a-stock-operator-v2

# A股行情与个股报告生成器 v2（a-stock-operator-v2） ## 能力说明 本技能生成两份 **Markdown 报告**（带日期，红涨绿跌语义、结论前置、结构化列表/表格布局），输出到**当前会话根目录**： - **行情分析模式**：市场全景复盘（核心指数 / 市场情绪 + **情绪周期定位** / 连板梯队 / 主线题材 / 重点政策消息 / 热点可持续板块）+ **近一月板块轮动**专题（日期为列头 × 每日 Top7 板块，动态色标记轮动轨迹，全量标注涨幅% 与涨停数 ×N，底部含颜色图例 + **资金轮动四象限** + **板块多因子趋势榜**）。 - **情绪温度计（Model 04 · 短线择时）**：将情绪周期定位升级为「温度 + 风险」双维量化。**情绪温度**（0~100）由五因子合成——涨停家数 25% / 封板率 25% / 连板高度 20% / 连板家数（≥2 板）15% / 市场宽度（上涨占比）15%；**风险度**（0~100）由四因子合成——炸板率 30% / 亏钱效应（大面率+跌停强度）30% / 过热（高温+极端连板）20% / 背离（涨停多但宽度差或炸板高，连续梯度 0~100）20%。据此判定 冰点/启动/发酵/高潮/分歧 五阶段——**分歧阈值随温度滑动**（温度≥65 → 阈值 55、≤45 → 阈值 65、中间线性插值，温度越高越易分歧），并输出 0~10 成仓位区间建议（冰点 0-2 成 / 启动 2-3 成 / 发酵 4-6 成 / 高潮 3-5 成 / 分歧 2-4 成）。报告情绪卡渲染温度计（刻度含五档并**高亮当前阶段**）+ 风险条 + 8 指标（涨停/连板高度/连板家数/封板率/炸板率/跌停/涨跌家数/大面家数）+ **温度/风险因子分解条**（逐条标注权重% 与数值）+ 仓位建议 + **仓位进度条**（用 `position_min`/`position_max` 映射 0~10 成并高亮建议档位）；`emotion_{date}.json` 缺失时**优雅降级**为旧版 5 指标情绪卡。 - **主线题材（贴合热点 · 动态引擎）**：由「动态热点发现引擎」实时聚类当日 Top N 热点（五因子加权：涨停家数 0.30 / 主力净流入 0.25 / 板块涨幅 0.15 / 连板高度 0.15 / 扩散度 0.15），**不再写死题材词典，新热点自动纳入**；配合「题材生命周期定位」标注每个热点的萌芽/启动/发酵/高潮/退潮阶段与短线/中线策略。 - **资金轮动四象限（Model 03 · 短线择时）**：按「资金净流入 × 趋势一致性」把热点板块切入主线（流入+趋势一致）/ 接力（流入但未确认或新热点）/ 脉冲（流出但当日涨）/ 退潮（流出+转弱）四象限，输出轮动速度与扩散指数，辅助判断资金切换方向与快慢。 - **板块多因子趋势榜（Model 06 · 中线选板块）**：对全量板块按 15 日涨幅 40% + 5 日动量 30% + 资金持续 20% + 涨停持续 10% 加权出 0~1 趋势分并排名，标记启动/加速/减速/回落状态，辅助判断板块趋势方向与持续性。 - **次日轮动主线推荐（强化自学习）**：融合「位置(趋势)/资金/强度(趋势内涨停 Z 分)/热度(扩散度)」**四维**打分（emotion 封板率为市场级常量、无截面区分，已移出逐板块打分，改为风控门控），输出次日轮动主线题材/板块推荐（**主线/接力/潜伏**三层 + 依据 + 风险提示）；自学习闭环「推荐落盘因子快照 → T+1~T+3 验证回填 → 反推权重 → 回写 → 更准」，权重随真实样本累积自动校准。 - **个股诊断联动（L1）**：行情报告「个股推荐」卡片（07 章）在对应诊断报告 `{name}_个股诊断-{YYYY-MM-DD}.md` 存在时，自动把个股标题改为跳转链接，实现行情 → 个股诊断交叉导航；诊断报告缺失时优雅降级为纯文本标题。 - **个股诊断模式**：单只个股六维诊断（综合评分 / SWOT / 估值分情景 / 龙虎榜席位 / 筹码与股东结构 / 关键价位）+ **最终诊断操作建议**（渐变描边环形评分 + 关键价位止损/目标双栏 + 操作策略 3 卡：回踩观察/突破确认/回避情形 + 避坑提示警示卡），层次清晰、不堆积。 ## 何时使用 - 用户说「行情复盘 / 生成行情报告 / 板块轮动 / 市场复盘」→ 行情模式 - 用户说「个股诊断 / 分析某只股票 / 操作建议」→ 个股模式 - 用户说「重新生成报告 / 两份都来」→ 两者 ## 运行要求（自包含） | 依赖 | 说明 | |------|------| | Python 3.12+ | 运行 `scripts/*.py`。