Menu
全球股市深度复盘技能。用于 A股、港股、美股、日股、韩股和基金的当前行情、盘前/盘中/盘后复盘、证据驱动分析与公司研究；日韩使用免费免登录行情、独立交易日历，并在缺少一手财务时触发自包含的 primary-evidence-reach 能力。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
为股票或基金生成可恢复、可审计的机构化研究工作区。
检查当前数据源、浏览器接管边界和缺失字段。
复核已披露结构化财务事实，并明确财报研究缺口。
获取基金净值、画像、持仓和公开缺口。
根据当前时段生成 A 股或全球市场复盘。
读取已明确授权的本地持仓记忆，复核集中度、暴露和相对表现。
| name | stock-analysis |
| description | 全球股市深度复盘技能。用于 A股、港股、美股、日股、韩股和基金的当前行情、盘前/盘中/盘后复盘、证据驱动分析与公司研究；日韩使用免费免登录行情、独立交易日历，并在缺少一手财务时触发自包含的 primary-evidence-reach 能力。 |
| metadata | {"version":"4.16.0","author":"Hermes Agent + yjw","platforms":"linux, macos, windows"} |
先取数、校验交易日和字段完整性，再形成判断。所有强弱结论必须能回到成交额、放量倍数、资金流、涨跌家数或指数比较。
uv run python -m stock_analysis --market daily
uv run python -m stock_analysis --market daily --format full
uv run python -m stock_analysis --market a --format full --emit-evidence
uv run python -m stock_analysis --market stock --symbol 600519
uv run python -m stock_analysis --market fund --symbol 161725
uv run python -m stock_analysis --market screen --fiscal-year 2025 --universe-file official_universe.json --filter roe_weighted:gt:8% --sort roe_weighted:desc --limit 20 --emit-evidence
uv run python -m stock_analysis --market diagnose
uv run python -m stock_analysis --market stock-review --symbol 600519 --emit-evidence
uv run python -m stock_analysis --market earnings --symbol 600519 --emit-evidence
uv run python -m stock_analysis --market price-move --symbol 600519 --emit-evidence
uv run python -m stock_analysis --market thesis-create --symbol 600519
uv run python -m stock_analysis --market thesis-review --symbol 600519
uv run python -m stock_analysis --market research --symbol 600519
uv run python -m stock_analysis --market research --symbol 7203.T
uv run python -m stock_analysis --market research --symbol 005930.KS
uv run python -m stock_analysis --market research --symbol 600519 --expectations-file examples/company-expectations.example.json
uv run python -m stock_analysis --market research --symbol 512480 --asset-type fund
