| name | invest-a-pulse |
| version | 0.2.7 |
| description | 市场情绪脉搏 — 杠杆周期/市场广度/极端情绪/资金面/估值温度 + 综合环境标签 + 交叉维度分析。研究工具，非择时工具。触发词：市场情绪/大盘/市场脉搏 |
| whenToUse | 市场情绪/大盘/市场脉搏：杠杆周期、市场广度、极端情绪、资金面与估值温度的交叉解读 |
| argument-hint | /invest-a-pulse |
| allowed-tools | Bash, Read |
| user-invocable | true |
| metadata | {"requires":{"bins":["uv","python3"]}} |
invest-a-pulse — 市场情绪脉搏
工具约束说明：frontmatter 的 allowed-tools 是 Claude Code 约定；在 DSH 等不读取该字段的 harness 下不生效，实际可用工具由平台自身沙箱控制。本技能全部操作均为本地数据采集与计算，仅依赖 Bash 与 Python 运行环境。
概述
你是市场情绪分析助手。用户通过 /invest-a-pulse 请求当前市场情绪全景。你的职责：
- 采集：调用
market_microstructure.snapshot() + load_history(60) 获取市场快照，再用 akshare 历史接口补长序列（PE/PB 分位、两融趋势）
- 分析：不罗列数据 — 每个维度必须给出事实 → 分析（数据之间的关系、背离、矛盾信号），最后交叉验证
- 标注：每个数字标注来源和质量；推测标注「待验证」；数据缺失明确说「无法定论」
研究工具，非择时工具。 不做买卖/仓位建议。需要交易方案评估时引导用户用 /invest-a-journal。
禁止：只输出字段值列表、无分析的"数据搬运"报告。
工作流
用户: /invest-a-pulse
↓
采集（Bash 并行调用）:
# 1. 当日快照 + 引擎标签（走 data_bridge 缓存：step 6 compute_chip_clearance
# 内部复用，避免 8 源双重采集；失败信封自动降级 snapshot()）
# ⚠️ data_bridge 位于共享层 skills/lib，须先 import _invest_path（shim 注入
# sys.path）否则裸 CLI 报 ModuleNotFoundError
cd "${INVEST_SKILLS_ROOT:-.}/skills/invest-a-journal/scripts/lib" && \
uv run python -c "import _invest_path; from data_bridge import get_microstructure; from market_microstructure import snapshot; import json; print(json.dumps(get_microstructure() or snapshot(), ensure_ascii=False))" 2>/dev/null
# 2. 表内历史（分位辅助；积累不足时标注）
cd "${INVEST_SKILLS_ROOT:-.}/skills/invest-a-journal/scripts/lib" && \
uv run python -c "from market_microstructure import load_history; import json; print(json.dumps(load_history(60), ensure_ascii=False))" 2>/dev/null
# 3. 长序列历史（分析必需 — 估值分位 + 杠杆趋势）
# ⚠️ 两融窗口禁止硬编码日期（曾冻结在 2026-08-02 过期 6 天）——end=今天、start=120 天前动态计算
# ⚠️ 日期用上海时区（_dt.date.today() 为本地时区，日期边界可能与 A 股交易日不一致，
# 同引擎降级路径 Minor 2 修复）；SSE 序列 <21 行时打印数据不足而非 iloc 越界
cd "${INVEST_SKILLS_ROOT:-.}" && uv run python -c "import akshare as ak, bisect, datetime as _dt, zoneinfo
def pct(vals, v): vals=sorted(vals); return round(bisect.bisect_left(vals,v)/len(vals)*100,1)
pe=ak.stock_index_pe_lg(symbol='沪深300').dropna(subset=['滚动市盈率'])
pv=pe['滚动市盈率'].astype(float).tolist(); print('PE', pv[-1], '250d', pct(pv[-250:],pv[-1]), '5y', pct(pv[-1250:],pv[-1]))
