china-stock-analysis

SKILL.md

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

pip install akshare pandas numpy

依赖检查

在执行任何分析前，先检查akshare是否已安装：

python -c "import akshare; print(akshare.__version__)"

如果未安装，提示用户安装：

pip install akshare

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

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" \
    --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

--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 2: Fetch Stock Data

python scripts/data_fetcher.py \
    --code "600519" \
    --data-type all \
    --years 5 \
    --output stock_data.json

参数说明：

--code: 股票代码

--data-type: 数据类型 (basic/financial/valuation/holder/all)

--years: 获取多少年的历史数据

--output: 输出文件

Step 3: Run Financial Analysis

python scripts/financial_analyzer.py \
    --input stock_data.json \
    --level standard \
    --output analysis_result.json

参数说明：

--input: 输入的股票数据文件

--level: 分析深度 (summary/standard/deep)

--output: 输出文件

Step 4: Calculate Valuation

python scripts/valuation_calculator.py \
    --input stock_data.json \
    --methods dcf,ddm,relative \
    --discount-rate 10 \
    --growth-rate 8 \
    --output 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(%)

--growth-rate: 永续增长率(%)

--margin-of-safety: 安全边际(%)

--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

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

Workflow 3: Industry Comparison (行业对比)

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" \
    --data-type comparison \
    --output industry_data.json

或按行业获取：

python scripts/data_fetcher.py \
    --industry "白酒" \
    --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输出格式

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。

Error Handling

网络错误

如果akshare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

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

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