--format auto：根据当前北京时间自动选择 summary、key-points 或 full。--emit-evidence 文件保留。--report-style classic 仅为兼容别名。.T（如 7203.T），韩国使用 .KS / .KQ；不得把裸 4 位代码猜成日本、裸 6 位代码猜成韩国。_meta.source_events 标记 agent_primary_evidence_reach=recommended，必须调用随安装包提供的 primary-evidence-reach Skill，并严格按 _meta.primary_evidence_requests 补齐经营、治理、资本配置、风险和催化剂原文；环境已有 agent-reach 时优先使用其路由，没有时使用宿主网页/PDF 能力，不要求用户另装 Skill。--date YYYYMMDD 仅在用户明确指定日期时使用；未指定时自动解析最近 A股交易日。--emit-evidence 保留 evidence_YYYYMMDD.json 与 6 个模块 JSON。~/.stock_analysis/profile.json 或 STOCK_ANALYSIS_PROFILE。--market stock --symbol <代码> 与 --market fund --symbol <代码> 是确定性速览入口，不触发 LLM；A股单股速览会补充东财 datacenter 已披露财务快照和 Sina 盘口价差快照，基金速览会补充公开长期业绩、前端费率、规模和基金经理画像，缺字段保留空值并提示缺口。stock-review、earnings、price-move 与 thesis-* 是公司场景入口：先生成独立的 C1–C8 Company Evidence Pack，绝不把 M1–M6 市场证据当作公司事实。stock-review 只能给出已验证事实、明确缺口和观察条件；earnings 只复核已披露结构化财务事实；price-move 区分价格/量价/新闻样本与未解释部分，不能把相关性断言为主因。thesis-create 和 thesis-review 只在用户明确请求时读写 ~/.stock_analysis/theses（可由 STOCK_ANALYSIS_THESIS_DIR 覆盖）。论文保存支持事实、反证和失效条件的结构，自动 diff 只比较结构化 Evidence，不能替代一手披露复核。research 在用户明确请求深度股票或基金研究时创建或恢复 Research Workspace。默认路径为 ~/.stock_analysis/research/<symbol>/<trade_date>/，可由 STOCK_ANALYSIS_RESEARCH_DIR 或 --workspace-dir 覆盖；股票冻结 C1–C8 Company Evidence，基金冻结 F1–F8 Fund Evidence。各自 lens opinions 与 committee synthesis 必须消费同一个 snapshot_id，并保存研究计划、证据摘要、决策 memo 和机构报告。人工修改过的阶段文件不得被静默覆盖。每位 lens 将命题隔离为 publishable_claims 与 unpublished_questions，committee 只能综合前者。--asset-type auto|company|fund 控制 research 路由；auto 识别常见 A股场内基金前缀。Fund Research 独立评估产品契约、指数暴露、集中度、业绩、折溢价、tracking quality、风险和运营，不把 Company C1–C8 套到 ETF，也不以 ETF 单价替代底层成分估值。Coverage、Missing、manual_review、快照 ID 与内部审计结果只进入 JSON/Workspace，不得出现在用户报告或替代投资分析。research 机构报告采用离散命题发布规则：strongly_supported 与 supported 可以进入正文，unsupported、speculative、conflicted_unresolved 只进入审计产物。缺失证据只影响命题发布范围，不得被解释为 bearish、neutral、保守、观望或等待信号；范围可缩窄时使用 missing_evidence_effect=narrows_scope。Company 估值可以用已披露年度 EPS/BPS 生成静态 PE/PB proxy 与敏感性情景，但必须明确不是目标价。research Workspace 固定保留 evidence_manifest.json、claim_ledger.json、coverage_report.json、unpublished_claims.json。价格、总市值或流动性缺失只阻断估值/执行行动；身份、口径完整性、一手冲突、前视偏差或完全没有可发布命题才阻断整份报告。--expectations-file 时，再按“出货量×ASP→收入→净利润→分部价值”生成正向产品线/SOTP 模型，并输出预期差、市值剩余价值和期权业务所需收入利润。用户假设不得升级为公司事实；内部配套产品只能归入一个分部，负剩余价值不得归零。evidence_id 和 validation_status；Company lens 只能引用冻结快照中的 ID。committee 必须拒绝混用不同 snapshot_id 的 opinions，只能从可发布命题形成条件化研究结论，不得自动推导仓位或买卖动作。mootdx 默认关闭；只有明确需要五档、逐笔或深度分钟 K 时才使用 --enable-mootdx。sources/mootdx_adapter.py 执行；依赖缺失、TCP 失败或返回空数据时自动回普通腾讯/新浪报价并记录原因。入口纪律：先给 deterministic evidence，再决定是否升级为深度复盘；浏览器和慢源只作降级或 Agent 接管，不把缺失数据猜成结论。
