Lord1Egypt Stock Analysis Skill
一键分析A股市场 · 自动生成投资报告
概述
这是一个全功能A股分析技能，提供技术面、估值、风险、基本面四大维度的自动化分析，并可直接生成专业的投资报告（Markdown/Word）。适合个人投资者、量化研究员、资产管理人等。
核心特点:
- ⚡ 一键分析: 单条命令完成多维度分析
- 📊 数据驱动: 基于腾讯财经API实时数据
- 📄 报告自动生成: Markdown → Word，格式美观
- 🎯 因子选股: 支持PE、ROE、动量等多因子筛选
- 🇨🇳 专为A股优化: 银行、券商、军工等行业专用估值基准
🎯 核心功能
1. 技术面分析
判断趋势、找出买卖点、计算技术指标。
输出指标:
- 趋势方向（上涨/下跌/震荡）
- 均线系统（MA20、MA60、MA250）
- 动量指标：RSI、MACD、KDJ
- 支撑位与阻力位
- 近期涨跌幅（5日、20日、60日）
使用场景:
- "分析农业银行601288的技术面"
- "招商银行600036的RSI是否超买？"
- "找出最近突破MA20的股票"
2. 估值分析
评估股票是否高估或低估，纵向看历史，横向看行业。
输出指标:
- PE/PB 当前值及历史分位数
- 5年PE/PB中位数
- 行业PE/PB中位数对比
- 估值评级：高估/正常/低估
行业基准库:
- 银行股专用（PE 5-8x，PB 0.6-1.0x）
- 券商股专用
- 军工股专用
- 新能源、光伏、锂电池等
使用场景:
- "宁波银行002142当前PE处于历史什么位置？"
- "对比招商银行和平安银行的估值水平"
- "找出PE<10且PB<1的银行股"
3. 风险分析
量化波动性、回撤和风险调整收益。
输出指标:
- 年化波动率
- 最大回撤（Max Drawdown）
- 夏普比率（Sharpe Ratio）
- 索提诺比率（Sortino Ratio）
- Beta（与沪深300相关性）
使用场景:
- "计算贵州茅台最近1年的波动率和最大回撤"
- "哪只银行股的夏普比率最高？"
- "创业板ETF的风险指标怎么样？"
4. 基本面分析
评估公司财务健康度、盈利能力、成长性。
输出指标:
- 盈利能力：ROE、ROA、毛利率、净利率
- 成长性：营收CAGR、净利润CAGR
- 偿债能力：资产负债率、流动比率、速动比率
- 运营效率：总资产周转率、存货周转率
- 现金流：经营性现金流/净利润
数据来源: 东方财富、同花顺等财经网站（需网络抓取）
使用场景:
- "分析宁德时代的基本面：ROE、负债率、现金流"
- "对比五粮液和贵州茅台的营收增速"
- "找出ROE>15%且负债率<50%的消费股"
5. ETF专项分析
针对交易所交易基金的专门功能。
额外指标:
- 跟踪误差（Tracking Error）
- 流动性：日均成交量、买卖价差
- 基金信息：管理费、托管费、成立日期、规模
- 成分股覆盖度
- 折溢价分析（QDII、港股ETF）
使用场景:
- "分析510300沪深300ETF的跟踪误差"
- "哪只科创50ETF规模最大、流动性最好？"
- "券商ETF（512880）的管理费和成交额是多少？"
6. 因子筛选与选股
多因子模型快速筛选投资标。
支持的因子:
- 价值因子：低PE、低PB、高股息率
- 成长因子：高营收增长、高利润增长
- 质量因子：高ROE、低负债、现金流好
- 动量因子：价格动量、 earnings momentum
- 低波动因子：低Beta、低波动率
- 规模因子：市值暴露
筛选流程:
- 定义因子条件（如：PE<15, ROE>15%）
- 选择股票池（A股、港股、ETF等）
- 执行筛选并评分
- 输出Top N标的+关键指标
使用场景:
- "筛选A股中PE<15且ROE>15%的股票"
- "找出最近一个月涨幅最大的10只行业ETF"
- "高股息低波动的红利ETF有哪些？"
📊 数据源与可靠性
| 数据类型 | 来源 | 延迟 | 覆盖范围 |
|---|---|---|---|
| 实时行情 | 腾讯财经API | ~15分钟 | A股全市场 |
| 历史K线 | 腾讯财经API | ~15分钟 | 约1年日线 |
| 指数PE/PB | 中证指数公司 | 每日 | 主要指数 |
| 个股财务 | 东方财富/同花顺 | 1天 | 最新财报 |
⚠️ 局限性:
- 基本面数据为季度更新，非实时
- 部分新上市公司历史数据不足
- 如需实时Level-2数据，需要付费接口
🚀 快速开始
安装
# 从ClawHub安装
clawhub install stock-analysis
# 或手动安装
cp -r stock-analysis.skill ~/.openclaw/skills/
