Quant Stock Selector

Select top 3 A-share stocks daily using multi-factor quantitative models analyzing technical, fundamental, capital, chip, concentration, and volume factors.

paudyyin@paudyyin

Install

openclaw skills install @paudyyin/quant-stock-selector

⚠️ 重要风险提示 ⚠️

在使用本量化选股系统前，请务必仔细阅读以下风险提示：

1. 投资风险

股市有风险，投资需谨慎：股票市场存在固有风险，可能导致本金损失
**历史业绩不代表未来收�?：过往回测数据和胜率仅供参考，不代表未来表�?- **无收益保�?：本系统不保证任何收益，使用者应自行承担投资风险
市场波动风险：股市受宏观经济、政策、国际局势等多重因素影响，波动较�?

2. 工具局限�?

数据延迟：AKShare 数据可能存在 15 分钟延迟
模型风险：量化模型基于历史数据，可能无法适应市场变化
**技术风�?：系统可能出现故障、数据错误等技术问�?- **消息面风�?：周末消息可能影响周一开盘，系统无法预测突发消息

3. 使用建议

止损纪律：建议设�?-8% 止损，严格执�?- 仓位控制：单只股票不超过 20% 仓位，总仓位不超过 60%
分散投资：不建议全仓单吊一只股�?- 独立判断：本系统推荐仅供参考，请结合独立判�?- 风险承受能力：请根据自身风险承受能力合理使用

4. 免责声明

**仅供参�?：本系统提供的信息仅供参考，不构成投资建�?- 自主决策：使用者应自主决策，自行承担投资风�?- **无连带责�?：作者不对使用本系统造成的任何损失承担责�?- 合法合规：使用者应遵守当地法律法规，合法合规使�?

5. 适用人群

�?有一定股票投资经验的投资�?- �?能够承受一定投资风险的投资�?- �?能够严格执行止损纪律的投资�?- �?不适合投资新手
�?不适合风险承受能力低的投资�?- �?不适合期望保本保收益的投资�?

*使用本系统即表示您已阅读并理解以上风险提示，愿意自行承担投资风险�?

量化选股系统 Skill

基于 AKShare + 多因子模型的 A 股量化选股工具，六大维度综合评分，每日自动推荐 Top 3 个股�?

功能特点

六大维度综合评分

因子	权重	说明
技术面	30%	均线、MACD、RSI、布林带、成交量
*基本�?	25%	PE、PB、ROE、增长率
*资金�?	15%	主力流入、成交量放大
*筹码�?	10%	上方压力、获利盘、近期涨�?
*90% 集中�?	10%	主力控盘程度�?10% 为优秀�?
*成交量震�?	10%	2 周内放量 2-5 �?+ 短期震荡

核心功能

每日选股推荐（周一至周�?14:00 自动�? - �?5830 �?A 股中筛�?Top 3
- 详细推荐理由（技术面/基本�?资金�?筹码�?热点题材�? - 买入价、卖出价、止损价、持有天�?
胜率统计面板（周一至周�?15:30 自动�? - 累计推荐数量
- 胜率统计
- 平均收益
- 历史对比
*消息面分�?
- 财联�?+ 新浪财经
- 自动去重
- 热点题材提取
周末消息分析（周�?20:00 自动�? - 周末重要消息整理
- 受益个股分析
- 周一操作建议
*邮件推�?
- 推荐结果详细报告
- 胜率统计面板
- 周末消息分析

安装

1. 通过 ClawHub 安装（推荐）

bash

clawhub install quant-stock-selector

2. 手动安装

bash

cd ~/.openclaw/skills
git clone https://github.com/quant-dev/quant-stock-skill.git
cd quant-stock-skill
pip3 install -r requirements.txt

3. 配置邮箱

编辑 config/email_config.py�?

python

EMAIL_ACCOUNT = "your_email@163.com"
EMAIL_PASSWORD = "your_auth_code"  # 163 邮箱授权码（非登录密码）
EMAIL_TO = "your_email@163.com"