SKILL.md 示例中的 uv run python -m stock_analysis 入口在只安装了 skill 元数据、未部署对应 Python 包的环境中可能不存在。执行前应先验证模块可导入；若不可用，直接通过腾讯/新浪/同花顺公开 HTTP 接口或浏览器提取获取 deterministic evidence，并在 evidence _meta.source_events 中记录 fallback 原因。禁止因 CLI 缺失而虚构数据或跳过证据收集。
可根据已披露年度报告做可复现的条件筛选。此能力只回答“哪些股票满足明确条件”，不是优质公司评定、估值判断或投资建议。
可直接提出：
PASS / FAIL / UNKNOWN 逐股判定。）执行口径固定如下：
roe_weighted（加权 ROE）和 revenue_growth_yoy（营收同比）；可各写作带 _pct 的别名。数值 8 与 8% 都表示 8 个百分点。field:gt:value 的 AND，且 gt 为严格大于；相等即 FAIL。排序只支持这两个字段的 asc / desc。RPT_LICO_FN_CPD，需核对全部分页、服务端总数和唯一代码数；不完整结果不会缓存或执行筛选。UNKNOWN；结果只列 PASS。--emit-evidence 生成一份 screen_evidence_<query_id>.json，保留请求、Universe、分页质量和逐股理由。本地仓库验证示例：
cd /Users/yjw/agent/stock-analysis-v42
uv run stock-analysis --market screen \
--fiscal-year 2025 \
--universe-file /absolute/path/to/official_universe.json \
--filter roe_weighted:gt:8% \
--filter revenue_growth_yoy:gt:8% \
--sort roe_weighted:desc \
--limit 20 \
--emit-evidence
official_universe.json 最小契约为 complete: true、reported_total、pages_fetched、unique_symbols、universe_as_of 与 records:[{symbol:"600000"}]；所有计数必须与记录实际值一致。官方名单入口为上交所股票列表、深交所上市公司披露页和北交所上市公司列表。不要用年报集合替代当前 Universe。
ut/字段契约并在传输失败后退避重试，仍失败必须保留缺口。clist → 同花顺公开行业/概念页 → Camofox → Hermes browser 由 Agent 接管 → Playwright。rich-source 或明确深度需求才扩展到全量赛道。source/url/time/title，进入模型或正文前先做去重、同事件聚合、红线过滤、时间窗过滤和摘要截断；不得把未去重原文整包交给模型。_meta.supplemental_evidence，为 M1-M6 分别列出候选补充来源：
stock/get。pingzhongdata 补充长期业绩、前端费率、规模、业绩评价和现任基金经理画像；该路径免登录、无需 API key。--llm 深度分析应额外纳入基金画像、持仓结构、重仓股行情和持仓股精选资讯。详细字段与路由见 references/data-source-strategy.md。
本地源码仓库直接调用食谱见 references/local-repo-direct-invocation.md。手工取数 fallback 食谱与缺失数据源处理见 references/fallback-recipes.md。
normalize_code(symbol, source)。<= 0 自动过滤；字段空值保留 None，报告中留空，不显示误导性的 0.00。quality_flags；来源、交易日、来源链和失败原因写入 evidence。em_get()：无代理、Session 复用、串行、最小间隔 1 秒、随机抖动、指数退避、最多 3 次。>5 次/秒、并发 >=10、1 分钟 >=200、5 分钟 >=300。http://localhost:9377/json/version，3 秒无响应即不可用。数据源不可用，不得静默跳过。北京时间：
用户明确要求“复盘、深度复盘、6 模块、证据驱动复盘”时，优先输出 full。
默认 committee 市场复盘固定顺序：
早盘、盘中、午间、盘后报告正文均不得追加“证据附录”章节。证据审计材料只进入 evidence JSON 和诊断输出。
综合持仓建议与通用市场建议固定包含：现状总结、基准跑赢/跑输、条件化仓位动作、下一交易日观察清单、风险提示。
single 或 adversarial 模式不强制套用 committee 固定顺序，应以对应专家投资风格组织正文。
生成：
