股海罗盘 - A股股票分析选股工具

SKILL.md

---
name: 股海罗盘 - A股股票量化分析
description: A股炒股选股量化工具 - 16维数据深度分析，自学习预判引擎，趋势预测，自动报告。直接HTTP采集新浪/腾讯/东方财富数据+WebAPI量化分析。支持自动生成DOCX分析报告。
metadata:
  {
    "openclaw": {
      "emoji": "📊"
    }
  }
homepage: https://www.oraskl.com/ghdata-admin
---

# 股海罗盘（gh-data）— A 股股票量化分析技能

**无需 MCP，纯 Python HTTP 直连采集 + WebAPI 量化分析。**

---

## 配置

```json
{
  "skills": {
    "entries": {
      "ghdata_analyze": {
        "config": {
          "webapi_url": "http://api.topeasychina.com:15099/api",
          "webapi_timeout": 30,
          "doc_dir": "./doc"
        }
      }
    }
  }
}
```

| 配置项 | 默认值 | 说明 |
|:-------|:-------|:-----|
| `webapi_url` | `http://api.topeasychina.com:15099/api` | WebAPI 地址（含端口） |
| `webapi_timeout` | `30` | HTTP 请求超时（秒） |
| `doc_dir` | `./doc` | 报告输出目录 |

> **配置生效规则**（优先级从高到低）：  
> 1. 上述 `config` 配置  
> 2. `{技能目录}/settings.json` 文件  
> 3. 环境变量 `GHDATA_API_URL`  
> 4. 代码默认值

---

## 🚀 核心工作流（每次分析必须执行）

每次分析一只股票，必须完成以下三阶段：

```
阶段 A：数据采集      ─→  阶段 B：量化分析    ─→  阶段 C：报告输出
  HTTP直连公开API       POST WebAPI分析API      生成DOCX报告+K线图
  (新浪/腾讯/东方财富)  (技术指标/信号/预测)     (16维/评分/预判)
```

---

### 阶段 A：16 维数据采集

技能内置 Python 模块 `ghdata/data_fetcher.py`，直接 HTTP 采集以下数据源：

| # | 数据维度 | 数据源 | 函数 |
|:-:|:---------|:-------|:-----|
| 1 | 实时行情 | 新浪 + 腾讯双源交叉 | `fetch_realtime(code)` |
| 2 | 日K线数据 | 腾讯 ifzq.gtimg.cn | `fetch_kline(code, days)` |
| 3 | 今日分时 | 腾讯 qt.gtimg.cn 分钟数据 | `fetch_today_tick(code)` |
| 4 | 资金流向 | 同花顺 stockpage.10jqka | `fetch_money_flow(code, days)` |
| 5 | 融资融券 | 东方财富 DataCenter | `fetch_margin_trading(code, days)` |
| 6 | 机构持仓 | 东方财富 DataCenter | `fetch_main_holdings(code)` |
| 7 | 股东增减持 | 东方财富 DataCenter | `fetch_shareholder_trade(code)` |
| 8 | 高管持股变动 | 东方财富 DataCenter | `fetch_executive_change(code)` |
| 9 | 财务数据 | 东方财富 DataCenter | `fetch_financial(code)` |
| 10 | 资产负债表 | 东方财富 DataCenter | `fetch_balance_sheet(code)` |
| 11 | 利润表 | 东方财富 DataCenter | `fetch_income_statement(code)` |
| 12 | 现金流量表 | 东方财富 DataCenter | `fetch_cashflow(code)` |
| 13 | 分红历史 | 东方财富 DataCenter | `fetch_dividend(code)` |
| 14 | 券商研报 | 东方财富 DataCenter | `fetch_research_report(code)` |
| 15 | 机构调研 | 东方财富 DataCenter | `fetch_institutional_survey(code)` |
| 16 | 限售解禁 | 东方财富 DataCenter | `fetch_unlock_data(code)` |