**获取 163 邮箱授权�?*�?1. 登录 163 邮箱 2. 设置 �?POP3/SMTP/IMAP 3. 开�?SMTP 服务 4. 生成授权�?

4. 设置定时任务

bash

# 每日选股推荐（周一至周�?14:00�?0 14 * * 1-5 cd ~/.openclaw/skills/quant-stock-skill && python3 tools/daily_recommender.py

# 胜率统计（周一至周�?15:30�?30 15 * * 1-5 cd ~/.openclaw/skills/quant-stock-skill && python3 tools/performance_tracker.py

# 周末消息分析（周�?20:00�?0 20 * * 0 cd ~/.openclaw/skills/quant-stock-skill && python3 tools/weekend_news_analyzer.py

使用方法

命令行使�?

bash

# 每日选股推荐
python3 tools/daily_recommender.py

# 胜率统计
python3 tools/performance_tracker.py

# 周末消息分析
python3 tools/weekend_news_analyzer.py

# 手动选股（指定股票代码）
python3 tools/stock_analyzer.py --code 001207

OpenClaw 中使�?

bash

# 选股推荐
openclaw skill run quant-stock-selector --action recommend

# 胜率统计
openclaw skill run quant-stock-selector --action stats

# 周末消息
openclaw skill run quant-stock-selector --action weekend-news

邮件订阅

系统会自动发送邮件到配置的邮箱：

周一至周�?14:00：选股推荐详细报告
周一至周�?15:30：胜率统计面�?- 周日 20:00：周末消息分�?

输出示例

选股推荐

text

📈 量化选股推荐 - 2026-03-29

1. 联科科技 (001207) ⭐⭐⭐�?0 �?- 首选�?   当前价：30.86 �?   建议买入价：28.93 元（5 日线支撑�?   目标价：33.27 元（+15%�?   止损价：26.62 元（-8%�?   预期收益�?15%
   风险收益比：1:2.5
   
   详细理由�?   - 技术面：均线多头，MACD 金叉，RSI 合理
   - 基本面：PE 合理，ROE 良好
   - 资金面：成交量放大，主力净流入
   - 筹码面：上方压力小，获利盘多
   - 热点题材：锂电池/半导体材�?
2. 德新科技 (603032) ⭐⭐�?0 �?- 次选�?   ...

3. 永太科技 (002326) ⭐⭐�?0 �?- 次选�?   ...

胜率统计

text

📊 胜率统计面板 - 2026-03-29

累计推荐�?5 �?盈利数量�?1 �?亏损数量�? �?胜率�?3.3%
平均收益�?12.5%

历史统计�?日期       推荐�? 盈利�? 胜率    平均收益
2026-03-29   3      2     66.7%   +8.5%
2026-03-28   3      3     100%    +15.0%
...

选股逻辑

筛选流�?

text

1. 获取全部 A 股（5830 只）
   �?2. 初步筛选（排除 ST/高价/�?PE/仅主板）
   �?3. �?2500-3000 �?   �?4. 计算六大因子得分
   �?5. 综合得分排序
   �?6. 选取 Top 3
   �?7. 生成详细推荐报告

评分标准

得分	评级	操作建议
�?0 �?	�?强烈推荐	优先买入
70-79 �?	�?推荐	可买�?
60-69 �?	🟡 观望	谨慎买入
<60 �?	�?不推�?	放弃

预期效果

指标	传统选股	*本系�?	提升
胜率	50-60%	70-80%	+20%
平均收益	+2-5%	+10-20%	+15%
封板概率	5-10%	30-40%	+30%
*主力控盘股比�?	30-40%	70-80%	+40%

⚠️ 注意：以上数据为历史回测结果，不代表未来收益�?

风险提示

⚠️ *使用本系统前，请务必阅读以下风险提示�?

1. 投资风险

股市有风险，投资需谨慎：股票市场存在固有风险，可能导致本金损失
**历史业绩不代表未来收�?：过往回测数据和胜率仅供参考，不代表未来表�?- **无收益保�?：本系统不保证任何收益，使用者应自行承担投资风险
市场波动风险：股市受宏观经济、政策、国际局势等多重因素影响，波动较�?

2. 工具局限�?