任意 Python 3.12+ 解释器均可（系统 `python` / `python3` / `py`） | | 脚本 | **本技能目录内** `scripts/*.py`（已相对化，`BASE` 由 `__file__` 自动推导，无需改路径） | | 数据 | 采集/分析数据写到**当前会话/工作目录**下的 `<cwd>/a-stock-operator-v2/data/*.json`（行情 `market_{date}.json`、个股 `*_analysis.json`、轮动 `boards_15d.json` / `zt_15d.json` / `fund_15d.json`）；可用 `A_STOCK_WORK` 指定到某工程目录。**不写回技能目录** | | 输出 | 生成的 **Markdown 报告写到当前会话/工作目录根**（`REPORT_ROOT` = 当前工作目录，可用环境变量 `A_STOCK_OUT` 指定到某工程目录），**不写回技能目录** | | 联网 | 生成「今日真实数据」时需联网（东方财富 / 腾讯 / 新浪 / 同花顺公开接口）；已有数据可离线重跑 | > **无需 `cd` 到特定目录**：脚本代码用 `BASE`（由 `__file__` 推导）定位技能根目录下的 `scripts/`；但**采集数据(data/)**默认写到 `<cwd>/a-stock-operator-v2/data`，**报告(Markdown)**默认写到 `<cwd>` 根目录（`DATA_DIR`=`<cwd>/a-stock-operator-v2/data`、`REPORT_ROOT`=`<cwd>`，可用 `A_STOCK_WORK`/`A_STOCK_OUT` 指向固定工程目录），技能库只保留代码、保持纯净。 ## 第一步：模式选择（必做） 加载技能后，**先**用 `AskUserQuestion` 让用户选择： - 问题：「要生成哪种报告？」 - 选项 1：**行情分析**（市场复盘 + 板块轮动） - 选项 2：**个股诊断**（单只个股六维 + 操作建议） - 选项 3：**两者都生成** 若用户在提问中已明确指定模式，则跳过选择直接进入对应流程。 > **个股诊断必须先收集输入**：选「个股诊断」或「两者都生成」时，先向用户索取 **① 股票全称 ② 股票代码**（两者至少提供一个，用于确定诊断目标），以及**③ 持仓成本价**（可选）。用 `AskUserQuestion` 一次问齐（成本价标注「可选」），不要凭空编造代码/名称。收集完成后再执行模式 B。 ## 模式 A：行情分析 ### A.1 数据采集（联网，生成真实今日数据时执行） > **采集脚本依赖 `requests`**：若默认 `python` 未装 requests，请换用已装 requests 的 Python 3.12+ 解释器（下称 `py312`，任意环境，如 conda/venv/系统 Python 均可）。生成脚本无此依赖，任意 `python` 均可。 > > **推荐入口——全流程管线，每次运行都取最新数据**： > ```bash > py312 scripts/collect_all.py # 采集 → 健康检查 → 模型 → 报告，一条命令全流程 > py312 scripts/collect_all.py --only-check # 仅健康检查（诊断数据是否缺失/过期） > py312 scripts/collect_all.py --no-models # 只采集+检查，不跑模型和报告 > py312 scripts/collect_all.py --skip collect_news.py,collect_fund_15d.py # 跳过指定步骤 > ``` > 默认**全量重采**（本地已有文件不跳过），模型与报告仅在数据校验全过后执行——报告永远基于当日新数据，杜绝「重采数据但忘跑模型」的陈旧报告。 > 健康检查 15 项严格校验（任一不过 → 汇总失败清单 + exit 1，停止生成）+ 2 类警告（不阻断）：严格项 = market 关键项（指数/涨停池/炸板池/涨跌家数/时间戳/数据日期一致）、news 条数、boards_15d 覆盖与新鲜度、zt_15d 有效天数与新鲜度、fund_15d 覆盖与新鲜度、recommend 当日新鲜；警告项 = market 部分项沿用同日早间值（stale_kept，按日分键无跨日污染）、采集步骤部分失败（产物仍新鲜则继续，避免盘中偶发风控导致永远无法完成）。新鲜度基准 = 目标日往前最近工作日（盘中容忍 T-1，收盘后应为 T 日）。 > > 逐个采集（collect_all 内部即按此顺序执行，通常无需单跑）： ```bash cd <你的工作目录> # 产物(data/、Markdown 报告)落在这里，不写回技能目录 py312 scripts/collect_data.py # 东财：指数/涨停池/炸板池/跌停池/涨跌家数/热因 -> market_{今日}.json（合并模式：失败项沿用旧值，关键项缺失 exit 1） py312 scripts/collect_v2.py # 新浪：涨跌家数(含涨跌幅榜)+行业板块 东财资金 -> 合并进 market_{今日}.json（空结果不合并） py312 scripts/collect_news.py # 东财快讯 -> news_{今日}.json（空结果不覆盖旧文件，exit 1） py312 scripts/collect_boards_15d.py # 东财行业+概念全量板块近 15 日涨幅（键=东财板块名；东财失败兜底同花顺板块指数；成功率<30% 视为风控不落盘） py312 scripts/collect_zt_15d.py # 15 日涨停池按板块关键词匹配涨停数（关键词=THS 14 短名+全量板块名+当日热点；boards 缺失按工作日日历兜底） py312 scripts/collect_fund_15d.py # 东财板块主力资金流历史（行业+概念近15日）-> fund_15d.json（东财失败轮换备用 UT + 同花顺指数涨跌幅作资金方向代理；成功率<30% 不落盘） py312 scripts/recommend.py --date 20260818 # 个股推荐（首板突破 + 放量热点）-> recommend_{date}.json（market 缺失/涨停池空/日期不符 → exit 1；新浪停牌行安全跳过） python scripts/gen_hot_sectors.py --date 20260818 # 动态热点发现引擎（Model 01）-> hot_sectors_{date}.json python scripts/gen_theme_lifecycle.py --date 20260818 # 题材生命周期定位（Model 02）-> theme_lifecycle_{date}.json python scripts/gen_emotion_cycle.py --date 20260818 # 情绪温度计（Model 04）-> emotion_{date}.json（依赖 market_{date}.json） ``` > **「今日」= 真实交易日**：各采集/生成脚本默认 `datetime.now()`，`--date YYYYMMDD` 可覆盖。`collect_boards_15d.py` / `collect_zt_15d.py` 为滚动采集（自动取最新），无需传日期。 > 联网采集可能遇 429/断连/东财 IP 风控（push2/push2his 全系列 `RemoteDisconnected`，约 20 小时自动解除，换网络即刻恢复）。**失败不再污染数据**：空结果不落盘/不覆盖旧文件、失败项沿用旧值（`stale_kept` 标记）、关键项缺失 exit 1；重跑 `collect_all.py` 或换网络后再跑即可。`collect_news.py` 盘中采集只含开盘至今快讯、收盘后采集才完整。 ### A.2 生成报告 ```bash cd <你的工作目录> # 产物(data/、Markdown 报告)落在这里，不写回技能目录 python scripts/gen_hot_sectors.py --date 20260818 # 必须先跑：产出 hot_sectors_{date}.json python scripts/gen_theme_lifecycle.py --date 20260818 # 依赖上一步：产出 theme_lifecycle_{date}.json python scripts/gen_rotation_v2.py --date 20260818 # P1：资金四象限 + 多因子趋势 -> rotation_{date}.json（供轮动章节引用） python scripts/recommend_rotation.py --date 20260818 # 新增：次日轮动主线题材/板块推荐（主线/接力/潜伏三层）-> 次日轮动主线推荐-{date}.md python scripts/gen_emotion_cycle.py --date 20260818 # P2：情绪温度计 -> emotion_{date}.json（供情绪卡引用，缺失回退旧情绪卡） python scripts/generate_report_v3.py --date 20260818 # 生成 9 章（含 07 近一月板块轮动：轮动矩阵 + 资金四象限 + 多因子趋势榜）-> 行情复盘-2026-08-18.md（<cwd> 根目录） python scripts/rotation_verify.py --date 20260903 # 新增：回填推荐板块次日真实涨幅 -> rotation_history.csv python scripts/rotation_evolve.py --min-samples 20 # 新增：直读因子快照反推四维权重 -> rotation_params.json python scripts/emotion_calibrate.py # 新增：情绪温度计权重观测校准（温度↔次日晋级率相关性）-> 情绪温度计权重校准-{date}.md ``` > **动态热点引擎是主线题材/热点板块的数据源**：`generate_report_v3.py` 会尝试读取 `hot_sectors_{date}.json` 与 `theme_lifecycle_{date}.json`；若文件缺失则相应章节降级为空（旧版写死的 20+ 题材词典已移除），故生成报告前必须保证这两个文件已产出。 > **P2 情绪温度计数据源**：`generate_report_v3.py` 优先读取 `emotion_{date}.json`（`gen_emotion_cycle.py` 产出）渲染温度计/风险条/8 指标/仓位建议；若该文件缺失则**优雅降级**为旧版硬编码 5 指标情绪卡，不报错。 > **P1 资金四象限/多因子趋势数据源**：`generate_report_v3.py` 内置 `_build_rotation_md()` 读取 `rotation_{date}.json`（`gen_rotation_v2.py` 产出）渲染「板块轮动矩阵 + 资金轮动四象限 + 板块多因子趋势榜」；若该文件缺失则相应小节降级为「数据暂缺」，不报错。 > **次日轮动主线推荐（强化自学习）**：`recommend_rotation.py` 融合「位置(趋势)/资金/强度(趋势内涨停 Z 分)/热度(扩散度)」**四维**打分（emotion 封板率为市场级常量、移出打分，改作风控门控：封板率 <25% 收缩至仅主线、<40% 减半），输出次日轮动主线题材/板块推荐（**主线/接力/潜伏**三层 + 推荐依据 + 风险提示），落盘时携带当日真实因子快照。自学习闭环：`rotation_verify.py` 批量回填所有 T+3 已可判定推荐的真实涨幅（携带因子快照）累计 `rotation_history.csv` → `rotation_evolve.py` 直读快照做 Spearman 秩相关反推四维权重、EMA 平滑后回写 `rotation_params.json` → `recommend_rotation.py` 下次自动加载覆盖内置先验（样本 <20 维持先验）。内置先验 weight = position0.48 / fund0.08 / strength0.09 / heat0.35（2026-09-04 经 90 日回溯实证得出，position 为唯一有效单因子、裸涨停数为过热负效应、emotion 无截面区分）。 ### A.3 坑点 - **数据链路依赖（已防御化）**：`generate_report_v3.py` 依赖 `market_{date}.json` 与 `recommend_{date}.json`，但**均已做缺失兜底**：`sectors` 兼容 dict/list 两种结构、`breadth.top_gainers/top_losers` 缺失时降级为空表、`recommend` 缺失时不报错。`collect_data.py`（东财）产出不含正确的 `sectors` 涨跌幅榜与 `top_gainers`，**建议仍跑 `collect_v2.py`（新浪）合并**以补齐板块与涨跌幅榜数据（不跑不再崩溃，但相应章节数据为空）。 - **政策章节依赖 `news_{date}.json`**：05 章「重点政策/消息」由 `generate_report_v3.py` 内的 `build_policies()` 从 `data/news_{date}.json`（`collect_news.py` 产出）按关键词加权筛选 Top5。**若无该文件则 05 章为空**（不报错），跑一次 `collect_news.py --date {date}` 即可补齐。 - **定性内容已数据驱动**：verdict 定调 / 副标题 / 主线题材 / 热点板块 / 推荐 pick / 板块轮动 均从 `market` / `recommend` / `boards_15d` / `rotation` 数据自动生成，**换日期重跑即自动更新，无需手改脚本**。 - **板块池数据源**：热点板块池不再来自 `fund_rank`（那是「个股」主力资金排行，误当板块会用股票名污染聚类），现改为 `sectors`（东财行业/概念板块，含每板块 `main_net_yi`）+ `hybk`（涨停股行业板块）补充，`fund_rank` 仅极端降级兜底。`collect_v2.py` 的新浪行业板块改存 `sina_sectors` 键、仅当 `sectors` 缺失时兜底填充，不再覆盖以保住板块级资金流。 - **资金维度历史来源 `fund_15d.json`**：`gen_theme_lifecycle.py`（生命周期资金正天数）与 `gen_rotation_v2.py`（趋势一致性/资金持续性）优先读 `data/fund_15d.json`（`collect_fund_15d.py` 采集，键=东财板块名，与 hot_sectors 动态名对齐）；缺失时优雅降级为涨停/涨幅代理（已验证不崩溃）。 - **命名桥接**：`boards_15d.json` 由 `collect_boards_15d.py` 动态采集东财「行业+概念」全量板块（键=东财板块名），新热点自动纳入涨幅历史，无覆盖上限；`zt_15d.json` 关键词 = THS 14 短名（`_common.py` 单一来源）+ boards 全量板块名 + 当日热点名。历史遗留的同花顺短名数据经 `bridge_ths_name()` 桥接兼容。`generate_report_v3.py` 的轮动矩阵 ×N 涨停数查询已做双路兜底（东财名直查 → 短名桥接）。 ## 模式 B：个股诊断（用户提供 股票全称 / 代码 / 成本价） ### B.0 收集用户输入（必做，先于一切生成） 向用户索取（用 `AskUserQuestion` 一次问齐）： - **股票全称**（如「通鼎互联」）—— 与代码**至少提供一个** - **股票代码**（如 `002491`）—— 与全称**至少提供一个** - **持仓成本价**（如 `18.50`）—— **可选** > **「全称 / 代码至少提供一个」的目的**：用于**确定诊断目标**——脚本据此定位该股票的分析 JSON（`data/{name|code}_analysis.json`，缺省回退通鼎样例）、生成动态文件名与标题。 > 若用户只给了其一（如仅代码 002491），可直接继续；**不要编造**另一个。若两者都未给，必须回问。 > **成本价（可选）的使用定位**：若有，主要应用于 **07「最终诊断操作建议」章节**（在综合评级卡展示「持仓成本 / 持仓盈亏%」），**不进入基础报告 01–06 章**。基础报告只做客观诊断，持仓视角单列在操作建议。 > 个股分析数据（六维/SWOT/龙虎榜/价位/操作建议等）来自一个**个股分析 JSON**（`--data`）。默认样例为 `data/tdhl_analysis.json`（通鼎互联）。**换成别的股票时，必须提供该股票的分析 JSON**（结构见 `data/tdhl_analysis.json`）；脚本不会凭空生成其他股票的真实分析。 ### B.1 数据准备（可选） 若目标股票的分析 JSON 缺失 / 需刷新，按对应采集脚本更新后写入该 JSON。已有数据时跳过。 ```bash cd <你的工作目录> # 产物(data/、Markdown 报告)落在这里，不写回技能目录 # 通鼎互联样例（默认）：data/tdhl_analysis.json + data/tdhl_kline.json # 其他股票：自备 <名称>_analysis.json（结构见下方「分析 JSON 字段结构」） ``` **分析 JSON 字段结构**（`data/tdhl_analysis.json` 为权威样例，换股时照此构建；字段名必须与脚本读取点一致）： ```jsonc { "name": "通鼎互联", "code": "002491", "exchange": "SZ", "asof": "2026-08-14", // 数据基准日（页脚/标题标注） "tags": ["光纤光缆", "光通信", "AI算力基建"], // 顶部标签（hero tag-row） "price_panel": { // 价格面板 KPI（基础报告 overview） "price": "19.65", "chg": "+3.75%", "up": true, // up 决定涨跌颜色 "market_cap": "225亿", "pb": "8.9x", "pb_note": "PB(行业2.4)", "turnover": "9.98%", "amount": "55.4亿" }, "dims": [ // 六维诊断（score 0-10；weight 合计 100） {"code":"D1","name":"宏观行业","score":8,"weight":15, "detail":"...","verdict":"..."}, ... ], "swot": {"S":[...],"W":[...],"O":[...],"T":[...]}, "scenarios": [ // 估值分情景 {"name":"悲观","cond":"...","val":"60–90 亿","color":"#2bd99f"}, ... ], "scenarios_note": "估值情景补充说明", "lhb": { // 龙虎榜（04 章） "date":"2026-08-12","desc":"上榜原因", "buy_total":"3.61 亿","sell_total":"1.82 亿","net":"1.79 亿", "inst_net":"+403 万","north_net":"-4869 万","seat_net":"+2.24 亿", "buy":[["席位名","+金额","类型","#颜色"],...], // 四元组 [名, 额, 类, 色]