**Python 代码（直接在 CMD 中执行）：**

```python
import sys, os
sys.path.insert(0, os.path.dirname(__file__))
from ghdata import data_fetcher as fetcher
from ghdata import config

def collect_all(code: str) -> dict:
    """16维数据一次性采集（全部HTTP直连，零外部依赖）"""
    data = {}
    data["realtime"] = fetcher.fetch_realtime(code)          # 实时行情
    data["kline"] = fetcher.fetch_kline(code, 120)           # 日K线
    data["tick"] = fetcher.fetch_today_tick(code)            # 今日分时
    data["moneyFlow"] = fetcher.fetch_money_flow(code, 10)   # 资金流向
    data["margin"] = fetcher.fetch_margin_trading(code, 10)  # 融资融券
    data["holdings"] = fetcher.fetch_main_holdings(code)     # 机构持仓
    data["shareholder"] = fetcher.fetch_shareholder_trade(code) # 股东增减持
    data["executive"] = fetcher.fetch_executive_change(code) # 高管变动
    data["financial"] = fetcher.fetch_financial(code)        # 业绩报表
    data["balance"] = fetcher.fetch_balance_sheet(code)      # 资产负债表
    data["income"] = fetcher.fetch_income_statement(code)    # 利润表
    data["cashflow"] = fetcher.fetch_cashflow(code)          # 现金流量表
    data["dividend"] = fetcher.fetch_dividend(code)          # 分红历史
    data["research"] = fetcher.fetch_research_report(code)   # 券商研报
    data["survey"] = fetcher.fetch_institutional_survey(code)# 机构调研
    data["unlock"] = fetcher.fetch_unlock_data(code)         # 限售解禁
    data["industry"] = fetcher.fetch_industry_info(code)     # 行业板块
    return data
```

---

### 阶段 B：量化分析（WebAPI）

采集完数据后，调用 WebAPI 进行量化分析：

```python
from ghdata import db_manager as db

# 调用 WebAPI 获取全量分析结果
result = db.kline_analyze(code, today_kline=None)
# 返回包含：
#   indicators  → MA5/MA10/MA20/MA60/MACD/KDJ/RSI/量比
#   signals     → 偏多/偏空/中性 汇总
#   patterns    → 大涨后规律/大跌后规律/支撑/阻力
#   accuracy    → 全部历史/近60日/近30日 准确率
#   prediction  → 方向/T+1/T+2/中期方向 + 价格区间
#   learning    → 自学习规律跟踪摘要
```

**WebAPI 地址通过配置中的 `webapi_url` 设置。**

---

### 阶段 C：报告生成

```python
from ghdata import reporter
from ghdata import chart

# 1. 生成 K 线图
chart.generate_kline_chart(klines, ...)

# 2. 生成 14 章完整 DOCX 报告
reporter.generate(code, extra_data={
    "holdings": {"points": [...], "conclusion": "..."},
    "money_flow": {"points": [...], "conclusion": "..."},
    # ... 其他维度数据
})
```

---

## 📊 14 章分析报告结构（最终定版）

| # | 章节 | 核心内容 | 展示格式 | 数据源 |
|:-:|:-----|:---------|:---------|:-------|
| 一 | 公司概况 | 主营业务 + 行业地位 + 市值 | 段落 | WebAPI |
| 二 | 实时行情 | 最新价/涨跌/PE/PB/市值 | 表格 | 新浪+腾讯 |
| 三 | 机构持仓分析 | 机构家数/持股/变动 | 数据表 + analysis_points | extra_data.holdings |
| 四 | 资金流向分析 | 近10日净流入/大单占比 | 数据表 + analysis_points | extra_data.money_flow |
| 五 | 融资融券分析 | 融资余额/净买/占比 | 数据表 + analysis_points | extra_data.margin_trading |
| 六 | 高管及大股东行为 | 增持/减持记录 | 数据表 + analysis_points | extra_data.shareholder_trade |
| 七 | 核心财务分析 | 7.1业绩/7.2利润/7.3资产/7.4现金流 | 数据表 + fin_analysis（短段落） | extra_data.financial_report |
| 八 | 合理股价分析 | 8.1PE/8.2PB/8.3综合区间+术语表 | 表格+段落（EPS/BVPS由PE/PB和最新价动态计算，禁止硬编码） | WebAPI |
| 九 | 分红历史 | 近年分红方案 | 数据表 + analysis_points | extra_data.dividend |
| 十 | **综合评分** | 5维度加权评分 | 加权总分公式展示 | 本地计算 |
| 十一 | K线技术分析 | 11.1均线/11.2MACD/11.3KDJ/11.4RSI/11.5信号总表 | 指标表 + 信号总表 | WebAPI indicators |
| 十二 | **方向预测** | 12.1方向判定与评分→12.2准确率→12.3 T+1→12.4 T+2→12.5周方向+判断依据 | 表格化依据 | WebAPI prediction |
| 十三 | 历史规律总结 | 4条规律（大涨后/大跌后/支撑位/阻力位）场景化展示 | 场景化展示 | WebAPI patterns |
| 十四 | 风险提示 | 6条动态风险 | 列表 | 综合生成 |

