Stock Analysis CN

一键分析A股：技术面+估值+风险+基本面全覆盖，自动生成Word投资报告。基于腾讯财经API，内置行业专用估值基准。

Security Scan

The skill's code, docs, and runtime instructions are consistent with a China A‑share stock analysis/reporting tool that fetches public market data and generates reports; no disproportionate credentials, obscure installs, or hidden endpoints were found.

Purpose & Capability

Name/description (A股 analysis, Tencent Finance API, report generation) match the included scripts and docs: technical, valuation, risk, fundamental analysis modules and a report generator that call Tencent/Eastmoney endpoints. Nothing in the files requests unrelated cloud credentials or system privileges.

Instruction Scope

Runtime docs and scripts instruct network requests to public finance endpoints (Tencent Finance, Eastmoney, CSIndex, etc.) and HTML/JS scraping for some sources. The README/api docs explicitly mention Jisilu requiring login and advise using Selenium/Playwright or asking the user for a session cookie — that could cause the skill (or operator) to request sensitive cookies/credentials if the user chooses that path. Examples also reference using pandoc/curl and writing cache files; these are expected but the SKILL.md does not declare these external tools as requirements.

Install Mechanism

No install spec is provided (instruction-only installation). The skill contains plain Python scripts (no packaged install, no remote installers or downloads). That is low risk from an installer perspective; installing involves copying files into the user's skills directory or using ClawHub as documented.

Credentials

The skill declares no required environment variables or credentials, which aligns with its use of public/scraped data. However, the docs discuss optional workflows that may require user-provided session cookies (Jisilu) or paid API credentials for premium data sources. If the user supplies session cookies or API keys to access gated endpoints, those are sensitive and should be treated carefully. The skill does not itself attempt to read system secrets or request unrelated credentials.

Persistence & Privilege

The skill does not request always:true and is user-invocable only. It caches data to local files (cache directory suggested in docs) and the report generator writes output (Markdown/Word via pandoc) — normal behavior for this type of tool. It does not modify other skills or system-wide agent settings.

Assessment

This skill appears to do what it claims: fetch public A‑share market data, perform multi‑dimensional analysis, and generate reports. Before installing, consider: (1) it makes outbound network requests to Tencent Finance, Eastmoney, CSIndex, Jisilu and similar sites — allow only if you trust these sources; (2) some data (Jisilu) may require login/session cookies or automation (Selenium/Playwright); do not paste sensitive session cookies or credentials unless you understand the risk; (3) example workflows call external tools (curl, pandoc, possibly Selenium) which are not declared as required env/binaries — ensure you have or want these tools installed; (4) the skill caches data to disk under the skill directory — review and manage those files if you care about disk storage or privacy; (5) fundamental data fetching currently contains placeholder/mock implementations in places (see fundamental_analysis.get_financial_statements) so verify outputs before relying on them for investment decisions. Overall the skill is internally coherent, but be cautious about providing any login/session tokens and validate the data sources and dependencies you enable.

Stock Analysis Skill

一键分析A股市场 · 自动生成投资报告

概述

这是一个全功能A股分析技能，提供技术面、估值、风险、基本面四大维度的自动化分析，并可直接生成专业的投资报告（Markdown/Word）。适合个人投资者、量化研究员、资产管理人等。

核心特点:

• ⚡ 一键分析: 单条命令完成多维度分析
• 📊 数据驱动: 基于腾讯财经API实时数据
• 📄 报告自动生成: Markdown → Word，格式美观
• 🎯 因子选股: 支持PE、ROE、动量等多因子筛选
• 🇨🇳 专为A股优化: 银行、券商、军工等行业专用估值基准

---

🎯 核心功能

1. 技术面分析

判断趋势、找出买卖点、计算技术指标。

输出指标:

• 趋势方向（上涨/下跌/震荡）
• 均线系统（MA20、MA60、MA250）
• 动量指标：RSI、MACD、KDJ
• 支撑位与阻力位
• 近期涨跌幅（5日、20日、60日）

使用场景:

• "分析农业银行601288的技术面"
• "招商银行600036的RSI是否超买？"
• "找出最近突破MA20的股票"

2. 估值分析

评估股票是否高估或低估，纵向看历史，横向看行业。

输出指标:

• PE/PB 当前值及历史分位数
• 5年PE/PB中位数
• 行业PE/PB中位数对比
• 估值评级：高估/正常/低估

行业基准库:

• 银行股专用（PE 5-8x，PB 0.6-1.0x）
• 券商股专用
• 军工股专用
• 新能源、光伏、锂电池等

使用场景:

• "宁波银行002142当前PE处于历史什么位置？"
• "对比招商银行和平安银行的估值水平"
• "找出PE<10且PB<1的银行股"

3. 风险分析

量化波动性、回撤和风险调整收益。

输出指标:

• 年化波动率
• 最大回撤（Max Drawdown）
• 夏普比率（Sharpe Ratio）
• 索提诺比率（Sortino Ratio）
• Beta（与沪深300相关性）

使用场景:

• "计算贵州茅台最近1年的波动率和最大回撤"
• "哪只银行股的夏普比率最高？"
• "创业板ETF的风险指标怎么样？"

4. 基本面分析

评估公司财务健康度、盈利能力、成长性。

输出指标:

• 盈利能力：ROE、ROA、毛利率、净利率
• 成长性：营收CAGR、净利润CAGR
• 偿债能力：资产负债率、流动比率、速动比率
• 运营效率：总资产周转率、存货周转率
• 现金流：经营性现金流/净利润

数据来源: 东方财富、同花顺等财经网站（需网络抓取）

使用场景:

• "分析宁德时代的基本面：ROE、负债率、现金流"
• "对比五粮液和贵州茅台的营收增速"
• "找出ROE>15%且负债率<50%的消费股"

