| name | marcus-investment-analyst |
| description | Marcus 投资分析技能 - 基于缠论+MACD+RSI 的 A 股投资策略。用于股票分析、回测、投资建议。触发词：分析股票、回测策略、投资建议、Marcus 策略。 |
Marcus 投资分析技能
版本: v6.0
策略类型: 缠论+MACD+RSI+ 追踪止损
🎯 何时使用
使用此技能当用户需要：
- 分析 A 股股票（技术指标、缠论中枢、买卖点）
- 执行策略回测（历史数据验证）
- 获取投资建议（仓位配置、行业配置）
- 下载/更新股票指标数据（MACD、RSI、KDJ）
📋 核心策略参数
策略名称：优化版 5-存储芯片专用
缠论中枢:
周期：60 日均线
区间：±8%
MACD:
快线：12
慢线：26
信号：9
RSI:
周期：6
超卖：20
超买：80
止损止盈:
止损：5%
止盈：15%
追踪：8%
📈 买入条件 (需同时满足)
- ✅ 价格在缠论中枢内 (60 日均线×0.92 ~ 60 日均线×1.08)
- ✅ MACD 金叉 (DIF 上穿 DEA)
- ✅ RSI6 < 20 (超卖)
📉 卖出条件 (满足任一)
- ❌ 盈利 ≥ 15% (止盈)
- ❌ 亏损 ≥ 5% (止损)
- ❌ 从最高点回撤 ≥ 8% (追踪止损)
- ❌ MACD 死叉 (DIF 下穿 DEA)
- ❌ 价格跌破中枢下沿
🎯 股票池 (20 支)
核心配置 (55-60%)
| 股票 | 代码 | 行业 | 仓位 |
|---|
| 江波龙 | 301308 | 存储芯片 | 25-30% |
| 兆易创新 | 603986 | 存储芯片 | 20-25% |
卫星配置 (25-30%)
| 股票 | 代码 | 行业 | 仓位 |
|---|
| 东山精密 | 002384 | 消费电子 | 10-15% |
| 金风科技 | 002202 | 风电 | 10% |
| 四方精创 | 300468 | 软件 | 10% |
| 云天化 | 600096 | 化工 | 8% |
| 宝丰能源 | 600989 | 化工 | 8% |
| 万向钱潮 | 000559 | 汽配 | 5% |
| 中国铝业 | 601600 | 有色 | 5% |
回避
🚀 使用脚本
1. 运行策略回测
cd /root/.openclaw/workspace/skills/marcus-investment-analyst/scripts
python3 marcus_ultimate_optimized_strategy.py
输出: 20 支股票的回测结果，包含收益、夏普比率、胜率
2. 缠论分析单只股票
python3 marcus_chan_theory.py <股票代码>
输出: 缠论中枢、背驰、买卖点分析
3. 缠论回测
python3 marcus_backtest_chan.py <股票代码>
输出: 缠论策略历史回测结果
4. 下载指标数据
python3 data_indicator_fetcher.py
输出: 更新 MACD/RSI/KDJ 指标到数据库
📊 回测表现 (2023-2026)
| 指标 | 数值 |
|---|
| 平均年化收益 | 21.96% |
| 夏普比率 | 0.56 |
| 胜率 | 75.0% |
| 用户股票平均 | 28.77% |
📁 文件结构
marcus-investment-analyst/
├── SKILL.md # 本文件
├── scripts/
│ ├── marcus_ultimate_optimized_strategy.py # 主策略
│ ├── marcus_chan_theory.py # 缠论分析
│ ├── marcus_backtest_chan.py # 缠论回测
│ └── data_indicator_fetcher.py # 指标下载
├── references/
│ ├── strategy.md # 策略文档
│ └── optimization_report.md # 优化报告
└── assets/
└── backtest_data.json # 回测数据
💡 使用示例
示例 1: 分析股票
用户: "分析一下江波龙"
操作:
- 读取
references/strategy.md 获取股票池信息
- 运行
python3 marcus_chan_theory.py 301308
- 返回缠论分析结果
示例 2: 回测策略
用户: "回测一下 Marcus 策略"
操作:
- 运行
python3 marcus_ultimate_optimized_strategy.py
- 读取
assets/backtest_data.json 获取历史数据
- 返回回测结果和投资建议
示例 3: 投资建议
用户: "有什么投资建议？"
操作:
- 读取
references/optimization_report.md
- 返回行业配置建议和个股推荐
⚠️ 风险提示
- 历史业绩不代表未来
- 存储芯片集中度高，建议分散配置
- 市场系统性风险无法避免
- 流动性风险：小盘股可能无法及时买卖
📞 数据位置
数据库：
/root/data/astock_history.db # K 线数据 (154MB)
/root/data/astock_indicators.db # 指标数据 (283MB)
回测数据：
/root/.openclaw/workspace/memory/stock-analysis/终极优化策略回测_20260312_1629.json
最后更新: 2026-03-12
状态: ✅ 实盘就绪