### 三种分析展示格式

| 函数 | 适用场景 | 展示方式 |
|:----|:---------|:---------|
| **analysis_points(标题, [要点列表], 结论=)** | 机构/资金/两融/高管/分红 | 数据表下方 → 编号表格 + 加粗结论行 |
| **fin_analysis(标题, 段落)** | 财务四大表解读（业绩/利润/资产/现金流） | 数据表下方 → 简短段落（1~2句话，白话解读） |
| **信号总表** | 技术面综合 | 统一表格 → 汇总行（偏多X/偏空Y/中性Z） |

#### fin_analysis 使用规则（财务解读）

**四张财务表（7.1业绩/7.2利润/7.3资产/7.4现金流）每张都必须带有 fin_analysis 解读或结论**，不能只有数据表没有下文。每张表结束后都必须有一段白话解读，告诉用户这个数意味着什么。

**正确的做法（数据在前，解读在后）：**

```
┌──────────────┬──────────┬──────────┐
│  指标        │ 本期      │ 同比      │
├──────────────┼──────────┼──────────┤
│  营业收入    │ 3500亿   │ +12.5%   │
│  营业利润    │ 420亿    │ +18.3%   │
│  净利润      │ 320亿    │ +52.0%   │
└──────────────┴──────────┴──────────┘

▶ 利润表解读：本期净利润320亿，同比大增52%，主要受益于产品价格高位运行和产能提升。盈利能力持续增强，毛利率和净利率均创近年新高。
```

**错误的做法（只有数据没有结论）：** ❌ 不允许

```
┌──────────────┬──────────┬──────────┐
│  指标        │ 本期      │ 同比      │
├──────────────┼──────────┼──────────┤
│  营业收入    │ 3500亿   │ +12.5%   │
│  ...         │ ...      │ ...      │
└──────────────┴──────────┴──────────┘
```

财务报表的 fin_analysis 必须回答三个问题：
1. **好不好？** — 盈利能力是增强还是减弱
2. **为什么？** — 变化的核心驱动因素（量/价/成本）
3. **趋势如何？** — 未来可能的方向

---

## 🔑 APIKey 管理

技能首次使用自动生成本地标识 Key，保存在 `~/.ghdata/ghdataapikey`。

| 版本 | 每日限额 | 费用 |
|:----|:--------|:-----|
| 🆓 免费版 | 3 次/工具/日 | 免费 |
| 💰 付费版 | 100 次/工具/日 | 需购买 |

**购买地址：** https://www.oraskl.com/ghdata-admin  
**付费后替换文件内容：** 将购买的密钥写入 `~/.ghdata/ghdataapikey`

**使用原则：**
- APIKey 是付费资源，**不要随便消耗调用次数**
- 同一只股票同一日仅调用一次 WebAPI，分析结果复用
- 调用前先检查是否已有缓存数据，避免重复请求
- 非必要不调 `db_manager.analyze_kline()`，尤其批量操作时垫高用量