evidence_YYYYMMDD.jsonm1_YYYYMMDD.json 至 m6_YYYYMMDD.json基础评分权重：M1 20、M2 20、M3 20、M4 15、M5 15、M6 10。
>=80：完整报告。60-79：完整报告，并列出缺失模块。<60：full 复盘仍保留固定章节顺序；缺失模块在对应 M1-M6 章节内标注“证据暂缺”，summary/key-points 可按格式裁剪但必须保留免责声明。_meta 至少包含 trade_date、session、quality_score、missing_modules、source_events。
每次 quality() 后，Evidence Pack 还必须写入可审计的可用性与采用状态：
source_health：按来源汇总 ok/unavailable，保留 source_events 证据链。field_health：按关键字段组标注 available/missing，覆盖指数成交、板块榜、资金流、涨跌停池、财务质量、组合暴露和资讯样本。conditional_evidence：把已采纳但需条件满足的证据写成 available/conditional/unavailable，至少覆盖量价行为、板块轮动与龙头、涨跌停池、风险流动性、财务质量、估值安全边际、组合风险、资讯样本和基金画像。M1.breadth：仅当前交易日从东财 clist 全分页核对得到的上涨、下跌、平盘家数可标为 A 股全市场；东财连接失败时，Sina hs_a 必须分页至空页/短页并核对唯一代码和有效行数。历史日期或两路失败必须是不可用，行业板块成分汇总不能替代。M1.northbound：同花顺 hsgtApi 只可作为当前交易日的北向分钟流向候选；必须覆盖至 14:50 后、至少 200 个样本、时间严格递增且开盘后 10 分钟累计基线合理，才可展示净流入绝对值。历史日期、半截序列、字段错位、未验证旧缓存一律 unavailable。market_price_volume：腾讯指数日 K 线样本达到 61 个有效交易日时，写入 5d/20d/60d 收益、成交量 z-score 与 14 日 ATR；样本不足仍是 conditional，不得升级为稳健交易信号。stock/fund 速览：6 位 A 股或场内基金的腾讯日 K 线样本达到 61 个有效交易日时，也输出 5d/20d/60d 收益、成交量 z-score 与 14 日 ATR；这不是指数层或完整交易成本模型的替代。listed_fund_premium_discount：场内基金的折溢价仅可由腾讯前复权收盘价与天天基金官方历史净值逐日匹配得到；官方净值必须分页至短页/空页。公开份额拆分需归一到前复权口径；无法解析的分红/拆分事件不得产出序列。跟踪标的、业绩比较基准和年化跟踪误差可从公开基金档案补充，但页面披露的年化值不是日频重算 tracking error。fund_profiles：完整持仓中的基金以公开 pingzhongdata / FundMob 画像补充长期业绩、规模、费率和经理；按每只基金、每个字段单独核验，空对象或全 null 不算可用。任一产品缺费率时，汇总项必须为 conditional 并写出 coverage。M2 板块榜：必须记录 source 和 taxonomy；东方财富 BK、同花顺等不同分类体系不能在跨会话叙事中直接比较名次或推断风格切换。lens_readiness：按内置专家 lens 列出 required_evidence、available、conditional、missing 和 status；证据不足时只降级为观察清单，不用专家口吻补数据。portfolio_exposure：有完整持仓时进入 _meta，先提供权重、HHI、市场/风格暴露；相关性、beta 和回撤贡献必须等完整持仓与足够历史 K 线满足后再升级。stock_microstructure：A股持仓可进入 _meta，通过 Sina 公开盘口快照提供买一、卖一、价差 bps 和五档手数；这是快照级证据，不是历史订单簿。stock_trading_costs：基于盘口价差、20 日平均成交额、60 日波动率和订单参与率生成 10 万/100 万/500 万元成本情景；按股票/ETF 区分经手费、过户费和卖出印花税。逐笔成交与用户实际佣金不可用时保留校准边界，但不得再退回只有流动性分桶的 proxy。crowding_proxy / slippage_sensitivity：Simons 等量化 lens 可引用板块排名、涨停主题集中度、行业资金流和价差/成交额 proxy；消费拥挤度完整指标、机构持仓拥挤和超短线滑点模型不得用 proxy 冒充。若存在缺失模块或补充资讯，_meta 还应包含：
supplemental_evidence：缺失模块、候选补充来源和“不补零”规则。news_radar：原始资讯数、聚合事件数、是否截断；正文只引用压缩后的 events。risk_calendar：公告、解禁、分红、融资融券等时间敏感风险事件（如有）。单股 Evidence 可以包含 STOCK.news_radar、STOCK.a_share_extensions、STOCK.global_market；基金 Evidence 可以包含 FUND.profile 和 FUND.holding_news_radar。这些字段是研报可引用证据，不是买卖信号。
