
  • capital-flow <code> 资金流向细分
  • fundamentals <code> 基本面快照
  • chip <code> 筹码分布
• 数据源：12 层（腾讯财经 / 东方财富 push2 / mootdx 通达信 / 百度股市通 / 东财 reportapi / 巨潮 cninfo / 东财 datacenter / 同花顺 hexin / 广发 MCP / 东方财富妙想 AI 等）。

同花顺 Financial API（hithink-finance）集成 —— 权威 A股 / 指数 / 基金 / 特色数据远端接入层

来源：HiThink-Tech/Financial-API（整树已并入本 skill 的 references/hithink-finance/，主入口总览见 references/hithink-finance/00-overview.md = 原 hithink-finance SKILL.md）。这是同花顺官方金融数据服务（iFinD 级）的 Agent 统一入口，经 4 种方式提供 A股 / 指数 / 板块 / 公募基金的权威数据。定位：本 skill 的「备用信息源」，不是默认首选。 默认优先走公共信息源（引擎层 bin/quant.py / bin/cn/*.py、 agentic_search、通达信 MCP、WebSearch）；仅当公共源不可用 / 覆盖不足、且用户明确同意启用时，才回退到 hithink 继续取数。

何时启用 hithink（备用条件 · 需用户确认）

• 公共信息源全部不可用或覆盖不足：引擎层多源降级仍失败、 agentic_search 不可达、无通达信 MCP、WebSearch 也补不到时；
• 需要引擎层缺失或偏弱、且用户已同意启用的能力：集合竞价、公募基金全字段（经理 / 持仓 / 财务 / 资讯）、特色数据（涨停池 / 跌停池 / 炸板 / 连板梯队 / 个股异动原因 / 热榜 / 龙虎榜）、全市场 Parquet 批量导出与本地 DuckDB 建库、权威复权因子流；
• 用户主动点名「用同花顺 / iFinD / hithink 数据」并提供了 Key。

  ⚠️ 越级禁止：公共源可用时，不得跳过公共源直接走 hithink；hithink 仅在「公共源失败 + 用户同意」的降级链路上启用。

四种接入方式（只选其一，按环境）

统一 API Key（四种方式共用）

• 获取：https://fuyao.aicubes.cn/admin；推荐环境变量 HITHINK_FINANCE_API_KEY。
• 校验顺序：运行时安全输入 → HITHINK_FINANCE_API_KEY → 用户级 credentials.env → 兼容旧 FUYAO_TOKEN / API_KEY。缺失时引导用户注册获取，不得把 Key 写入代码 / Prompt / 日志 / 输出 / Git。
• 接入前先探测环境（是否已配 Key / 是否连 MCP / CLI 是否在 PATH），不要让用户重复提供技术参数。

能力覆盖（数据域 → 端点 / 工具）

能力边界（明确不覆盖 —— 超出时回退本 skill 其他层或显式说明）

• ❌ 分钟 K / tick / Level-2；❌ 港股 / 美股；❌ 期货 / 期权；❌ 宏观数据 / 新闻公告原文 / 研报 / 回测引擎；❌ 基金申赎交易或基金推荐。
• 这些域继续走本 skill 的引擎层（bin/quant.py / bin/cn/*.py）、agentic_search、通达信 MCP 或 WebSearch；不得用 hithink 近似数据或模拟数据冒充。

🔴 降级启用流程（用户确认门 · 公共源失败时的唯一入口）

当公共信息源（引擎层 / agentic_search / 通达信 MCP / WebSearch）不可用或覆盖不足、而任务又必须用 hithink 才能满足时，严格按以下 if-then 链路走，不得静默切换：

1. 判断：公共源是否确实失败 / 缺失？是 → 进入第 2 步；否 → 继续走公共源，不提 hithink。
2. 询问 + 告知获取地址（🔴 必须显式问用户，不能替用户决定）：

   「当前公共数据源暂不可用 / 覆盖不足。是否启用同花顺金融数据服务（hithink-finance）作为备用源？ 如需启用，请前往 https://fuyao.aicubes.cn/admin 注册并获取统一 API Key，把 Key 发给我，我来配置后继续取数。 不启用也可，我会按红线说明『当前数据源未覆盖，需进一步核实』，不会编造数据。」