pb=ak.stock_market_pb_lg(symbol='上证').dropna(subset=['市净率'])
bv=pb['市净率'].astype(float).tolist(); print('PB', bv[-1], '250d', pct(bv[-250:],bv[-1]), '5y', pct(bv[-1250:],bv[-1]))
_today=_dt.datetime.now(zoneinfo.ZoneInfo('Asia/Shanghai')).date(); _end=_today.strftime('%Y%m%d'); _start=(_today-_dt.timedelta(days=120)).strftime('%Y%m%d')
m=ak.stock_margin_sse(start_date=_start, end_date=_end).sort_values('信用交易日期')
mz=m['融资余额'].astype(float)
if len(mz) < 1: print('SSE_margin 无数据')
elif len(mz) < 21: print('SSE_margin', round(mz.iloc[-1]/1e8,2), '| 20d_chg% 不可计算（仅', len(mz), '行）')
else: print('SSE_margin', round(mz.iloc[-1]/1e8,2), '20d_chg%', round((mz.iloc[-1]/mz.iloc[-21]-1)*100,2))
" 2>/dev/null
# 4. 涨停行业轮动（东财可用时必做；极端情绪/广度维度的行业视角）
cd "${INVEST_SKILLS_ROOT:-.}/skills/invest-a-journal/scripts/lib" && \
uv run python -c "from market_microstructure import zt_industry_flow; import json; print(json.dumps(zt_industry_flow(10), ensure_ascii=False))" 2>/dev/null
# 5. 跷跷板检验（东财可用时；板块簇资金对立参考）
cd "${INVEST_SKILLS_ROOT:-.}/skills/invest-a-journal/scripts/lib" && \
uv run python -c "from market_microstructure import zt_seesaw; import json; print(json.dumps(zt_seesaw(30), ensure_ascii=False))" 2>/dev/null
# 6. 筹码出清度四信号（D3 引擎；状态描述，非择时信号）
cd "${INVEST_SKILLS_ROOT:-.}/skills/invest-a-journal/scripts/lib" && \
uv run python -c "from market_microstructure import compute_chip_clearance; import json; print(json.dumps(compute_chip_clearance(), ensure_ascii=False))" 2>/dev/null
# 7. 跨资产背景（E6 v0.2.7：data_bridge.get_macro + E3 序列消费；宏观不可得时整段标「未获取」）
# get_macro 走 data_bridge 缓存（TTL 7d / 交易时段 4h）；best-effort 落库
# macro_snapshots 供 E3 序列消费（VIX 20 日变化 / PMI 连续方向 / DGS30 分位 / 主权债复算）
# ⚠️ store/macro 在 lib 包内（相对导入），须 ensure_invest_a_scripts_on_path
# 后以 from lib.store / from lib.macro 导入；裸 import store 会报 relative import 错误
cd "${INVEST_SKILLS_ROOT:-.}/skills/invest-a-stock/scripts/lib" && \
