zuoa China Stock Analysis Skill
基于价值投资理论的中国A股分析工具，面向低频交易的普通投资者。
When to Use
当用户请求以下操作时调用此skill：
- 分析某只A股股票
- 筛选符合条件的股票
- 对比多只股票或行业内股票
- 计算股票估值或内在价值
- 查看股票的财务健康状况
- 检测财务异常风险
Prerequisites
Python环境要求（必须使用venv）
所有脚本命令都应在项目虚拟环境中运行。
python3 -m venv .venv
source .venv/bin/activate
安装依赖：
pip install tushare pandas numpy
Environment Bootstrap（执行前必须自动完成）
在运行任何脚本前，先在当前项目目录执行：
cd <skill项目目录>
if [ ! -d ".venv" ]; then
python3 -m venv .venv
fi
source .venv/bin/activate
python3 -m pip install -U pip
python3 -m pip install tushare pandas numpy
说明：
.venv必须位于 skill 项目根目录下（不是全局目录）- 若
import tushare失败，必须先执行上述 bootstrap，再继续后续分析流程
TUSHARE_TOKEN / BRAVE_API_KEY 建议保存在 ~/.aj-skills/.env，并在执行前先加载到当前 shell：
set -a
source ~/.aj-skills/.env
set +a
说明：
- 脚本不会自动读取
~/.aj-skills/.env - 必须通过 CLI 参数显式传入：
--token "${TUSHARE_TOKEN}"、--brave-api-key "${BRAVE_API_KEY}"
执行前参数预检（使用 test 命令）：
test -n "${TUSHARE_TOKEN}" || { echo "缺少 TUSHARE_TOKEN"; exit 1; }
# 仅当使用 Brave 新闻源时检查
test -n "${BRAVE_API_KEY}" || { echo "缺少 BRAVE_API_KEY（news-provider=brave 时必填）"; exit 1; }
依赖检查
在执行任何分析前，先检查tushare是否已安装：
python3 -c "import tushare; print(tushare.__version__)"
Core Modules
1. Stock Screener (股票筛选器)
筛选符合条件的股票
2. Financial Analyzer (财务分析器)
个股深度财务分析
3. Industry Comparator (行业对比)
同行业横向对比分析
4. Valuation Calculator (估值计算器)
内在价值测算与安全边际计算
5. News & Sentiment (新闻与舆情)
抓取近期社会面新闻并生成舆情风险评估
Workflow 1: Stock Screening (股票筛选)
用户请求筛选股票时使用。
Step 1: Collect Screening Criteria
向用户询问筛选条件。提供以下选项供用户选择或自定义：
估值指标：
- PE (市盈率): 例如 PE < 15
- PB (市净率): 例如 PB < 2
- PS (市销率): 例如 PS < 3
盈利能力：
- ROE (净资产收益率): 例如 ROE > 15%
- ROA (总资产收益率): 例如 ROA > 8%
- 毛利率: 例如 > 30%
- 净利率: 例如 > 10%
成长性：
- 营收增长率: 例如 > 10%
- 净利润增长率: 例如 > 15%
- 连续增长年数: 例如 >= 3年
股息：
- 股息率: 例如 > 3%
- 连续分红年数: 例如 >= 5年
财务安全：
- 资产负债率: 例如 < 60%
- 流动比率: 例如 > 1.5
- 速动比率: 例如 > 1
筛选范围：
- 全A股
- 沪深300成分股
- 中证500成分股
- 创业板/科创板
- 用户自定义列表
Step 2: Execute Screening
python scripts/stock_screener.py \
--scope "hs300" \
--token "${TUSHARE_TOKEN}" \
--pe-max 15 \
--roe-min 15 \
--debt-ratio-max 60 \
--dividend-min 2 \
--output screening_result.json
参数说明：
--scope: 筛选范围 (all/hs300/zz500/cyb/kcb/custom:600519,000858,...)--pe-max/--pe-min: PE范围--pb-max/--pb-min: PB范围--roe-min: 最低ROE--growth-min: 最低增长率--debt-ratio-max: 最大资产负债率--dividend-min: 最低股息率--token: tushare token（必填）--format: 输出格式 (json/table)--quiet: 静默模式--output: 输出文件路径
Step 3: Present Results
读取 screening_result.json 并以表格形式呈现给用户：
| 代码 | 名称 | PE | PB | ROE | 股息率 | 评分 |
|---|---|---|---|---|---|---|
| 600519 | 贵州茅台 | 25.3 | 8.5 | 30.2% | 2.1% | 85 |
Workflow 2: Stock Analysis (个股分析)
用户请求分析某只股票时使用。
Step 1: Collect Stock Information
询问用户：
- 股票代码或名称
- 分析深度级别：
- 摘要级：关键指标 + 投资结论（1页）
- 标准级：财务分析 + 估值 + 行业对比 + 风险提示
- 深度级：完整调研报告，包含历史数据追踪
Step 1.5: Prepare Output Directory
单只股票分析时，skill 需要自动创建输出目录，命名规则：
${股票名称}_${股票代码}
示例：
stock_dir="贵州茅台_600519"
mkdir -p "${stock_dir}"
Step 2: Fetch Stock Data