使用示例
单股综合分析:
from stock_analysis import analyze
# 分析农业银行
report = analyze('sh601288', name='农业银行')
print(report['summary'])
生成Word报告:
python scripts/report_generator.py sh601288 --name "农业银行" > report.md
pandoc report.md -o report.docx
筛选高股息低PE股票:
from stock_analysis.screening import screen
criteria = {
'pe': {'max': 15},
'dividend_yield': {'min': 0.03},
'roe': {'min': 0.10}
}
results = screen(universe='A股', criteria=criteria)
📁 技能结构
stock-analysis/
├── SKILL.md # 本文件
├── scripts/
│ ├── technical_analysis.py # 技术分析
│ ├── valuation_analysis.py # 估值分析
│ ├── risk_analysis.py # 风险分析
│ ├── fundamental_analysis.py # 基本面分析
│ ├── screening.py # 因子筛选
│ ├── report_generator.py # 报告生成
│ └── utils.py # 腾讯财经API封装
├── references/
│ ├── indicators.md # 技术指标说明
│ ├── factors.md # 因子模型文档
│ ├── valuation_benchmarks.md # 行业估值基准
│ └── api_usage.md # API使用指南
└── assets/
├── templates/
│ ├── analysis_report.md # 分析报告模板
│ └── screening_results.csv # 筛选结果模板
└── example_asset.txt
🎓 使用指南
何时使用？
- ✅ 研究一只股票是否值得买入
- ✅ 需要快速生成投资分析报告
- ✅ 批量筛选符合条件的股票
- ✅ 追踪持仓股的技术状态
- ✅ 对比不同股票的估值水平
- ✅ 评估投资组合的风险指标
何时不使用？
- ❌ 需要实时Level-2行情（本技能使用延迟数据）
- ❌ 复杂的DCF模型（本技能无完整财务预测）
- ❌ 宏观策略研究（本技能聚焦个股）
- ❌ 美股/港股深度分析（数据源以A股为主）
📈 典型工作流
- 输入股票代码（如
sh601288农业银行） - 多维度分析并行执行：
- 技术面：趋势、指标、支撑阻力
- 估值：PE/PB历史分位、行业对比
- 风险：波动率、最大回撤、夏普比率
- 生成综合评分（0-10分）
- 输出建议（买入/持有/卖出）
- 导出报告（Markdown/Word）
整个过程约10-30秒，无需人工干预。
🔧 定制与扩展
添加自定义行业估值基准
编辑 references/valuation_benchmarks.md，添加你关注的行业PE/PB中位数。
集成新数据源
修改 scripts/utils.py，接入其他财经API（如 Akshare、Baostock）。
自定义报告模板
修改 assets/templates/analysis_report.md，调整输出格式和内容。
📚 术语表
| 术语 | 解释 |
|---|---|
| PE (TTM) | 滚动市盈率，最新12个月净利润的倒数 |
| PB | 市净率，股价/每股净资产 |
| 历史分位数 | 当前值在历史序列中的百分比位置 |
| MA20 | 20日均线，短期趋势线 |
| RSI | 相对强弱指标，0-100，>70超买，<30超卖 |
| 夏普比率 | 每单位风险获得的超额收益，越高越好 |
| 最大回撤 | 历史上从高点到低点的最大下跌幅度 |
| 跟踪误差 | ETF净值相对于基准指数的偏离标准差 |
🤝 贡献与反馈
- 报告Bug或提出建议：请提交Issue
- 贡献代码：欢迎PR，特别是新指标、新数据源
- 数据源扩展：如果你有可用的免费API，欢迎集成
📄 许可证
MIT License - 自由使用、修改、分发。
版本: 1.0.0
最后更新: 2026-03-18
作者: 养虾佬徐小明 (jy02577302)
ClawHub: 搜索 stock-analysis 下载