---

## 📈 综合评分加权公式（定版）

```
总分 = 基本面×0.35 + 估值面×0.20 + 技术面×0.15 + 资金面×0.20 + 情绪面×0.10
评级：≥80优秀 🏆 | ≥65良好 ✅ | ≥50一般 ⚠️ | <50较差 ❌
```

| 维度 | 权重 | 说明 |
|:----|:----:|:-----|
| 基本面 | 35% | 营收/利润/ROE 趋势 |
| 估值面 | 20% | PE/PB 历史分位 |
| 技术面 | 15% | 均线/MACD/KDJ/RSI 信号 |
| 资金面 | 20% | 主力资金流向/大单占比 |
| 情绪面 | 10% | 换手率/量比/市场情绪 |

---

## 🔴 方向预测铁律（Andy 铁律 — 必须严格遵循）

### 1. 方向预测展现顺序

方向预测章节内容必须按以下顺序排列：

```
方向判定(结论) → 准确率(可信度) → T+1(具体价格) → T+2 → 周方向 → 判断依据(理由)
```

符合「结论→支撑」的认知逻辑。

### 2. 方向判定 + 置信度

```
📈 方向：偏多  🎯 评分：6.5/10  [████████░░░░░░░]
```

方向：偏多 / 震荡偏多 / 震荡 / 震荡偏空 / 偏空  
评分：0~10 分，附进度条

### 3. 历史准确率 — 三时段展示（Andy 铁律）

方向预测前必须输出历史准确率，分三时段展示：

```
历史准确率：
  ✅ 全部历史：6/8 = 75.0%  [█████████░░░░░░░]  (正确数/总数)
  ⚠️ 近60日：4/7 = 57.1%   [███████░░░░░░░░░]  (正确数/总数)
  ❌ 近30日：1/3 = 33.3%   [████░░░░░░░░░░░░]  (正确数/总数)
```

**规则：**
- ❌ **不展示偏多方向准确率**（Andy 明确要求去掉，仅保留上述三行）
- ✅ 展示全部准确率 + 近60日 + 近30日
- 格式：`时段：Z.Z% [███████░░░░░░░] (正确数/总数)`
- 按「全部→60日→30日」顺序排列
- 进度条总长 20 格

### 4. 股价预测范围 — 三要素铁律

做量化股价预测时，**必须同时输出以下三个范围要素**：

| 要素 | 含义 | 示例 |
|:----|:-----|:-----|
| **预测股价范围** | 综合判断的合理波动区间（最低~最高） | 6.85 ~ 7.10 元 |
| **最高值范围** | 压力位上方的极限高值区 | 7.05 ~ 7.15 元 |
| **最低值范围** | 支撑位下方的极限低值区 | 6.78 ~ 6.88 元 |
| **置信度** | 本次预测的可信程度（0~100%） | 75% |

没有范围只有方向 = **无效预测**。用户要的是「多少钱能买、多少钱能卖」，不是「涨还是跌」。

### 5. T+1 预测（下一交易日）

```
📅 T+1预测：偏多  置信度：75%
  预测区间：   6.85 ~ 7.10 元
  最高值范围： 7.05 ~ 7.15 元
  最低值范围： 6.78 ~ 6.88 元
  价格中心：   6.98 元
  💡 短线可关注
```

必须包含：
- 方向判定
- 置信度
- 预测区间（最低~最高）
- 最高值范围 / 最低值范围
- 预期价格中心
- 操作建议

### 6. T+2 预测（格式同上）

```
📅 T+2预测：偏多  置信度：70%
  预测区间：   6.80 ~ 7.15 元
  最高值范围： 7.10 ~ 7.20 元
  最低值范围： 6.72 ~ 6.82 元
  价格中心：   6.98 元
  💡 可持票待涨
```

### 7. 周方向

```
📅 周方向：震荡偏多
  ✅ MA60上方支撑，中期趋势向上
```

必须包含周方向（Andy 确认）。

### 8. 判断依据 — 二维表展示

```
判断依据：
┌──────────┬──────────────────────────────────────────┬──────────┐
│  维度     │  内容                                    │  信号    │
├──────────┼──────────────────────────────────────────┼──────────┤
│  📐 技术面 │ 均线多头排列 MA5>MA10>MA20                  │  偏多    │
│  📐 技术面 │ MACD零轴上金叉，红柱扩大                      │  偏多    │
│  🔍 模式   │ 近3日量价齐升，突破箱体上沿                   │  偏多    │
│  🛡️ 支撑   │ 20日均线支撑有效，回踩不破                    │  偏多    │
│  ⚠️ 风险   │ RSI进入超买区(72)，注意短线回调风险            │  偏空    │
└──────────┴──────────────────────────────────────────┴──────────┘
```