推荐使用“分模块抓取 + 聚合”流程（CLI解耦）：
mkdir -p "${stock_dir}/data"
# 1) 基础信息
python scripts/fetch_basic.py \
--code "600519" \
--token "${TUSHARE_TOKEN}" \
--output "${stock_dir}/data/basic.json"
# 2) 财务数据
python scripts/fetch_financial.py \
--code "600519" \
--token "${TUSHARE_TOKEN}" \
--years 5 \
--output "${stock_dir}/data/financial.json"
# 3) 估值与行情
python scripts/fetch_valuation.py \
--code "600519" \
--token "${TUSHARE_TOKEN}" \
--output "${stock_dir}/data/valuation.json"
python scripts/fetch_price.py \
--code "600519" \
--token "${TUSHARE_TOKEN}" \
--days 180 \
--output "${stock_dir}/data/price.json"
# 4) 新闻舆情
python scripts/fetch_news_data.py \
--code "600519" \
--name "贵州茅台" \
--days 7 \
--limit 20 \
--provider brave \
--brave-api-key "${BRAVE_API_KEY}" \
--output "${stock_dir}/data/news.json"
# 5) 实时与事件窗口
python scripts/fetch_realtime.py \
--code "600519" \
--token "${TUSHARE_TOKEN}" \
--benchmark hs300 \
--window 60 \
--output "${stock_dir}/data/realtime.json"
python scripts/fetch_event_window.py \
--code "600519" \
--token "${TUSHARE_TOKEN}" \
--name "贵州茅台" \
--benchmark hs300 \
--pre-days 1 \
--post-days 1,3,5 \
--provider brave \
--brave-api-key "${BRAVE_API_KEY}" \
--output "${stock_dir}/data/event_window.json"
# 6) 聚合为分析输入
python scripts/assemble_data.py \
--input-dir "${stock_dir}/data" \
--output "${stock_dir}/stock_data.json"
兼容模式（单命令抓取）保留如下：
python scripts/data_fetcher.py \
--code "600519" \
--token "${TUSHARE_TOKEN}" \
--data-type all \
--with-news \
--news-provider brave \
--brave-api-key "${BRAVE_API_KEY}" \
--with-realtime \
--with-event-window \
--benchmark hs300 \
--realtime-window 60 \
--event-window-pre 1 \
--event-window-post 1,3,5 \
--news-days 7 \
--news-limit 20 \
--years 5 \
--output "${stock_dir}/stock_data.json"
参数说明：
--code: 股票代码--data-type: 数据类型 (basic/financial/valuation/holder/news/all)--years: 获取多少年的历史数据--token: tushare token（必填）--with-news: 附加新闻与舆情--news-days: 新闻窗口天数--news-limit: 新闻最大条数--news-sources: 新闻来源过滤（逗号分隔）--news-provider: 新闻源 (auto/brave/tushare/rss)--brave-api-key: Brave Search API Key（news-provider=brave时必填）--with-realtime: 附加实时指标（趋势/确认/风险/筹码）--with-event-window: 附加事件窗口分析（事件后1/3/5日反应）--benchmark: 相对强弱基准指数 (hs300/zz500/zz1000/cyb/kcb)--realtime-window: 实时指标计算窗口（日）--event-window-pre: 事件窗口前置天数--event-window-post: 事件窗口后验天数（逗号分隔）--cache-ttl-min: 缓存有效期（分钟）--format: 输出格式 (json/table)--quiet: 静默模式--output: 输出文件
可选：单独执行新闻舆情流程
python scripts/news_fetcher.py --code 600519 --name 贵州茅台 --token "${TUSHARE_TOKEN}" --days 7 --limit 20 --provider brave --brave-api-key "${BRAVE_API_KEY}" --output "${stock_dir}/news.json"
python scripts/sentiment_analyzer.py --input "${stock_dir}/news.json" --output "${stock_dir}/sentiment.json"
Step 3: Run Financial Analysis
python scripts/financial_analyzer.py \
--input "${stock_dir}/stock_data.json" \
--level standard \