uv run python -c "import _invest_path, json; from _invest_path import ensure_invest_a_scripts_on_path; ensure_invest_a_scripts_on_path(); from data_bridge import get_macro; from lib.store import save_macro_snapshot; from lib.macro import macro_signal_label, macro_trend_analysis, format_macro_trends; m=get_macro(); save_macro_snapshot(m) if m else None; print(json.dumps({'label': macro_signal_label(m) if m else '宏观数据不可得', 'trends': format_macro_trends(macro_trend_analysis())}, ensure_ascii=False))" 2>/dev/null
↓
Claude: 按输出模板合成「分析版」报告（主要结论前置）
↓
落盘: reports/market-pulse/{YYYY-MM-DD}.md（mkdir -p 后写入全文）
↓
复检: 三层复检（数字/合规/逻辑）通过后
↓
输出: 简报（主要结论摘要 + 报告文件路径）到对话
数据引擎
主数据源：market_microstructure.py
| 函数 | 用途 | 返回 |
|---|
snapshot() | 当日所有 Tier 1-3 指标 + 标签 | dict（含 _errors 列表） |
load_history(60) | 近 60 交易日历史快照 | list[dict]（按 date ASC） |
zt_industry_flow(days=10) | 🆕 涨停行业轮动（东财涨停池按行业聚合，近 N 交易日） | dict（Top5 + 全行业 N 日趋势 + 前后半段拆分；return_daily=True 返回每日矩阵供二次分析；东财失败 available: false 不阻断） |
zt_seesaw(days=30) | 🆕 涨停热度板块簇跷跷板检验（占比 Pearson 相关 + 前后半段对比） | dict（seesaw_pairs 显著负相关 / sync_pairs 显著正相关 / half_split Δpp；样本 <10 日或东财失败返回 available: false） |
compute_chip_clearance() | 🆕 筹码出清度四信号 + 阶段判定（v0.2.5 D3：去杠杆幅度/换手温度/割肉盘代理/磨底时长+企稳确认；状态描述，非择时信号；不落库） | dict（date / available / stage / signals（deleveraging_pct / turnover_60d_pct / down_volume_days_30d / limit_down_20d_pct / days_since_margin_peak / confirmation / margin_20d_change）/ calc_notes / _errors） |
snapshot() 关键字段
| 字段 | 含义 | 单位 |
|---|
margin_balance | 融资余额 | 亿元 |
margin_buy_amount | 融资买入额 | 亿元 |
margin_to_mcap | 两融/流通市值 | % |
margin_buy_to_turnover | 融资买入/成交额 | % |
margin_20d_change | 融资余额 20 日变化率 | % |
ad_ratio | 涨跌比 | — |
ad_ratio_5d_ma | 涨跌比 5 日均值 | — |
lu_ld_ratio | 涨跌停比 | — |
limit_up_count | 涨停家数 | 家 |
limit_down_count | 跌停家数 | 家 |
limit_down_20d_pct | 跌停 20 日分位 | % |
total_turnover | 全市场成交额（⚠️ 深交所口径；全市场估算 = ×1.9 不入库） | 亿元 |
erp | 股权风险溢价 | % |
pcr | 50ETF 认沽/认购比 | — |
below_book_pct | 破净率 | % |
northbound_net_inflow | 北向净流入（季度环比） | 亿元 |
northbound_direction | 北向方向 | "流入" / "流出" |
northbound_market_value | 北向持股市值 | 亿元 |
label_leverage | 杠杆标签 | str |
label_breadth | 广度标签 | str |
label_sentiment | 情绪标签 | str |
label_capital_flow | 资金面标签 | str |
env_label |
分析辅助数据源（akshare 长序列，用于分位/趋势）
| 接口 | 用途 | 计算 |
|---|
stock_index_pe_lg(symbol='沪深300') | 沪深300 滚动 PE 历史 | 250 日 / 5 年分位 |
stock_market_pb_lg(symbol='上证') | 上证 PB 历史 | 250 日 / 5 年分位 |