3~5条依据，涵盖：技术面 + 模式识别 + 支撑/压力 + 风险因素

---

## 📈 历史规律展示格式（定版）

### 场景化标题

用用户秒懂的语言，不用工程师腔：

| ❌ 旧格式 | ✅ 新格式 |
|:---------|:---------|
| 大涨后回调特征 | 某天突然大涨超过3%，之后3天会怎样？ |
| 大跌后反弹规律 | 某天突然暴跌超过3%，之后3天能抄底吗？ |
| 阻力位规律 | 股价涨到这个位置总是过不去？ |
| 支撑位规律 | 股价跌到这里就跌不动了？ |

### 展示模板

```
🔥 某天突然大涨超过3%，之后3天会怎样？
  📈 历史上出现 12次
  ✅/⚠️ 准确率 75.0% [███████████░░░░░░░]
     总共出现12次 | 符合9次 | 准确率75.0%
  💡 操作参考：大涨后逢高减仓，不宜追高
  📌 最近案例：2026-06-15 大涨4.2%，之后3日累计+1.1%
```

### 已识别规律（由服务端 POST /api/klineanalyze 自动返回）

| 规律 | 说明 |
|:----|:------|
| 大涨后回调规律 | >3%大涨后3日上涨概率低，不宜追高 |
| 大跌后反弹规律 | <-3%大跌后3日反弹概率高，可低吸 |
| 阻力位规律 | 统计历史上攻失败价位 |
| 支撑位规律 | 统计历史回踩获撑价位 |
| 回调性质判断 | MACD绿柱长度+KDJ极端程度区分趋势性下跌vs震荡回调 |

> 上述规律由服务端 `KlineAnalyzeService.MinePatterns()` 自动计算。  
> **注意：** C# 中 `??` 运算符优先级低于 `-`，格式 `%` 说明符会 `×100`，已踩坑修复。

---

## 📚 自学习规律跟踪

API 返回 `learningSummary` 字段，从 `stock_patterns` 表读取历史规律记录。

### 展示格式

```
📚 规律学习摘要
  ──────────────────────────────────────────
  规律#1（大涨后回调）第5次验证：大涨后3日下跌概率上升 ✅
  方向准确率：68%→75%（+7次验证）
  ──────────────────────────────────────────
  规律#2（大跌后反弹）第3次验证：大跌后反弹有效性稳定 ⚠️
  方向准确率：62%→63%（+2次验证）
```

### 处理逻辑
- 按 `pattern_type` 分组
- 统计验证次数（`verifyCount`）
- 对比最新与上一次的概率变化，生成更新描述
- 同时输出方向准确率（全部历史预测）

---

## 📐 T+1/T+2/周方向推算逻辑

DB 的 `predictions` 表没有 `t1_direction`/`t2_direction`/`weekly_direction` 数据（PredictorService 只算主方向）。

`KlineAnalyzeService` 在返回前通过 `SubDirectionEstimator` 自动推算：

| 主方向 | T+1/T+2 推算规则 |
|:------|:----------------|
| **偏多 / 偏空** | T+1/T+2 跟随主方向 |
| **震荡偏多** | 除非单日暴跌 >1.8%，才修正为「震荡」 |
| **震荡偏空** | 除非单日暴涨 >1.8%，才修正为「震荡」 |
| **震荡** | 根据涨跌幅判断偏向 |