6 模块方法见 references/methodology/，报告模板见 references/template/，输出纪律见 references/output_discipline.md。
stock-analysis 固定负责 M1-M6 的证据包、评分和研报正文；内置投资专家 lens、默认 committee 成员和综合规则来自本 skill 的固定文件：config/lenses/*.json 与 scripts/lens_registry.py。本 skill 不要求用户安装任何外部行情 CLI，也不得为了 lens 或 committee 流程安装、调用或转交给外部工具；不得假设本机存在任何外部行情命令。
当用户明确要求使用某个本地仓库路径（如 /Users/yjw/agent/stock-analysis-v42/src/stock_analysis）的技能或代码时，不要假设必须全局安装 stock_analysis 包或重新克隆仓库。直接：
cd 到仓库根目录；.venv/bin/activate；python -m stock_analysis.app --date YYYYMMDD --market daily --format full --with-holdings 生成报告。具体命令与证据降级处理见 references/local-repo-direct-invocation.md。
对于历史日期（非今天），接受数据缺失导致的自动降级报告，不要虚构或补零。
LensEngine 是报告生成的核心编排器。LLM 或上层 Agent 可以用自然语言触发能力，再归一化为 mode、lens、lenses 参数调用 stock_analysis.reporting.generate_report()；CLI 的 full report 也走同一条 LensEngine 报告路径，并在 evidence _meta.report_metadata 中写入结构化结果。
buffett、巴菲特、巴菲特模式 等常见写法。buffett。降级原因必须写入报告 metadata 的 fallback 字段。当用户明确提出想用哪位投资专家的风格生成报告时，必须识别专家名称、英文名、中文名、别名或 lens id，并完全以相关专家的视角输出报告。这里的“完全以相关专家的视角”指整篇报告的证据优先级、判断顺序、风险表达、持仓建议和观察清单都服从该专家框架，不得只在结尾追加专家点评，也不得先写 balanced 普通报告再附一段专家口吻。
专家视角不能忽略补充证据：若数据包提供补充证据、资讯事件、基金画像、持仓股精选资讯、公告/研报/资金流/短线情绪等内容，必须按该专家框架纳入对应章节的证据、风险或观察清单；不得用专家口吻补全缺失数字，确实影响判断的边界应改写为可理解的跟踪条件。
A股个股或 A股持仓若有 STOCK.financial_snapshot / _meta.stock_financials，single lens 报告必须先评估财务证据覆盖：ROE、毛利率、资产负债率、经营现金流、自由现金流-lite，以及业绩预告/快报是否已披露。东财 datacenter 可以提供已披露财务摘要、资产负债表、现金流量表；业绩预告/快报只在公司披露时有数据，空返回必须写成缺口，不得说成“已获取”。
其他投资框架也会遇到证据包不足：Graham 需要更完整资产质量和下行价值，Munger/Duan Yongping 需要治理、激励和文化证据，Zhang Kun 需要 ROIC、现金流和长期竞争格局，Lynch/O'Neil 需要季度增长、机构需求和量价确认，Wood 需要研发、渗透率和融资风险，Simons 需要样本、因子、买卖价差、滑点与拥挤。当前 Evidence Pack 只能覆盖其中一部分；缺少的框架专属证据必须显式列为缺口，不得用市场涨跌、板块热度或专家风格替代。
支持 15 个 stock-analysis 内置投资专家 lens；结构化定义以 config/lenses/*.json 为准，表格只作快速索引：
| lens id | 中文名 | 框架要点 | 证据优先级 |
|---|---|---|---|
buffett | 巴菲特 | 商业质量、护城河、管理层、资本配置、安全边际 | ROE、自由现金流、利润率、负债、估值与长期持仓事实 |
munger | 芒格 | 多元思维模型、反向思考、激励与错配、机会成本 | 商业模式、治理与激励、现金流、关键反例 |
graham | 格雷厄姆 | 资产负债表、盈利稳定性、估值纪律、下行保护 | 资产负债表、盈利稳定性、估值分位、清算与下行价值 |
klarman | 卡拉曼 | 绝对回报、复杂性折价、催化剂、永久损失风险 | 折价来源、资产质量、催化剂日历、永久损失情景 |
lynch | 彼得·林奇 | 可理解增长故事、公司类型、PEG 与盈利兑现 | 收入和利润增速、用户或同店指标、估值增长匹配、持仓可理解度 |
o_neil | 欧奈尔 | 盈利加速、行业龙头、机构需求、价格强度 | 季度财务、相对强弱、成交量、机构与资金变化 |
