Menü
A股行业板块情绪评分，通过5维指标加权评估个股所属行业的景气热度，输出0-100行业温度、景气阶段和仓位建议，为个股分析提供行业背景参照。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
| name | industry-sentiment-tracker |
| description | A股行业板块情绪评分，通过5维指标加权评估个股所属行业的景气热度，输出0-100行业温度、景气阶段和仓位建议，为个股分析提供行业背景参照。 |
| owner_group | 专家6组（舆情） |
| domain | news |
| status | draft |
所属小组：专家6组（舆情）
适用任务：
边界说明：
meta.uncertainties 说明本 Skill 为分析层，消费由数据源提供的结构化行业数据：
| 数据接口 | 执行数据源 | 提供内容 |
|---|---|---|
| AKShare 行业板块接口 | data_sources/industry_sentiment.py | 板块涨跌比、资金流、换手率、涨跌停、涨幅排名等 |
status: "error"，meta.industry = None，不阻塞后续个股分析confidence 降低，权重自动归一化到可用指标解析行业归属：通过 data_sources/industry_sentiment.py 将 stock_code 映射到行业板块名称
采集行业数据：获取板块成分股、资金流、行情数据
逐指标标准化：将每个原始指标映射到 0-100 分
加权综合评分：按权重计算行业景气温度
| 指标 | 权重 |
|---|---|
| 板块涨跌比 | 0.25 |
| 板块资金流 | 0.25 |
| 板块换手率异动 | 0.20 |
| 板块涨跌停比 | 0.15 |
| 板块涨幅排名 | 0.15 |
判断景气阶段：根据综合温度匹配 7 档阶段
检测特殊信号：龙头异动、资金大幅流入/流出、板块轮动等
输出标准 JSON
| 温度区间 | 阶段 | direction | 说明 |
|---|---|---|---|
| 0-20 | 行业冰点 | bullish | 行业极度低迷，逆向关注低估值龙头 |
| 21-35 | 行业偏冷 | bullish | 行业景气偏低，关注政策催化 |
| 36-45 | 偏冷中性 | neutral | 行业景气一般，等待信号 |
| 46-54 | 中性均衡 | neutral | 行业景气中性，精选个股 |
| 55-65 | 偏热中性 | neutral | 行业景气偏暖，注意追高风险 |
| 66-80 | 行业偏热 | bearish | 行业过热，控制仓位 |
| 81-100 | 行业沸点 | bearish | 行业极度亢奋，警惕回调 |
| 信号 | 触发条件 | direction 影响 |
|---|---|---|
| 龙头异动 | 板块龙头股涨停或跌停 | 看龙头方向 |
| 资金大幅流入 | 主力净流入 > 阈值 | 加强 bearish（过热信号） |
| 资金大幅流出 | 主力净流出 > 阈值 | 加强 bullish（恐慌信号） |
| 板块轮动信号 | 板块涨幅排名从前 20% 跌出或进入前 10% | 提示轮动 |
| 行业冰点 | 温度 ≤ 15 | 加强 bullish |
| 行业沸点 | 温度 ≥ 85 | 加强 bearish |
short（影响天到数周）short{
"status": "success",
"industry_name": "通信设备",
"score": 72.5,
"stage": "行业偏热",
"direction": "bearish",
"confidence": 0.62,
"position_suggestion": "20-30%",
"special_signals": ["资金大幅流入"],
"indicators": {
"industry_breadth": 78.0,
"industry_fund_flow": 82.0,
"industry_turnover": 65.0,
"industry_limit_ratio": 70.0,
"industry_rank": 68.0
},
"raw_data_summary": {
"industry_name": "通信设备",
"up_count": 45,
"down_count": 12,
"fund_flow_net": 15.2,
"turnover_rate": 5.8,
"rank_percentile": 0.68
},
"uncertainties": []
}
{
"status": "error",
"industry_name": null,
"score": 50.0,
"stage": "数据不足",
"direction": "neutral",
"confidence": 0.3,
"position_suggestion": "30-50%",
"special_signals": [],
"indicators": {},
"raw_data_summary": {},
"uncertainties": ["无法解析行业板块归属"]
}
输出前检查：
direction 是否符合逆向逻辑（冰点→bullish，沸点→bearish）confidence 是否与景气极端程度匹配meta.uncertainties 是否说明缺失数据财报分析 Skill v2。用现金流量表和资产负债表交叉验证利润表，按七步链「利润质量/现金流匹配/需求真实性/资本开支/债务与利率敏感性/扩张质量/行业特殊口径」判断公司真实经营质量；输出符合 AI_Renaissance 标准 Signal 的 JSON。触发：财报分析、财务报表、利润质量、现金流验证、合同负债、资本开支、扩张风险、Signal。
产业链中观分析框架。三维度独立展示：产业链景气度、产业链拐点、产业链生命周期。 基于项目数据层注入的财报数据与行业数据，输出可溯源的结构化分析。 System B 仅做个股类型判定（成长/周期/价值/主题/混合），不写交易计划。 触发词：景气度、/景气度。
基于 AkShare 的资金流全景数据契约，一次返回个股基础信息、个股主力资金、相关行业/概念板块资金、大盘主力资金与北向资金概览；真实执行逻辑位于 data_sources/akshare.py。
开发2组仲裁方法论Skill。基于桥水经济机器模型的场景化专家权重体系，支持三种模式：(1)场景设计与权重配置迭代；(2)7专家Signal仲裁执行（含场景自动选择、评分制匹配、共识/分歧标注、贡献追踪）；(3)权重回测校准。当用户讨论仲裁权重、场景选择逻辑、match_signals规则、仓位公式设计、权重校准或标准化推理链时调用。
用"节点叙事"的方式分析一家公司的发展路径——把公司的成长拆解成一系列关键决策节点（创立、转型、并购、融资、控制权变更、产品突破等），逐个节点深挖其交易结构、估值逻辑、对手方动机、买方意图、时代背景与协同效应，最终串联成一条清晰的版图扩张路径，并推演未来格局与风险。任何时候用户说"讲讲 XX 公司""分析一下 XX 公司""研究 XX 公司""XX 公司是怎么发展起来的""XX 公司的并购史""XX 公司的发展历程"——都要用这个 skill。即使用户没明说"按节点分析"或"做深度报告"，只要他们想了解一家公司是如何一步步走到今天的，就用这个 skill。这个 skill 必须配合 web_search 主动联网搜索公司的真实历史信息，绝不允许凭记忆杜撰节点、日期、金额或交易细节。
对个股、指数、ETF 或 OHLCV CSV 运行专家二组“四模型传统技术指标融合”分析。使用本工程的 fusion_traditional_models Python 程序只生成可复核 JSON 结果，再由大模型读取 JSON 并按中文模板生成融合结果解读报告。适用于用户要求测试股票、输出融合信号、解释四模型结果、生成技术面融合结果解读报告的场景。