--output "${stock_dir}/analysis_result.json"
或直接读取分模块目录（自动聚合）：
python scripts/financial_analyzer.py \
--input-dir "${stock_dir}/data" \
--level standard \
--output "${stock_dir}/analysis_result.json"
参数说明：
--input: 输入的股票数据文件--input-dir: 分模块目录（自动读取并聚合为分析输入）--level: 分析深度 (summary/standard/deep)--output: 输出文件
Step 4: Calculate Valuation
python scripts/valuation_calculator.py \
--input "${stock_dir}/stock_data.json" \
--methods dcf,ddm,relative \
--discount-rate 10 \
--growth-rate 8 \
--output "${stock_dir}/valuation_result.json"
参数说明：
--input: 股票数据文件--methods: 估值方法 (dcf/ddm/relative/all)--discount-rate: 折现率(%)--terminal-growth: 永续增长率(%)--growth-rate: 永续增长率兼容别名(%)--margin-of-safety: 安全边际(%)--format: 输出格式 (json/table)--quiet: 静默模式--output: 输出文件
Step 5: Generate Report
读取分析结果，参考 templates/analysis_report.md 模板生成中文分析报告。
报告生成必检项（必须全部满足）：
0. 最终报告必须落盘为 Markdown 文件（.md）
- 必须包含“新闻与舆情”章节
- 必须使用
stock_data.json中的news_sentiment/news_items填充对应字段 - 若新闻抓取失败，需在报告中明确写出失败原因（来自
news_sentiment.error） - 不允许省略模板中
summary_title与“业绩与审计信号”章节 - 若
stock_data.json包含realtime_metrics，报告必须包含“实时指标看板”章节（趋势/确认/风险/筹码） - 若
stock_data.json包含event_window，报告必须包含“事件窗口反应”内容（事件数、后1/3/5日收益、后1/3/5日超额收益） - 若
realtime_metrics存在，综合评分必须采用 财务40% + 实时60%（实时优先）
报告结构（标准级）：
- 公司概况：基本信息、主营业务
- 财务健康：资产负债表分析
- 盈利能力：杜邦分析、利润率趋势
- 成长性分析：营收/利润增长趋势
- 实时指标看板：趋势/确认/风险/筹码
- 事件窗口分析：事件后收益与超额收益
- 估值分析：DCF/DDM/相对估值
- 风险提示：财务异常检测、股东减持
- 投资结论：综合评分、操作建议（实时优先）
报告标题规范：
summary_title使用格式：股票名称(股票代码)：总结性结论- 示例：
贵州茅台(600519)：财务稳健，估值与风险匹配度较好
输出文件：
${stock_dir}/final_report.md
Step 6: humanize Output
读取 ${stock_dir}/final_report.md，并调用 humanizer-zh skill 进行润色和优化。
输出文件：
${stock_dir}/final_report_humanized.md
Workflow 3: Industry Comparison (行业对比)
CLI方式（板块分析，推荐）
# 1) 获取板块数据
python scripts/sector_fetcher.py \
--sector-name "算力板块" \
--token "${TUSHARE_TOKEN}" \
--sector-file config/sector_computing_default.json \
--output "${stock_dir}/sector_data.json"
# 2) 生成板块分析结果 + Markdown报告
python scripts/sector_analyze.py \
--input "${stock_dir}/sector_data.json" \
--output "${stock_dir}/sector_analysis.json"
Step 1: Collect Comparison Targets
询问用户：
- 目标股票代码（可多个）
- 或者：行业分类 + 对比数量
Step 2: Fetch Industry Data
python scripts/data_fetcher.py \
--codes "600519,000858,002304" \
--token "${TUSHARE_TOKEN}" \
--data-type comparison \
--output industry_data.json
或按行业获取：
python scripts/data_fetcher.py \
--industry "白酒" \
--token "${TUSHARE_TOKEN}" \
--top 10 \
--output industry_data.json
Step 3: Generate Comparison
python scripts/financial_analyzer.py \
--input industry_data.json \
--mode comparison \
--output comparison_result.json
Step 4: Present Comparison Table
| 指标 | 贵州茅台 | 五粮液 | 洋河股份 | 行业均值 |
|---|---|---|---|---|
| PE | 25.3 | 18.2 | 15.6 | 22.4 |
| ROE | 30.2% | 22.5% | 20.1% | 18.5% |
| 毛利率 | 91.5% | 75.2% | 72.3% | 65.4% |
| 评分 | 85 | 78 | 75 | - |
Workflow 4: Valuation Calculator (估值计算)
