# Stock Analysis Cn

> 一键分析A股：技术面+估值+风险+基本面全覆盖，自动生成Word投资报告。基于腾讯财经API，内置行业专用估值基准。

- Skill: `lord1egypt/stock-analysis-cn` (Agent Skill)
- Install (CLI): `npx skillmds@latest add lord1egypt/stock-analysis-cn`
- Raw SKILL.md: https://api.skillmd.com/api/skills/lord1egypt/stock-analysis-cn/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Docs & Writing
- License: MIT
- Author: Lord1Egypt (https://skillmd.com/u/lord1egypt)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/lord1egypt/stock-analysis-cn

---


# 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**:
1. 定义因子条件（如：PE<15, ROE>15%）
2. 选择股票池（A股、港股、ETF等）
3. 执行筛选并评分
4. 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
```bash
# 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**:
```python
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**:
```bash
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**:
```python
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

1. **输入股票代码**（如 `sh601288` 农业银行）
2. **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
3. **生成综合评分**（0-10分）
4. **输出建议**（买入/持有/卖出）
5. **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