3. 分支：
   • 用户提供 Key → 配置 HITHINK_FINANCE_API_KEY（环境变量 / credentials.env，不写入代码 / Prompt / 日志 / 输出 / Git），按上方「四种接入方式」继续取数；
   • 用户拒绝 / 无 Key → 按本 skill 红线输出「当前数据源未覆盖该标的 / 字段，需进一步核实」，给替代路径（WebSearch / 下次重试），绝对禁止编造数值。
4. 继续：拿到 Key 后用 hithink 完成取数，同样遵守红线（禁编造）、数据底线（来源 + 时点 + 口径可追溯）、输出护栏（免责声明）。

路由硬规则

• hithink 是远端 Key 服务 + 备用源：公共源可用时默认不走它；公共源失败且用户确认启用后才进入上方「降级启用流程」。
• 未获用户同意，不得静默切到 hithink，不得假装 hithink 已可用，不得编造或复用旧 Key；用户发来 Key 前，按红线给出「数据源未覆盖」结论。
• 取数后同样遵守本 skill 红线（禁编造）、数据底线（来源 + 时点 + 口径可追溯）、输出护栏（免责声明）。

反例黑名单（不要做什么）

• ❌ 公共源可用时越级用 hithink（破坏「公共源优先」原则）；
• ❌ 未问用户、未给获取地址就直接声称「已切换到同花顺」；
• ❌ 把 Key 写入代码 / Prompt / 日志 / 输出 / Git，或复述用户发来的 Key；
• ❌ 用户无 Key 时编造 hithink 数据或旧价冒充实时；
• ❌ 把 hithink 不覆盖的域（港股 / 美股 / 期货 / 期权 / 宏观 / 新闻 / 研报 / 回测）冒充可查。

实测验证（Dim8 · 多维度 live test）

2026-08-26 用真实 Key 跑 live test：全部 HTTP 200 + code==0，返回真实当前数据（交易日 2026-08-25，茅台 ¥1304 / 沪深300 4552.03，龙虎榜 trade_date=2026-08-25）。 基础维度 12/12 PASS：元信息检索 / 行情快照 / 历史日K(242 根) / 复权因子(30 事件) / 估值快照 / 利润表(4 期) / 指数目录(390) / 指数快照 / 基金资料(沪深300A·华夏) / 涨停池(今日) / 龙虎榜 / 连板梯队(30 日)。 独门能力 6/6 PASS（设为备用源的核心理由）：

独门能力	结果
集合竞价快照 auction/snapshot	PASS（茅台 auction_price=1311.89 与开盘价一致；凌晨测试 auction_phase=closed/data_status=not_ready 为正常非竞价时段状态）
短线风向标 auction/short-term-benchmark	PASS（2026-08-14 返回 6 只，一鸣食品 +2.69% 标签「乳品/乳业」）
交易日历 calendar/trading-days	PASS（近 1 年 243 个交易日）
全市场 10 年日K / 近10日 / 复权事件 Parquet 签名端点	PASS（×3 均返回有效预签名 URL，约 5 分钟有效；按约定未下载大文件）
合计 18/18 PASS。已知小瑕疵（上游数据，非契约违约）：指数快照 ticker 对沪深300返回 1B0300（应以 thscode 为唯一键）。Key 仅运行时内存传入（env），未落盘 / 未进 Git / 未进日志。

东方财富·妙想（mx-skills）集成 —— 港美 / 债券 / 宏观 / 资讯 / 研报 / 选股 备用接入层

来源：mx-skills（东方财富·妙想大模型，zip 内共 33 个 skill；本 skill 仅并入其中 4 个数据原语，其余 ~29 个研报生成器与 references/research-workflows/ 重复，未并入以免臃肿）。4 个原语位于 references/mx-skills/{mx-finance-data,mx-finance-search,mx-macro-data,mx-stocks-screener}/，各自含 scripts/get_data.py 与 references/auth_protocol.md。定位：本 skill 的「备用信息源」，与 hithink 互补——hithink 补 A股/指数/基金/特色，妙想补 hithink 不覆盖的 港股 / 美股 / 债券 / 全球宏观 / 资讯·公告·研报 / 智能选股。默认优先走公共信息源（引擎层 / agentic_search / 通达信 MCP / WebSearch）；仅当公共源不可用 / 覆盖不足、且用户明确同意启用时，才回退到妙想继续取数。

