a-share-event

name

a-share-event

description

A股事件驱动分析/公告解读/政策影响评估。当用户说"事件分析"、"公告解读"、"政策影响"、"并购"、"增发"、"回购"、"股权激励"、"XX出了什么公告"、"这个政策对XX有什么影响"、"解禁"、"定增"、"事件驱动"、"event analysis"、"公告分析"、"重组"、"资产注入"、"战略合作"、"利好还是利空"时触发。MUST USE when user asks about event-driven analysis, corporate announcement interpretation, policy impact assessment, M&A analysis, or any event's impact on stock price. 分析公司公告、政策变化、并购重组等事件对股价和基本面的潜在影响，评估事件的正面/负面程度和持续性。通过 cn-stock-data 获取行情和财务数据，结合 web 搜索获取事件详情。支持机构事件点评风格（formal）和个人事件笔记风格（brief）。

数据源

SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"

# 实时行情（事件发生后的市场反应）
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]

# K线（事件前后股价走势对比）
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [事件前30日]

# 财务指标（评估事件对基本面的影响）
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]

# 资金流向（机构对事件的反应）
python "$SCRIPTS/cn_stock_data.py" fund_flow --code [CODE] --days 30

补充 web 搜索：公告原文、政策全文、分析师点评、历史类似事件案例。

Workflow (5 steps):

Step 1: 事件识别与分类

事件类型	子类	典型影响方向
公司公告	业绩预告/快报	取决于超/低预期
	分红方案	通常正面
	增发/配股	短期偏负面（摊薄）
	回购	正面（公司认为低估）
	大股东增持	正面信号
	大股东减持/解禁	负面信号
	股权激励	通常正面（绑定管理层）
	并购重组	取决于标的质量和价格
	关联交易	需评估是否损害小股东利益
政策事件	行业政策（利好）	板块普涨
	行业政策（利空）	板块普跌
	货币/财政政策	系统性影响
	监管政策	取决于具体内容
市场事件	指数调整（纳入/剔除）	纳入正面，剔除负面
	北向资金大幅增减	信号意义
	融券/做空	负面压力

Step 2: 事件详情获取

1. Web 搜索事件详情（公告原文/政策全文）
2. cn-stock-data 获取事件前后行情数据
3. Web 搜索分析师/媒体的初步解读

Step 3: 影响评估

定量评估：

• 事件对 EPS 的影响（增发摊薄多少/并购增厚多少）
• 事件对资产负债表的影响（回购减少现金/增发增加净资产）
• 事件对估值的影响（新业务带来的估值重塑）

定性评估：

• 影响范围：公司级 / 行业级 / 市场级
• 影响持续性：一次性 / 短期（1-3月）/ 中期（3-12月）/ 长期（>1年）
• 影响确定性：高（已落地）/ 中（已公告待执行）/ 低（传闻/预期）
• 市场预期差：事件是否已被预期？超出预期程度？

综合评级：

维度	评分
影响方向	正面 / 中性 / 负面
影响程度	重大 / 中等 / 轻微
持续时间	一次性 / 短期 / 中长期
确定性	高 / 中 / 低

Step 4: 历史类比（可选） Web 搜索类似事件的历史案例：

• 同公司类似事件的历史反应
• 同行业类似事件的市场反应
• 提供参考但不做简单类推

Step 5: 输出

风格说明

维度	formal（机构事件点评）	brief（个人事件笔记）
篇幅	2-4 页	半页
事件描述	完整（含公告/政策原文引用）	一段话概述
定量影响	详细计算（EPS/净资产影响）	核心数字
定性评估	完整评级表	一句话判断
历史类比	2-3 个案例	无或 1 个
结论	客观分析正反面	可加操作建议
免责声明	需要	不需要

关键规则

1. 先看公告原文：所有分析基于公告/政策原文，不基于二手解读
2. 区分"预期内"和"超预期"：市场已充分预期的事件影响有限
3. 短期反应 ≠ 长期影响：股价短期反应可能过度，长期取决于基本面实质变化
4. 关注细节：增发价格/回购价格区间/减持比例/激励条件等细节决定影响程度
5. 不做简单类推：历史类似事件仅供参考，不能直接预测本次结果
6. 与其他 skill 联动：事件分析后可用 a-share-earnings-analysis 评估财务影响，用 a-share-thesis 更新投资论点

使用示例

示例 1: 基本使用

# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})

示例 2: 命令行使用

python scripts/run_skill.py --input data.json