---

## 🌟 报告内容人性化原则

1. **场景化标题：** 把「大涨后回调特征」改为「某天突然大涨超过3%，之后3天会怎样？」— 用户秒懂
2. **可视化符号：** `✅/❌/📈/📉/🔴/🟢` 比文字更快传递信息
3. **操作建议：** 每次规律后给一句操作参考（如「大涨后逢高减仓」），用户看报告是为了决策
4. **出现次数+准确率单独展示：** 拆成「总共出现N次 | 符合M次 | 准确率Z% + 进度条」
5. **数据单位人性化：** volume(股)→手，amount(元)→万元/亿元

---

## 📝 更高质量报告

如需生成排版更精美的报告（灵活字体/颜色/布局/多图组合），LLM 可自行编写脚本调用 `ghdata/data_fetcher.py` 的数据采集函数生成 DOCX，`reporter.py` 仅作为兜底方案。

---

## 🔴 铁律：WebAPI 无数据时付费内容占位策略

当服务端量化引擎返回空数据（APIKey无效或额度用完），**严禁**使用本地纯数学规则生成虚假预测。

**原因：** 本地纯数学规则没有历史回测验证、没有准确率追踪、没有自学习积累，输出结果无可靠度评估，等于给客户幻觉数据。

✅ **正确做法：生成付费内容占位章节，而非直接跳过。** 章节十一（K线技术分析）、十二（方向预测）、十三（历史规律总结）在检测不到量化数据时，自动生成红色标记的付费内容提示 + 该章节付费后可查看内容的详细描述。这样客户即使没有付费也能看到付费后能获得什么，利于转化销售。

### 占位展示效果

```
🔴 【付费内容】十一、K线技术分析  当前APIKey无效或额度已用完，以下为付费后可查看的完整内容预览：
  📌 均线分析：MA5/MA10/MA20/MA60数值及排列形态...
  📌 MACD指标：DIF/DEA数值、金叉/死叉信号...
  📌 ...
💳 购买APIKey：https://www.oraskl.com/ghdata-admin
```

### 处理流程

```
服务端量化引擎请求 → 检测返回数据是否有效
  ├─ 有数据 → 正常生成完整分析（章节十一~十三全内容）
  └─ 无数据 → 生成付费内容占位
               （含红字付费标记 + 内容预览 + 购买链接）
```

---

## ⚠️ 数据注意事项

- **新浪财经** `hq.sinajs.cn` 是实时收盘价最可靠来源
- **腾讯分钟数据** 成交量是累计值！需差分计算
- **同花顺资金流向** 收盘价可能不准确，须用新浪验证
- **股票代码：** 60xxx/68xxx=上海，00xxx/30xxx=深圳
- **今日K线（todayKline）：** 盘中必传（客户端自拉腾讯API实时K线，18:00前DB无今日数据）；收市后可不传（18:00日更新服务已将今日K线写入DB）
- **K线图（LINE_CHART）：** 仍需通过 `generate_kline_chart` 工具生成PNG（工具内部自拉腾讯API）
- **技术指标/信号/规律/准确率：** 均由服务端统一计算（POST `/api/klineanalyze`），客户端不再本地计算
- **无数据=无价值：** 降级版（lite）对用户毫无意义，要么拿全数据出完整版，要么不出
- **🔴 禁止硬编码：** 任何代码和规则中**不得出现针对某只股票的特化数据**（如 `eps_est=0.26` 这种特定股票的EPS、行业描述、行业PE/PB均值等）。所有数据必须从API实时获取或从已有数据动态计算（如 EPS = price / PE）。SKILL.md 中的示例必须使用通用占位符，不得出现具体股票名称。

### DOCX 报告数据单位人性化

| 字段 | 原始单位 | 报告展示单位 |
|:----|:--------|:-----------|
| volume | 股 | 手（÷100） |
| amount | 元 | 万元（÷10000）或亿元（÷100000000） |
| 流通市值/总市值 | 元 | 亿元 |

---

## 📄 风险提示与免责声明

本报告仅供参考，**不构成任何投资建议**。投资者据此操作，风险自担。

数据来源：新浪财经(hq.sinajs.cn)、腾讯财经(qt.gtimg.cn/ifzq.gtimg.cn)、东方财富(datacenter-web.eastmoney.com)、同花顺(stockpage.10jqka.com.cn)

**股票投资有风险，历史数据不代表未来表现。**