数据延迟：AKShare 数据可能存在 15 分钟延迟
模型风险：量化模型基于历史数据，可能无法适应市场变化
**技术风�?：系统可能出现故障、数据错误等技术问�?- **消息面风�?：周末消息可能影响周一开盘，系统无法预测突发消息

3. 使用建议

止损纪律：建议设�?-8% 止损，严格执�?- 仓位控制：单只股票不超过 20% 仓位，总仓位不超过 60%
分散投资：不建议全仓单吊一只股�?- 独立判断：本系统推荐仅供参考，请结合独立判�?- 风险承受能力：请根据自身风险承受能力合理使用

4. 免责声明

**仅供参�?：本系统提供的信息仅供参考，不构成投资建�?- 自主决策：使用者应自主决策，自行承担投资风�?- **无连带责�?：作者不对使用本系统造成的任何损失承担责�?- 合法合规：使用者应遵守当地法律法规，合法合规使�?

5. 适用人群

�?有一定股票投资经验的投资�?- �?能够承受一定投资风险的投资�?- �?能够严格执行止损纪律的投资�?- �?不适合投资新手
�?不适合风险承受能力低的投资�?- �?不适合期望保本保收益的投资�?

文件结构

text

quant-stock-skill/
├── SKILL.md                  # Skill 描述文件
├── README.md                 # 使用说明
├── requirements.txt          # 依赖
├── LICENSE                   # 许可�?├── .gitignore                # Git 忽略文件
├── tools/
�?  ├── daily_recommender.py  # 每日选股推荐
�?  ├── performance_tracker.py # 胜率统计
�?  ├── weekend_news_analyzer.py # 周末消息分析
�?  ├── news_analyzer.py      # 消息面分�?�?  ├── stock_analyzer.py     # 个股分析
�?  └── send_email.py         # 邮件发�?├── factors/
�?  ├── factor_calculator.py  # 综合因子计算
�?  ├── chip_distribution.py  # 筹码�?+90% 集中�?�?  └── volume_spike_oscillation.py # 成交量震�?├── data/
�?  └── akshare_data.py       # AKShare 数据获取
├── config/
�?  └── email_config.py       # 邮箱配置
├── docs/
�?  ├── WEIGHT_ALLOCATION.md  # 权重分配说明
�?  ├── CONCENTRATION_90_RULE.md # 90% 集中度规�?�?  ├── STOCK_SELECTION_LOGIC.md # 选股逻辑
�?  └── VOLUME_SPIKE_OBSERVATION.md # 成交量震�?├── examples/
�?  └── sample_output.md      # 输出示例
├── recommendations/          # 推荐记录（自动生成）
└── performance_stats/        # 统计面板（自动生成）

常见问题

Q: 为什么推荐的都是主板股票�?

A: 创业板（300/301）和科创板（688）波动大，风险高，系统默认只推荐主板股票。如需修改，请编辑 tools/daily_recommender.py 中的筛选条件�?

Q: 胜率如何统计�?

A: 每日 15:30 自动统计当日推荐个股表现，计算收益率和胜率。统计数据保存在 performance_stats/ 目录�?

Q: 如何调整选股标准�?

A: 编辑 factors/factor_calculator.py 中的权重分配。建议保持默认设置，除非您有充分的理由�?

Q: 邮件发送失败怎么办？

A: 检查以下几点：

邮箱配置是否正确
163 邮箱需要使用授权码而非登录密码
是否开启了 SMTP 服务
防火墙是否阻止了 465 端口

Q: 胜率低于预期怎么办？

A: 这是正常现象。历史回测胜�?70-80% 不代表实际使用也能达到。建议：

严格执行止损纪律
控制仓位，不要全仓单�?3. 结合独立判断，不要盲目跟�?4. 持续学习，提高投资水�?

Q: 能否保证收益�?

A: 不能。任何声称能保证收益的都是骗局。股市有风险，投资需谨慎。本系统仅供参考，不构成投资建议�?

更新日志

v1.0.0 (2026-03-29)

�?初始版本发布
�?六大维度综合评分
�?每日自动选股推荐
�?胜率统计面板
�?消息面分�?- �?邮件推�?- �?周末消息分析
�?详细风险提示

作�?

Author: Quant Developer
Email: quant_dev@example.com
GitHub: https://github.com/quant-dev

许可�?

MIT License

详见 LICENSE 文件�?

免责声明

*�?Skill 仅供参考，不构成投资建议�?

股市有风险，投资需谨慎
历史业绩不代表未来收�?- 使用者应自行承担投资风险
作者不对使用本系统造成的任何损失承担责�? *使用本系统即表示您已阅读并理解以上风险提示，愿意自行承担投资风险�?

支持

如有问题，请通过以下方式联系�?

GitHub Issues: https://github.com/quant-dev/quant-stock-skill/issues
Email: quant_dev@example.com

*感谢使用量化选股系统！祝投资顺利�? 📈