何时启用 妙想（备用条件 · 需用户确认）

• 需要 港股 / 美股 / 债券 行情·财务·估值，且公共源（东财116.* via bin/cn、 agentic_search）覆盖不足或失败；
• 需要 全球宏观（多国/地区 GDP/CPI/PMI/M2/汇率/商品），超出 bin/cn/macro.py 的 CN 口径；
• 需要 资讯 / 公告 / �商研报 / 政策 原文聚合，公共源补不到；
• 需要 智能选股 / 条件筛选；
• 用户主动点名「用东方财富 / 妙想 / 妙想大模型数据」并已完成授权。

  ⚠️ 越级禁止：公共源可用时，不得跳过公共源直接走妙想；妙想仅在「公共源失败 + 用户同意」的降级链路上启用。

四个数据原语（入口脚本）

统一授权（EM_API_KEY · 内联 consent gate）

• 内置默认 Key（开箱即用）：本 skill 随包内置一个经 base64 混淆（非明文）的 EM_API_KEY 默认值，4 个妙想原语开箱即用，用户无需配置或知晓该 Key。混淆仅防明文泄露，不替代「用户自有 Key 覆盖」能力。
• 用户覆盖路径：如需使用自有 Key，在妙想平台（注册地址见下方）注册后，通过环境变量 EM_API_KEY 或落盘文件 ~/.mx-skills/em_api_key 注入即可覆盖内置默认值（环境变量优先级最高）。
• 未授权提示：当没有任何可用 Key 时，脚本打印 need_auth: true + authUrl:（扫码）+ apiKeyUrl:（获取地址）并以退出码 10 停下，由用户完成授权。
• 获取 / 授权地址以脚本运行时打印的 apiKeyUrl: 为准（东方财富妙想平台，即 https://ai-saas.eastmoney.com/mxClaw）；用户授权后会话自带 EM_API_KEY，Agent 仅作为当前进程环境变量注入，不向用户展示 / 复述 / 写入文件 / Git。
• 依赖：pip install httpx pandas openpyxl（见各 requirements.txt）。
• 401 失效：按 references/mx-skills/*/references/auth_protocol.md 清理失效凭据并重生成授权链接。

能力覆盖（数据域 → 原语）

能力边界（明确不覆盖 —— 超出时回退本 skill 其他层或显式说明）

• 妙想是远端 Key 服务 + 备用源，不是 A股首选（A股首选仍是引擎层 / hithink）；
• 不覆盖：A股分钟 K / tick / Level-2 实时盘口深度（引擎层 / 通达信更优）、回测引擎；
• 超出时继续走引擎层 / agentic_search / 通达信 MCP / WebSearch，不得用妙想近似数据冒充 A股首选或编造。

🔴 降级启用流程（用户确认门 · 公共源失败时的入口，与 hithink 同源）

当公共源不可用 / 覆盖不足且任务需妙想才能满足时，严格按以下 if-then 链路走，不得静默切换：

1. 判断：公共源是否确实失败/缺失？是 → 第2步；否 → 继续公共源，不提妙想。
2. 询问 + 告知获取地址（🔴 必须显式问用户）：

   「当前公共数据源暂不可用/覆盖不足。是否启用**东方财富·妙想（mx-skills）**作为备用源？如需启用，运行对应 scripts/get_data.py 会在未授权时打印 apiKeyUrl:（妙想平台获取/授权地址），完成授权后把会话 EM_API_KEY 交给我，我注入后继续取数。不启用也可，我会按红线说明『当前数据源未覆盖，需进一步核实』，不会编造数据。」