wood | 伍德 | 颠覆式创新、长期渗透率、技术成本曲线 | 研发和产品进展、渗透率、单位成本、融资与估值风险 |
dalio | 达利欧 | 宏观周期、情景分析、分散化、风险平衡 | 利率与信用、政策流动性、行业 beta、组合暴露 |
soros | 索罗斯 | 反身性、预期差、政策拐点、仓位非对称性 | 预期差、资金与价格反馈、政策事件、仓位风险 |
livermore | 利弗莫尔 | 顺势、关键点确认、风险控制、亏损仓不摊平 | 趋势结构、量价、突破失败、持仓成本与止损空间 |
minervini | 米勒维尼 | 趋势模板、盈利加速、强势领导者、风险收益比 | 均线和相对强度、VCP 形态、盈利加速、成交量 |
simons | 西蒙斯 | 数据定义、可重复信号、样本外稳健性、交易成本 | 历史分布、因子暴露、样本量、滑点与拥挤 |
duan_yongping | 段永平 | 本分、商业模式、企业文化、长期现金创造、合理价格 | 产品与用户心智、现金流、管理层文化、长期估值 |
zhang_kun | 张坤 | 高质量商业模式、长期自由现金流、竞争格局、机会成本 | ROIC 与现金流、行业格局、治理、长期估值 |
feng_liu | 冯柳 | 市场认知、赔率、困境反转、边际变化 | 预期与价格、催化剂、资金异动、反方证据 |
## {专家中文名}持仓建议与风险提示；若没有完整持仓信息，可写成 ## {专家中文名}市场建议与风险提示，但不得伪造持仓。research 中没有达到发布门槛的问题进入 unpublished_questions，不得生成“证据不足，维持观察”等替代结论；其他入口继续遵守各自的缺口展示契约。all 或“多专家综合”，否则只执行用户最后明确指定的一个专家；明确要求 all、committee 或“多专家综合”时，使用 scripts/lens_registry.py 的默认 committee 成员和各 JSON 的 committee_role、committee_synthesis_rules 做压缩综合，不输出逐轮辩论过程。市场复盘统一走 trading 入口：先判断用户意图是否是行情分析，再判断盘前、盘中或盘后，任务调度层控制报告结构；LensEngine 控制分析方法，用户未指定专家或对抗辩论时默认使用 committee 模式。
持仓来源优先级固定为：
用户本次输入只要包含持仓语义，就必须先判断完整性。若本次输入完整，优先以用户新提供的信息为准，覆盖写入投资记忆，并用于本次持仓分析；若本次输入不完整，必须先只提问一次补齐缺失项，不得回退使用旧投资记忆，也不得覆盖旧投资记忆。用户没有提供持仓时，才读取本地投资记忆；投资记忆不存在或不完整时，输出普通市场复盘，不插入持仓绩效。
投资记忆路径：
~/.stock_analysis/profile.jsonSTOCK_ANALYSIS_PROFILE若用户主动提供持仓但信息不完整，必须等待用户交互输入并只提问一次，要求补齐缺失项。
完整投资记忆或完整用户输入必须同时具备：
这三项的判断口径固定为“股票代码、买入日期、买入数量或买入金额”。缺失任意一项，不得进行收益计算、浮盈亏计算、年化表现或组合绩效分析。
只有以下情况进入确认流程：
只要用户本次提供的股票代码、买入日期、买入数量或买入金额缺失任意一项，输出普通市场复盘报告，不包含任何持仓绩效内容，不回退使用旧投资记忆。若触发确认流程，可以在报告末尾只提问一次，精准说明缺失项，例如：
用户补齐后重新判断完整性；如果仍不完整，继续输出普通市场复盘报告，不追加第二次追问。若用户明确表示不需要分析持仓，立即输出普通市场复盘报告。
用户补齐或修改后的持仓信息一旦完整，必须保存到本地投资记忆：~/.stock_analysis/profile.json 或 STOCK_ANALYSIS_PROFILE 指向的位置。保存时保留当前兼容 JSON 结构，不另建私有记忆文件。
如果用户新提供的信息与之前保存的投资记忆不一致，必须先按“股票代码、买入日期、买入数量或买入金额”确认信息完整性；确认信息完整性后，优先以用户新提供的信息为准，覆盖写入投资记忆。不完整的新信息不得覆盖已有完整投资记忆，只能按一次确认流程提示用户补齐缺失项。
每次触发保存或修改时，必须在回复中明确告知用户：
投资记忆已保存本地。下次将默认按这份投资记忆分析持仓；如需清空投资记忆请反馈。
用户明确要求清空投资记忆后，后续问题不得继续默认使用旧投资记忆；只有用户重新提供完整持仓信息，或重新保存投资记忆后，才恢复默认持仓分析。
~/.stock_analysis/profile.json 或 STOCK_ANALYSIS_PROFILE。>70% 标记集中度风险；单一市场 >80% 标记市场暴露风险。references/template/portfolio-template.md，仅在持仓分析被触发且信息完整时套用。==关键判断==，并包含判断、证据、风险或确认条件。research 报告中的缺失指标不得被静默吞掉；若已尝试稳定公开源和精选资讯仍缺失，必须在对应模块自然说明“相关指标当日未披露”。research 的普通缺口只进入四类审计 JSON，不进入投资者正文。以上内容仅供参考，不构成任何投资建议。股市有风险，投资需谨慎。