Step 1: Collect Valuation Parameters
询问用户估值参数（或使用默认值）：
DCF模型参数：
- 折现率 (WACC): 默认10%
- 预测期: 默认5年
- 永续增长率: 默认3%
DDM模型参数：
- 要求回报率: 默认10%
- 股息增长率: 使用历史数据推算
相对估值参数：
- 对比基准: 行业均值 / 历史均值
Step 2: Run Valuation
python scripts/valuation_calculator.py \
--code "600519" \
--methods all \
--discount-rate 10 \
--terminal-growth 3 \
--forecast-years 5 \
--margin-of-safety 30 \
--output valuation.json
Step 3: Present Valuation Results
| 估值方法 | 内在价值 | 当前价格 | 安全边际价格 | 结论 |
|---|---|---|---|---|
| DCF | ¥2,150 | ¥1,680 | ¥1,505 | 低估 |
| DDM | ¥1,980 | ¥1,680 | ¥1,386 | 低估 |
| 相对估值 | ¥1,850 | ¥1,680 | ¥1,295 | 合理 |
Financial Anomaly Detection (财务异常检测)
在分析过程中自动检测以下异常信号：
检测项目
应收账款异常
- 应收账款增速 > 营收增速 × 1.5
- 应收账款周转天数大幅增加
现金流背离
- 净利润持续增长但经营现金流下降
- 现金收入比 < 80%
存货异常
- 存货增速 > 营收增速 × 2
- 存货周转天数大幅增加
毛利率异常
- 毛利率波动 > 行业均值波动 × 2
- 毛利率与同行严重偏离
关联交易
- 关联交易占比过高（> 30%）
股东减持
- 大股东近期减持公告
- 高管集中减持
风险等级
- 🟢 低风险：无明显异常
- 🟡 中风险：1-2项轻微异常
- 🔴 高风险：多项异常或严重异常
A-Share Specific Analysis (A股特色分析)
政策敏感度
根据行业分类提供政策相关提示：
- 房地产：房住不炒政策
- 新能源：补贴政策变化
- 医药：集采政策影响
- 互联网：反垄断、数据安全
股东结构分析
- 控股股东类型（国企/民企/外资）
- 股权集中度
- 近期增减持情况
- 质押比例
Output Format
JSON/Table输出格式
- 默认
json - 可选
--format table用于终端快速查看 - 使用
--quiet可关闭过程日志
所有脚本输出JSON格式，便于后续处理：
{
"code": "600519",
"name": "贵州茅台",
"analysis_date": "2025-01-25",
"level": "standard",
"summary": {
"score": 85,
"conclusion": "低估",
"recommendation": "建议关注"
},
"financials": { ... },
"valuation": { ... },
"risks": [ ... ]
}
Markdown报告
生成结构化的中文Markdown报告，参考 templates/analysis_report.md。
Data Contract
核心数据结构由 scripts/data_contract.py 约束。分析脚本会在运行前校验：
- 顶层必需字段：
code/fetch_time/data_type/basic_info - 常用可选字段：
financial_data/financial_indicators/valuation/price/holder/dividend - 新闻相关字段：
news_items/news_sentiment - 业绩审计字段：
performance_data（含forecast/express/audit/main_business） - 报表字段要求：
financial_data.balance_sheet必须是数组financial_data.income_statement必须是数组financial_data.cash_flow必须是数组
字段映射（Akshare -> Tushare）
| 兼容语义 | 当前字段（推荐） | 兼容别名/来源 |
|---|---|---|
| PE(TTM) | valuation.latest.pe_ttm |
valuation.latest.pe |
| PB | valuation.latest.pb |
- |
| 净利润 | financial_data.income_statement[].净利润 |
n_income |
| 经营现金流净额 | financial_data.cash_flow[].经营活动产生的现金流量净额 |
n_cashflow_act |
| 资本开支现金 | financial_data.cash_flow[].购建固定资产、无形资产和其他长期资产支付的现金 |
c_pay_acq_const_fiolta |
| ROE | financial_indicators[].净资产收益率 |
roe |
| 资产负债率 | financial_indicators[].资产负债率 |
debt_to_assets |
Error Handling
网络错误
如果tushare数据获取失败，提示用户：
- 检查网络连接
- 稍后重试（可能是接口限流）
- 尝试更换数据源
股票代码无效
提示用户检查股票代码是否正确，提供可能的匹配建议。
数据不完整
对于新上市股票或财务数据不完整的情况，说明数据限制并基于可用数据进行分析。
Best Practices
- 数据时效性：财务数据以最新季报/年报为准，价格数据为当日收盘价；开启
--with-realtime/--with-event-window时补充趋势与事件冲击的动态指标 - 投资建议：所有分析仅供参考，不构成投资建议
- 风险提示：始终包含风险提示，特别是财务异常检测结果
- 对比分析：单只股票分析时，自动包含行业均值对比
- 评分权重：实时数据存在时使用
财务40% + 实时60%；实时缺失时退化为财务分
Important Notes
- 所有分析基于公开财务数据，不涉及任何内幕信息
- 估值模型的参数假设对结果影响较大，需向用户说明
- A股市场受政策影响较大，定量分析需结合定性判断