3. 分支：用户授权（确认 EM_API_KEY）→ 注入环境变量后按上方原语继续取数；用户拒绝/无 Key → 按红线输出「数据源未覆盖」，给替代路径，绝对禁止编造。
4. 继续：取数后同样遵守红线/数据底线/免责声明。

路由硬规则

• 妙想是远端 Key 服务 + 备用源：公共源可用时默认不走；公共源失败且用户确认启用后才进入降级流程。
• 未获用户同意不得静默切到妙想、不得假装可用、不得编造或复用旧 Key；用户授权前按红线给「数据源未覆盖」结论。
• 内置 Key 为 base64 混淆的默认凭据，仅供开箱即用；仍推荐用户用自有 Key 覆盖。无论内置还是用户 Key，绝不把 Key 明文写入代码/Prompt/日志/输出/Git，也不得向用户复述 Key 值。

反例黑名单（不要做什么）

• ❌ 公共源可用时越级用妙想；
• ❌ 未问用户、未给获取地址就声称「已切换到妙想」；
• ❌ 把 EM_API_KEY 写入代码/Prompt/日志/输出/Git，或复述用户授权值；
• ❌ 用户无 Key 时编造妙想数据或旧价冒充实时；
• ❌ 把妙想非首选的域（A股分钟 K/L2/回测）冒充可查，或把它当 A股首选绕过引擎层；
• ❌ 把内置/用户 EM_API_KEY 明文写入代码/Prompt/日志/输出/Git，或向用户复述 Key 值（内置 Key 已 base64 混淆，正常情况下用户无需接触）。

实测验证（Dim8 · 多维度 live test）

已完成的把关：

• 代码审计：4 个原语的 7 个 .py 文件均已改为「base64 混淆的内置默认 Key + 用户 EM_API_KEY/~/.mx-skills/em_api_key 覆盖」结构，明文泄露 0 处（verify: 0 残留）；内置 Key 非明文，开箱即用。
• 结构校验：4 个原语及 references/auth_protocol.md 已并入 references/mx-skills/，相对链接自洽。
• 待补：用内置 Key 跑一轮 live test（参照 hithink 的维度：元信息/行情/财务/估值/宏观/资讯/选股），记入 results.tsv。

🔴 数据源降级与故障处理（取数前必读）

引擎内置 12 层源，但部分源已实测不稳定/失效。取数时按以下 if-then 分支兜底，禁止编造或无故跳过：

同花顺 Financial API（hithink-finance）是「备用信息源」：默认优先走公共源（引擎层 / agentic_search / 通达信 MCP / WebSearch）。仅当公共源全失败或覆盖不足且用户明确同意启用时，才走 hithink（见上方「同花顺 Financial API（hithink-finance）集成」章节的「🔴 降级启用流程」）：先问用户是否启用、告知 Key 获取地址 https://fuyao.aicubes.cn/admin、用户发来 Key 后再继续取数。其为同花顺官方 iFinD 级源、含权威复权因子；未获用户同意前不得假装可用或静默切换。

东方财富·妙想（mx-skills）同为「备用信息源」，与 hithink 互补（补港美/债券/宏观/资讯研报/选股）：默认优先走公共源；仅当公共源全失败或覆盖不足且用户明确同意启用时，才走妙想（见「东方财富·妙想（mx-skills）集成」章节的「🔴 降级启用流程」）。其内置 base64 混淆的默认 EM_API_KEY（开箱即用），用户亦可在妙想平台注册自有 Key 覆盖；未获用户同意前不得假装可用或静默切换，且不得把任何 Key 明文写入代码/Prompt/日志/输出/Git 或向用户复述 Key 值。

依赖与运行前置：引擎依赖 akshare/numpy/pandas/requests/pyyaml/mootdx。未 pip install -r requirements.txt 就直接 python3 bin/quant.py 会整层报错——先确认依赖已装（建议 Python 3.10–3.12，避开 3.13 对 akshare 的兼容问题），缺失则提示用户安装后再跑。 已配好 venv：本 skill 目录内含 venv/（Python 3.12 + 全套依赖，清华镜像安装），运行请用 venv/Scripts/python.exe（不要直接用系统 python3，那是 3.13 且缺依赖）。Windows 路径：C:/Users/jangviktor/.workbuddy/skills/a-stock-data-quant/venv/Scripts/python.exe。 bin/cn 数据层：bin/cn/*.py（equity/futures/research/options/macro）与 wb 引擎共享同一 venv（akshare 已装，requirements.txt 已统一 akshare>=1.18.64）。调用：venv/Scripts/python.exe bin/cn/equity.py quote 600519,00700；其 stdlib 命令（价量/期货/北向）无 akshare 也可跑，研报/期权/宏观命令缺 akshare 时会显式报安装提示（不崩）。