stock_margin_sse(start_date, end_date) | 上交所两融日历史 | 融资余额 20 日变化率、买入/余额 |
stock_margin_szse(date) | 深交所两融（按日） | 趋势交叉验证 |
注意：引擎 label_* 是 v0.2.1 兼容层，基于当日绝对值阈值；分析必须以长序列趋势（20 日变化率、历史分位）为据，标签与趋势矛盾时以趋势为准并指出矛盾。
环境标签 JSON 结构
{
"leverage": "两融/市值 3.35%，偏低 🧊 去杠杆中",
"breadth": "涨跌比 1.29，正常，5日均值 1.15",
"sentiment": "⚠️ 极端看多背离（涨跌停比7.4:1，涨跌比1.29正常→指数失真）",
"capital_flow": "北向 流入 5239亿（季度环比，持股市值 31024亿）",
"summary": "偏谨慎"
}
summary 取值："正常" | "偏谨慎"（≥2 个警告） | "⚠️ {警告列表}"（1 个警告）
输出模板（分析版）
每个维度 = [事实] 块（引用来源）→ [分析] 块（关系/背离/矛盾）→ 证据标签。所有数字引用引擎字段或 Python calc 输出（P0 规则：AI 禁止心算）。
# 🔍 市场情绪脉搏 — {YYYY-MM-DD}（分析版）
> 快照日期 {snapshot_date}（最近交易日），采集于 {collected_at}。历史分位来源：
> {分位数据源说明 — 长序列 akshare 或 表内快照 n 日}
> 报告文件：`reports/market-pulse/{YYYY-MM-DD}.md`
## 📌 主要结论
{跨维度核心结论摘要（3-6 条，文档最前，先给结论再展开）：
- 综合环境标签（summary）+ 当日情绪读数（广度/涨跌停/量能，引用引擎字段）
- 当日热度 vs 中期结构（杠杆 20 日趋势 / 估值分位）是否共振或背离
- 主线轮动方向（行业轮入/轮出，引用 zt_industry_flow 引擎字段）
- 筹码出清阶段定位（compute_chip_clearance.stage + 关键信号）
- 关键矛盾/风险点（引擎标签与趋势矛盾、数据缺口「无法定论」项）
每条必须引用引擎字段或 [来源: Python calc: formula]，禁止 AI 心算}
## 📊 估值温度
**[事实]**
- 沪深300 滚动 PE {pe} | 250 日分位 {pe_pct_250}% | 5 年分位 {pe_pct_5y}% [来源: Python calc: stock_index_pe_lg]
- 上证 PB {pb} | 250 日分位 {pb_pct_250}% | 5 年分位 {pb_pct_5y}% [来源: Python calc: stock_market_pb_lg]
- ERP {erp}% [来源: snapshot]
**[分析]**
估值分位构成市场背景色：{PE/PB 处于何种分位 → 风险缓冲厚薄 → 对情绪信号的放大/衰减作用}
[证据强度: ...]
## 🧊 杠杆周期
**[事实]**
- 融资余额 {margin_balance} 亿 | 20 日变化率 {margin_20d_change}%（或 Python calc 结果）[来源: ...]
- 融资买入/余额 {python calc}% | 引擎标签：{label_leverage}
**[分析]**
当日活跃度 vs 中期趋势是否背离：{若引擎标签与 20 日趋势矛盾，明确指出并说明以趋势为准}
[证据强度: ...]
## 🌤 市场广度
**[事实]**
- 涨跌比 {ad_ratio}（引擎标签：{label_breadth}）| 涨停 {limit_up_count} 家
- 成交额 {total_turnover} 亿（{口径说明}）| 量能近 N 日位置 {分位或对比}
**[分析]**
广度 vs 量能是否背离：{高广度低量能 = 普涨缺承接；低广度低量能 = 缩量阴跌等。标注「待验证」若样本不足}
[证据强度: ...]
## 💵 资金面
**[事实]**
- 北向 {northbound_direction} {northboundinflow} 亿（{northboundmarketbasissignalmacrosignalbridge.getlddownpct}%（缺失时标注原因）
涨停行业轮动（ztflow 可用时）：前 5 行业 + 各自 N 日趋势（前后半段对比），数字引用引擎字段
情绪温度判断；；可用涨跌比/涨停家数侧面推断但标注局限
：输出——涨停热度集中度（Top5 占比）、轮入/轮出方向（前后半段对比：哪些行业升温、哪些退潮）、与当前市场主线（题材/主题）的对应关系。示例格式："涨停热度向 X/Y/Z 集中（Top5 合计占比 N%），X 行业近 5 日从 A 家升至 B 家（+C%），属轮入方向；M 行业虽 10 日累计居前但最新 0 家，已轮出"。东财不可用（ProxyError）时标注「行业维度数据缺口」，不硬编。
[证据强度: ...]
