Jeandoom A股市场数据分析 skill
通过 tushare API（原始行情/财务）与 ClickHouse 宽表（前复权价、黄白线、MA、BBI、KDJ 等预算指标）拉取 A 股市场数据，完成数据分析与数据挖掘，最终以 markdown（默认）或 html 报告输出。
本 skill 自包含：自带 stockdata 包封装 tushare 客户端与 ClickHouse 只读查询层，不依赖任何外部项目模块。
前置依赖（必须遵守）
安装（首次）：在 skill 目录执行一次
uv sync，安装依赖与stockdata本包。cd <skill-dir> # skills/stock-analysis 实际路径 uv sync配置（env 优先、
.env回退）：TUSHARE_TOKEN— tushare API token（注册获取）CLICKHOUSE_HOST/PORT/USER/PASSWORD/DATABASE— 一个已装载数据的 ClickHouse 实例（含stock_wide/v_stock_daily_qfq等表）
缺 token 时
get_pro_api()抛ValueError；CH 不可达时查询抛连接错误，按提示在 env /skills/stock-analysis/.env配置。运行：所有脚本用
uv run --project <skill-dir> python <脚本>执行（任意目录均可）。直接 import：from stockdata import get_pro_api, convert_code_to_ts_code, query_wide, query_qfq无需 sys.path hack。
数据源路由：
- ClickHouse 宽表（
query_wide()）：前复权价、MA、黄白线（yellow/white）、BBI、KDJ —— 一次查齐，优先用（见references/clickhouse-schema.md）。 - tushare（
get_pro_api()）：原始日线/周月线、daily_basic、财务三表、fina_indicator、moneyflow、dividend、指数、stock_basic、trade_cal、ths/limit/top_list 等（见references/tushare-api-cheatsheet.md）。 - MyTT：宽表未覆盖的自定义指标可现算（fallback）。
- ClickHouse 宽表（
限流（tushare）：循环调用每次
time.sleep(1.5)（≤50 次/分钟）；遇too many requests/每分钟最多访问该接口50次/ timeout / connection，按指数退避重试（base 10s，最多 3 次，限流时至少等 60s）。代码格式：6 位代码用
convert_code_to_ts_code('600519')转600519.SH，不要手动拼后缀。单位：tushare
vol单位为"手"（×100=股），amount单位为"千元"（×1000=元）；ClickHouse 宽表volume/amount同口径，分析时注意换算。
五阶段工作流
阶段 ① 需求澄清
若用户需求已明确则跳过；否则用 AskUserQuestion 一次性澄清：
- 分析对象：单只个股 / 多只个股 / 板块或行业 / 概念 / 全市场
- 时间范围：起止日期或相对区间（如"近一年"）
- 市场/板块/行业：沪深主板、创业板、科创板、北交所；申万行业；概念板块
- 分析目的：趋势判断 / 估值评估 / 横向对比 / 资金流向 / 财务画像 / 选股筛选
- 输出格式：markdown（默认）/ html
阶段 ② 确定数据范围 + 选接口
- 指标类（前复权 / 黄白线 / MA / BBI / KDJ）→
query_wide()（见references/clickhouse-schema.md）。 - 原始行情 / 财务 / 资金流 / 指数 → 打开
references/tushare-api-cheatsheet.md选接口。 - 速查表未覆盖的冷门接口：用 WebSearch / WebFetch 查官方文档
https://tushare.pro/document/2，记录参数、字段、积分要求；核对积分，不足时给替代接口建议。
阶段 ③ 拉取数据
写临时 Python 脚本（放系统临时目录或 <skill-dir>/tmp/，分析完即弃），把原始数据存临时 parquet 供阶段④：
from stockdata import query_wide
from datetime import date
df = query_wide('600519', date(2025, 1, 1), date(2025, 12, 31)) # 含 close_qfq/yellow/white/ma_*/kdj_*
df.to_parquet('tmp_maotai.parquet')
运行：uv run --project <skill-dir> python tmp_fetch.py。
阶段 ④ 数据分析
用 pandas 读临时数据，按分析目的执行：描述统计 / 技术分析（黄白线、MA、MACD、RSI、KDJ）/ 横向对比 / 相关性 / 财务分析 / 资金流向。调用 scripts/plot.py 生成 PNG 到 ${SA_REPORTS_DIR:-docs/reports}/assets/。参考 references/analysis-examples.md。
阶段 ⑤ 生成报告
套用 references/report-template.md 骨架。文件命名 ${SA_REPORTS_DIR:-docs/reports}/YYYY-MM-DD-<topic>.md（<topic> 用 kebab-case）；图表存 ${SA_REPORTS_DIR:-docs/reports}/assets/<同名>-<seq>.png，md 中相对路径引用。用户选 html 时，运行：
uv run --project <skill-dir> python <skill-dir>/scripts/render_report.py <file>.md
（首次使用 html 前若缺库：uv pip install markdown——已含于本包依赖。）
边界（不做）
策略回测、量化交易信号、数据入库、实时行情推送、机器学习选股/预测模型、plotly 交互图、ClickHouse 写入。