个股买卖决策工作流（多指标综合 → 操作建议）

当用户**直接问某只个股"该买 / 该卖 / 能不能进 / 要不要跑"**时，必须走「取数 → 多指标诊断 → 给建议 + 理由」完整链路，禁止凭感觉或记忆直接给买卖结论（违反红线：禁编造数据）。

1. 🔴 取数（数据必须动态获取，不得凭记忆）：先跑引擎取真实数据——
   • python3 bin/quant.py analyze <code>（实时 / 估值 / 资金流 / 筹码 / 技术信号一次出），或按 references/a-stock-full.md 取；
   • 技术面补 references/price-action-tools.md、估值面补 references/valuation-pricing.md、资金面补 references/fund-flow.md、基本面补 references/stock-deep-research.md。
2. 四维诊断（每维给「偏多 / 中性 / 偏空」+ 关键证据，禁止空泛）：
   • 技术面：趋势（均线上下）+ MACD / RSI / KDJ 位置 + 量价 / 形态（突破 or 背离）
   • 估值面：PE / PB / PS 历史分位（低位 = 安全边际）+ 同业对比
   • 资金面：主力净流入 / 北向（若可取）/ 换手率 / 筹码集中度
   • 基本面：营收净利趋势 / ROE / 护城河 + 近期催化或风险
3. 综合信号：四维加权 → 落到明确一档 买入 / 增持 / 持有 / 减仓 / 卖出；附**置信度（高 / 中 / 低）**与「核心矛盾点」（最制约结论的一项）。
4. 操作框架（条件化，非点位承诺）：给「触发条件 → 动作 → 风控」——
   • 例：若回踩 XX 均线不破且量能回升 → 分批建仓；止损位设在 XX；单股仓位 ≤ X%
   • 禁止给无条件「现在就买 / 卖」指令。
5. 🔴 CHECKPOINT · 输出前护栏：结论前先列前提（当前市场环境 + 用户风险偏好 + 资金量 / 期限），前提缺失主动追问；回复末尾必附固定免责声明（见上方「红线」模板），禁止改写 / 省略。

输出结构建议：「结论卡（结论 + 置信度 + 矛盾点）+ 四维诊断表 + 操作框架 + 免责声明」。简短用 Markdown，完整用 HTML 研报风。技术信号基于历史数据、不预测未来，建议仅作决策输入而非指令。

ETF 买卖决策工作流（多指标综合 → 操作建议）

当用户**直接问某只 ETF / 指数基金 / 场内基金"该买 / 该卖 / 能不能定投 / 要不要跑"**时，走与个股相同的「取数 → 多指标诊断 → 给建议 + 理由」完整链路；诊断维度按 ETF 特性特化（ETF 是篮子、无个股式财报），同样禁止凭记忆直接给买卖结论。