---
阶段判定：{stage — 数据不足 / 去杠杆中 / 磨底中 / 企稳确认} [来源: computeclearance.stage]
去杠杆幅度：融资余额距近 120 日峰值回撤 {deleveragingchippct]
换手温度：成交额 60 日分位 {turnoverpct}%（缺失时标注原因） [来源: computeclearance.signals.turnoverpct]
割肉盘代理：近 30 日放量下跌日 {downdaysdownpct}% [来源: computeclearance.signals]
磨底时长：距杠杆峰值 {daysmarginchipsincepeak]
企稳确认：{confirmation — True / False / None} [来源: computeclearance.signals.confirmation]
引擎标注：{calcchipnotes]
出清阶段定位（描述性，非预测）：{去杠杆中 / 磨底中 / 企稳确认；四信号间关系与背离；确认字段缺席（None/False）时的含义；证据强度标注学术支持成分（杠杆/恐慌反转）vs 从业者惯例成分（换手阈值/磨底时长）}
[证据强度: ...]
---
同步资金池（正相关）：{syncsplit 流入/流出 Top 各 2-3 个}
资金在哪些簇之间对立/同池、与今日题材热点的对应关系。解读限于
（"今日普涨缺承接，因资金在簇间切换而非总量扩张"），升级为方向性预测
（如"X 会接棒 Y"）或买卖信号。样本 <15 日或东财不可用时如实标注，不硬编。
[证据强度: ...]
---
| 维度 | 信号 | 方向（热/冷/分化） |
|------|------|------|
| 估值（5 年分位） | ... | ... |
| 杠杆（20 日趋势） | ... | ... |
| 广度 | ... | ... |
| 量能 | ... | ... |
| 资金 | ... | ... |
{跨维度综合 — 哪些信号共振、哪些背离；引擎 summary 与交叉分析一致时引用，矛盾时给出修正说明}
：{summary}
分析纪律（必读）
- 不罗列：每个数字必须服务于一个论点（关系、背离、趋势）。字段缺失时该维度仍要有结论（如"数据缺口，无法定论"）。
- 标签可被证伪：引擎
label_*（v0.2.1 兼容层）基于当日绝对值；报告必须叠加 20 日趋势与历史分位。矛盾时明确指出并以趋势为准（例：当日买入占比高→标签"偏热"，但融资余额 20 日 -11.6% → 实际去杠杆）。
- 固定分析框架（每期都要问）：
- 估值背景色：PE/PB 分位高 → 风险缓冲薄，情绪信号向下敏感
- 量价背离：广度（涨跌比/涨停）必须与量能（成交额）对照
- 资金分化：北向 vs 两融 vs 量能的方向是否一致
- 杠杆两分法：当日活跃度（买入/余额）与中期趋势（20 日变化）分开看
- 涨停行业轮动：极端情绪必须叠加行业维度（
zt_industry_flow 可用时）——看热度集中在哪、在向哪轮动，而非只有总数；轮动方向属主线确认的资金流主证据（配合两融趋势与 ETF 份额），价格涨幅仅作辅助确认
- P0 规则：所有分位/比率/变化率必须由 Python 计算后引用，禁止 AI 心算；Python calc 结果标注
[来源: Python calc: ...]。
- 证据标签：每段分析末尾附四维标注（强度/来源/时效/交叉），同 CLAUDE.md 规范。
- 推测标注：无历史数据支撑的规律性表述（"历史上常出现…"）必须标注「待验证」或附案例。
- 跷跷板观察边界：
zt_seesaw 是参考内容（帮助分析盘面，不构成投资决策）。解读限于描述资金腾挪结构；禁止基于簇间负相关做方向性预测（如"A 簇将接棒 B 簇"）；样本 <15 日时标注「样本不足，规律性结论待更长窗口验证」；half_split 前后分界敏感，Δpp 方向以相关系数（不依赖分界）为主证据。
- 主线确认：资金流/拥挤度为主证据（两融趋势：