5. ETF专项分析

针对交易所交易基金的专门功能。

额外指标:

• 跟踪误差（Tracking Error）
• 流动性：日均成交量、买卖价差
• 基金信息：管理费、托管费、成立日期、规模
• 成分股覆盖度
• 折溢价分析（QDII、港股ETF）

使用场景:

• "分析510300沪深300ETF的跟踪误差"
• "哪只科创50ETF规模最大、流动性最好？"
• "券商ETF（512880）的管理费和成交额是多少？"

6. 因子筛选与选股

多因子模型快速筛选投资标。

支持的因子:

• 价值因子：低PE、低PB、高股息率
• 成长因子：高营收增长、高利润增长
• 质量因子：高ROE、低负债、现金流好
• 动量因子：价格动量、 earnings momentum
• 低波动因子：低Beta、低波动率
• 规模因子：市值暴露

筛选流程:

1. 定义因子条件（如：PE<15, ROE>15%）
2. 选择股票池（A股、港股、ETF等）
3. 执行筛选并评分
4. 输出Top N标的+关键指标

使用场景:

• "筛选A股中PE<15且ROE>15%的股票"
• "找出最近一个月涨幅最大的10只行业ETF"
• "高股息低波动的红利ETF有哪些？"

---

📊 数据源与可靠性

数据类型	来源	延迟	覆盖范围
实时行情	腾讯财经API	~15分钟	A股全市场
历史K线	腾讯财经API	~15分钟	约1年日线
指数PE/PB	中证指数公司	每日	主要指数
个股财务	东方财富/同花顺	1天	最新财报

⚠️ 局限性:

• 基本面数据为季度更新，非实时
• 部分新上市公司历史数据不足
• 如需实时Level-2数据，需要付费接口

---

🚀 快速开始

安装

# 从ClawHub安装
clawhub install stock-analysis

# 或手动安装
cp -r stock-analysis.skill ~/.openclaw/skills/

使用示例

单股综合分析:

from stock_analysis import analyze

# 分析农业银行
report = analyze('sh601288', name='农业银行')
print(report['summary'])

生成Word报告:

python scripts/report_generator.py sh601288 --name "农业银行" > report.md
pandoc report.md -o report.docx

筛选高股息低PE股票:

from stock_analysis.screening import screen

criteria = {
    'pe': {'max': 15},
    'dividend_yield': {'min': 0.03},
    'roe': {'min': 0.10}
}
results = screen(universe='A股', criteria=criteria)

---

📁 技能结构

stock-analysis/
├── SKILL.md                 # 本文件
├── scripts/
│   ├── technical_analysis.py   # 技术分析
│   ├── valuation_analysis.py   # 估值分析
│   ├── risk_analysis.py        # 风险分析
│   ├── fundamental_analysis.py # 基本面分析
│   ├── screening.py            # 因子筛选
│   ├── report_generator.py     # 报告生成
│   └── utils.py                # 腾讯财经API封装
├── references/
│   ├── indicators.md      # 技术指标说明
│   ├── factors.md         # 因子模型文档
│   ├── valuation_benchmarks.md  # 行业估值基准
│   └── api_usage.md       # API使用指南
└── assets/
    ├── templates/
    │   ├── analysis_report.md      # 分析报告模板
    │   └── screening_results.csv  # 筛选结果模板
    └── example_asset.txt

---

🎓 使用指南

何时使用？

• ✅ 研究一只股票是否值得买入
• ✅ 需要快速生成投资分析报告
• ✅ 批量筛选符合条件的股票
• ✅ 追踪持仓股的技术状态
• ✅ 对比不同股票的估值水平
• ✅ 评估投资组合的风险指标

何时不使用？

• ❌ 需要实时Level-2行情（本技能使用延迟数据）
• ❌ 复杂的DCF模型（本技能无完整财务预测）
• ❌ 宏观策略研究（本技能聚焦个股）
• ❌ 美股/港股深度分析（数据源以A股为主）

---

📈 典型工作流

1. 输入股票代码（如 sh601288 农业银行）
2. 多维度分析并行执行：
   • 技术面：趋势、指标、支撑阻力
   • 估值：PE/PB历史分位、行业对比
   • 风险：波动率、最大回撤、夏普比率
3. 生成综合评分（0-10分）
4. 输出建议（买入/持有/卖出）
5. 导出报告（Markdown/Word）

整个过程约10-30秒，无需人工干预。

---

🔧 定制与扩展

添加自定义行业估值基准

编辑 references/valuation_benchmarks.md，添加你关注的行业PE/PB中位数。

集成新数据源

修改 scripts/utils.py，接入其他财经API（如 Akshare、Baostock）。

自定义报告模板

修改 assets/templates/analysis_report.md，调整输出格式和内容。

---

📚 术语表

术语	解释
PE (TTM)	滚动市盈率，最新12个月净利润的倒数
PB	市净率，股价/每股净资产
历史分位数	当前值在历史序列中的百分比位置
MA20	20日均线，短期趋势线
RSI	相对强弱指标，0-100，>70超买，<30超卖
夏普比率	每单位风险获得的超额收益，越高越好
最大回撤	历史上从高点到低点的最大下跌幅度
跟踪误差	ETF净值相对于基准指数的偏离标准差

---

🤝 贡献与反馈

• 报告Bug或提出建议：请提交Issue
• 贡献代码：欢迎PR，特别是新指标、新数据源
• 数据源扩展：如果你有可用的免费API，欢迎集成

---

📄 许可证

MIT License - 自由使用、修改、分发。

---

版本: 1.0.0 最后更新: 2026-03-18 作者: 养虾佬徐小明 (jy02577302) ClawHub: 搜索 stock-analysis 下载