1. 🔴 取数（数据必须动态获取，不得凭记忆）：引擎对 ETF 代码（如 510300 沪深300ETF、518880 黄金 ETF）自动识别为 etf 品类——
   • python3 bin/quant.py analyze <etf_code>（实时 / 估值 / 资金流 / 技术信号一次出）；
   • 技术面补 references/price-action-tools.md、估值面补 references/valuation-pricing.md、资金面补 references/fund-flow.md；
   • 跟踪指数估值分位可补 bin/quant.py index-val <指数代码>（PE/PB 百分位 + 关联 ETF，需广发 key；无 key 改 akshare/东财）；
   • ETF 份额变化：bin/quant.py capital-flow <code> 或 akshare fund_etf_category_sina / fund_etf_hist_em（份额净流入是 ETF 资金面最直观指标）。
2. 四维诊断（ETF 特化，每维给「偏多 / 中性 / 偏空」+ 关键证据，禁止空泛）：
   • 技术面（同个股）：趋势（均线上下）+ MACD / RSI / KDJ 位置 + 量价 / 形态。ETF 价格即跟踪指数走势，技术信号直接可用。
   • 估值面（按 ETF 类型分支，这是与个股最大差异点）：
     • 股票型 ETF（宽基 / 行业 / 主题 / 策略）→ 看跟踪指数 PE/PB 历史分位（低位 = 安全边际）+ 同业对比
     • 债券型 ETF → 利率方向 + 久期 + 到期收益率；利率下行周期通常利好债基
     • 商品型 ETF（黄金等）→ 金价 / 实际利率 / 美元指数；避险升温通常利多
     • 跨境 / QDII ETF → 海外估值分位 + 汇率 + 溢价率（高溢价 = 回落风险，警惕追高）
   • 资金面（ETF 核心指标）：ETF 份额变化（资金净流入最直观） / 融资余额 / 换手率 / 北向（对 A 股 ETF）；份额持续流入 = 资金看好，流出 = 降温。
   • 基本面（ETF 选品层，与个股完全不同）：跟踪误差 / 基金规模（流动性） / 折溢价率 / 管理费率 / 标的指数质量——同名 ETF 优先选规模大、跟踪误差小、费率低、折溢价≈0 的；规模过小有清盘风险。
3. 综合信号：四维加权 → 落到明确一档 买入 / 增持 / 持有 / 减仓 / 卖出；附**置信度（高 / 中 / 低）**与「核心矛盾点」（如"指数估值低位但溢价率过高"）。
4. 操作框架（条件化，非点位承诺）：给「触发条件 → 动作 → 风控」——
   • 例：若跟踪指数 PE 分位 < 30% 且份额持续流入 → 分批 / 定投建仓；溢价率 > 5% 则等回落再进；单 ETF 仓位 ≤ X%
   • 禁止给无条件「现在就买 / 卖」指令。ETF 特别提示：高溢价跨境 ETF 勿追高、商品 ETF 看实际利率拐点、债基看利率周期。
5. 🔴 CHECKPOINT · 输出前护栏：结论前先列前提（当前市场环境 + 用户风险偏好 + 资金量 / 期限 + 是否定投），前提缺失主动追问；回复末尾必附固定免责声明（见上方「红线」模板），禁止改写 / 省略。

输出结构建议：「结论卡（结论 + 置信度 + 矛盾点）+ 四维诊断表（估值面按 ETF 类型标注分支）+ 操作框架 + 免责声明」。ETF 买卖建议本质是"在指数估值 + 资金流向 + 折溢价 + 选品质量"四维上的择时，技术信号基于历史数据、不预测未来，建议仅作决策输入而非指令。

引擎使用反模式（dim9 黑名单，禁止）

• 禁止硬编码 / 凭记忆输出行情、财务、技术指标数字（红线已强调，引擎侧再强调一次）
• 禁止把已废弃的百度K线(finance.pae.baidu.com)当作可用兜底层
• 禁止所有源失败时静默返回空表，或用旧数据伪装成实时数据
• 禁止未确认依赖就执行 bin/quant.py（akshare / mootdx 缺失 = 整层 RuntimeError）
• 禁止对"北向/资金流"等已坏源假装取到数据——取空就显式声明缺口
• 依赖：akshare / numpy / pandas / requests / pyyaml / mootdx（见 requirements.txt）。建议在 Python 3.10–3.12 环境执行 pip install -r requirements.txt（当前 WorkBuddy 自带 Python 3.13 对 akshare 兼容性存疑）。
• 配置：config.yaml 含示例 API key（EM_API_KEY 东方财富妙想、GF_SKILLS_APIKEY 广发），可选；AI 分析功能可用环境变量 EM_API_KEY / GF_SKILLS_APIKEY 或改 config 配置。
• 免责声明：本工具仅供学习研究，不构成投资建议；技术分析基于历史数据不预测未来。