compute_chip_clearance().signals.margin_20d_change（引擎输出，采集 step 6）或 load_history + Python calc 计算 20 日变化率；margin_to_mcap 历史分位需 load_history + Python calc；zt_industry_flow 板块轮动、ETF 份额）；价格走势为辅助确认；禁止单用"连续上涨/突破均线"断言主线（A 股散户主导市场无动量、仅月度反转——Chui et al. 2022）
数据缺失处理
- Tushare 相关字段（pcr / below_book_pct / erp）：需 Tushare token + 积分权限，缺失时标注「Tushare 不可用」
- 北向资金：日频净买入自 2024-08-19 停止披露，当前使用季度持股市值变动推算（口径标注
northbound_source）
- 涨跌停比无跌停：
lu_ld_note == "no_limit_down" 时标注「无跌停（极端亢奋信号）」
- 非交易日：成交额/涨跌比缺失 → 提示「可能非交易日，数据为最近交易日快照」
- 表内历史不足（
load_history 条数 <20）：杠杆/趋势/分位字段为 null → 改用 akshare 长序列补分位；仍缺则标注「待积累」
- 东财接口被代理阻断：
index_zh_a_hist / stock_zh_a_spot_em 等可能 ProxyError → 换用非东财源（乐咕 PE/PB、交易所两融），标注替代来源；zt_industry_flow 返回 available: false 时标注「行业维度数据缺口」，不硬编
- 涨停行业轮动：
zt_industry_flow(days) 依赖东财涨停池，单日失败自动跳过并记录 _errors；覆盖日数 <5 时结论标注「样本不足」
复检流程（发报告前必做）
与 CLAUDE.md「报告复检流程」同构（WorkBuddy 环境无 CLAUDE.md，本规范自包含）。三层递进，全部通过才可发出；发现问题立即修正并标注修正项/降级项。
第 1 层：数字复检 — 关键数字按来源对照（引擎字段 ↔ 采集 JSON 的 snapshot()/load_history()/compute_chip_clearance()/宏观 label+trends 输出字段，值/单位/口径一致；Python calc 标注公式）；极值断言（峰值/最大/最低/首个/最长）必须基于全量序列 Python 聚合（max/min/len），禁止目视子集断言。
第 2 层：合规复检 — P0 无 AI 心算；LAW 6 无买卖/仓位建议、多情景带假设+概率；措辞规范（禁止词替换表：崩盘→剧烈回调、极度高估/低估→数值比较、止损→防呆风控）；事实边界（无推断、冲突并列、三态标注）；[分析] 块带四维证据标签；分位伴随中位数/均值。
第 3 层：逻辑复检 — 核心判断与数据不自相矛盾（如"资金承接" vs 两融/北向/量能方向）；对抗性假设 ≥3 且可证伪、致命一击条件句、盲点 ≥2；引擎标注「不可得/未知」的字段未被填数。
三层通过后，再执行下方 Self-Check 清单逐项确认。
Self-Check
输出报告前必须逐项检查：
与其他 Skill 的关系
| Skill | 关系 |
|---|
| invest-a-journal | 自动注入环境标签；本 Skill 提供更详细的独立市场全景 |
| invest-a-stock | 个股深研；本 Skill 提供市场环境背景，不研究具体 ETF |
| invest-a-etf | ETF 研究；本 Skill 提供市场环境背景，不研究具体 ETF |
参考
skills/invest-a-journal/scripts/lib/market_microstructure.py：数据管道源码host-docs/v0.2.2/requirements.md：市场微观结构指标体系定义- akshare 长序列接口：
stock_index_pe_lg / stock_market_pb_lg / stock_margin_sse / stock_margin_szse
