Factorlab

SKILL.md

---
name: factorlab
description: "FactorLab 因子实验室 — 基于开源金工研报的多因子选股分析工具。对A股股票进行因子切割论（理想反转/理想振幅/长端动量）三因子评分，给出明确的购买建议（强烈推荐买入/建议买入/观望/不建议买入）。当用户询问某只股票是否值得买入、是否值得购买、因子分析、多因子评分、选股建议、股票评分、量化分析时触发此技能。"
agent_created: true
---

# FactorLab 因子实验室

## 概述

FactorLab 是基于开源证券金融工程研报整理的多因子选股分析系统。通过因子切割论（3因子模型）对A股股票进行量化评分，给出明确的购买建议。

核心能力：
- **单股深度分析**：输入股票代码，输出完整的因子明细 + 购买建议
- **批量扫描筛选**：扫描股票池，按因子评分排名，快速筛选高分标的
- **购买建议**：基于因子切割论三因子综合评分，给出4级建议（强烈推荐买入 / 建议买入 / 观望 / 不建议买入）及看多理由和风险提示

## 触发场景

当用户出现以下意图时使用此技能：
- 询问某只股票"是否值得买入/购买"
- 请求对股票进行因子分析、量化评分
- 要求多因子选股、筛选高分股票
- 询问因子切割论分析、理想反转/振幅/动量因子
- 提供股票代码要求分析建议

## 快速开始

### 前置条件

脚本使用纯Python标准库实现，无需安装第三方包即可运行（模拟数据模式）。若需获取实时行情数据，需安装 pytdx：

```bash
pip install pytdx
```

### Python 运行时

使用以下 Python 解释器执行脚本：
```
C:\Users\xfb\.workbuddy\binaries\python\versions\3.13.12\python.exe
```

### 单股分析（最常用）

```bash
python scripts/analyze.py <股票代码>
```

示例：
```bash
python scripts/analyze.py 000001          # 分析平安银行
python scripts/analyze.py 600519          # 分析贵州茅台
python scripts/analyze.py 000001 --json   # JSON格式输出
python scripts/analyze.py 000001 --no-live # 使用模拟数据（不连接TDX）
```

### 批量扫描

```bash
python scripts/analyze.py --batch                          # 扫描默认股票池
python scripts/analyze.py --batch --codes 000001,600519    # 扫描指定股票
python scripts/analyze.py --batch --min-score 60 --top 10  # 评分≥60，取前10
python scripts/analyze.py --batch --no-live                # 模拟数据模式
```

脚本路径相对于技能目录：`~/.workbuddy/skills/factorlab/scripts/analyze.py`

## 工作流程

### 场景1：用户问"000001是否值得买入"

1. 运行 `python scripts/analyze.py 000001` 获取分析报告
2. 读取输出中的"购买建议"部分
3. 结合因子明细和风险提示，用自然语言向用户解释是否值得购买及原因
4. 如需更详细的因子理论解释，参考 `references/factor_theory.md`

### 场景2：用户问"帮我筛选几只值得买的股票"

1. 运行 `python scripts/analyze.py --batch --min-score 60 --top 10` 批量扫描
2. 从结果中挑选评分较高的股票
3. 对TOP候选股逐一运行单股分析获取详细报告
4. 综合给出推荐列表和购买建议

### 场景3：用户问"这只股票因子表现怎么样"

1. 运行 `python scripts/analyze.py <股票代码> --json` 获取结构化数据
2. 解读三个因子的原始值和子分
3. 参考 `references/factor_theory.md` 解释因子含义
4. 给出因子层面的综合判断

## 输出解读

### 购买建议等级

| 建议 | FactorLab评分 | 含义 |
|------|--------------|------|
| 🔥 强烈推荐买入 | ≥80 | 三因子共振，逢低布局 |
| ✅ 建议买入 | ≥65 | 因子偏多，小仓位试探 |
| ⚡ 观望 | ≥50 | 信号中性，等待明确信号 |
| ❌ 不建议买入 | <50 | 风险大于收益，暂回避 |

FactorLab评分 = 理想反转×35% + 理想振幅×30% + 长端动量×35%

### 关键指标

- **FactorLab评分**: 因子切割论综合评分（0-100分），三因子加权平均
- **置信度**: 购买建议的可信度，0-100%
- **看多因子数**: 三因子中达标的数量（0-3），3个全部达标为"三因子共振"
- **数据源**: 📡实时数据（TDX行情）/ 🔬模拟数据（测试用）

### 因子方向速查

| 因子 | 方向 | 达标阈值 | 权重 |
|------|------|----------|------|
| 理想反转 | 值越负越好 | < -0.02 | 35% |
| 理想振幅 | 值越负越好 | < -0.008 | 30% |
| 长端动量 | 值越大越好 | > 0.05 | 35% |

## 注意事项

1. **数据源标识**：输出中标注"🔬 模拟数据"时，结果不反映真实市场，仅用于测试。实际使用应确保TDX服务器连接正常（显示"📡 实时数据"）。
2. **数据要求**：长端动量因子需160根日K线，数据不足时该因子无法计算。
3. **非投资建议**：本系统基于历史数据的量化模型，不构成投资建议。AI在解读结果时应加入风险提示。
4. **输出格式**：默认输出Markdown格式，加 `--json` 可输出JSON格式便于程序化处理。

## 参考资料

- `references/factor_theory.md` — 因子理论详解：因子切割论三要素、三大因子定义、子分映射表、购买建议逻辑