name	stocksage
description	A股智研助手 — 个股深度研究、多因子评分与智能选股。支持沪深A股分析，基于47因子模型输出评分及综合研究报告。
metadata	{"openclaw":{"emoji":"📊","requires":{"bins":["python3","python"],"anyBins":["python3","python"]},"install":[{"kind":"uv","package":"akshare"},{"kind":"uv","package":"pandas"},{"kind":"uv","package":"numpy"},{"kind":"uv","package":"ta"}]}}

StockSage — A股智研助手

功能

个股研究：给定股票代码或名称，生成完整的基本面、技术面、多因子评分报告（47因子模型）
因子选股：通过编号菜单或自然语言描述条件，筛选符合条件的A股
权重定制：自然语言指定因子偏好（如"重视成长"/"focus on growth"）

何时使用 / When to activate

Activate this skill when the user expresses any of the following intents (Chinese or English):

Research a specific stock: "帮我研究一下茅台" / "analyze 600519" / "research BYD"
Screen for stocks: "帮我筛选股票" / "find stocks" / "screen for low PE high growth"
Score a stock: "给茅台打个分" / "score 600519"

选股工作流

Step 1 — 如果用户未指定条件，展示因子菜单

当用户说"帮我选股"、"筛选一些股票"、"find stocks"等而没有具体条件时， 先向用户展示以下菜单，让他们选择编号：

📊 请选择筛选因子（输入编号，多个用逗号分隔，如 "1,3,9"）：

【估值类】
  1. 低估值        Low Valuation          — PE/PB行业内分位偏低
  2. 高股息        High Dividend Yield    — 股息率TTM ≥ 3%

【成长类】
  3. 高成长        High Growth            — 营收/利润增速 > 20%
  4. 稳健成长      Steady Growth          — 营收/利润增速 > 10%

【技术/动量类】
  5. 价格强势      Price Momentum         — 近60日涨幅居前（强动量）
  6. 均线多头      MA Bullish Alignment   — 5/10/20/60日均线多头排列
  7. 量能放大      Volume Breakout        — 今日成交量 > 20日均量1.5倍
  8. 高量比        High Volume Ratio      — 量比 > 2（短期活跃放量）

【质量类】
  9. 高ROE         High ROE               — ROE ≥ 15%（盈利能力强）
 10. 低负债        Low Debt               — 资产负债率 < 40%（财务稳健）
 11. 高毛利率      High Gross Margin      — 毛利率 > 30%（护城河宽）
 12. 低波动        Low Volatility         — 股价波动率低、走势稳健

【资金类】
 13. 主力资金流入  Institutional Flow     — 近5日大单净流入持续为正

【规模类】
 14. 小市值        Small Cap              — 总市值 < 100亿（高弹性）
 15. 大盘蓝筹      Large Cap Blue Chip    — 总市值 > 500亿（低风险）

Step 2 — 运行选股脚本

用户选择编号后（如 "1,3,9"），运行菜单模式：

python {baseDir}/src/screener.py --menu "1,3,9"

如果用户直接输入自然语言条件，运行查询模式：

python {baseDir}/src/screener.py "低估值高成长"
python {baseDir}/src/screener.py "high quality low debt focus on growth"

打印因子菜单（无参数）：

python {baseDir}/src/screener.py --list

Step 3 — 展示结果

展示 Top 10 候选股，包含代码、名称、主要指标及综合评分。如结果包含 unapplied_conditions，告知用户需先运行 batch_financials.py 预热财务数据。

个股研究工作流

识别股票代码（6位数字，如 600519）或名称（如贵州茅台）

运行研究脚本（支持可选权重参数）：

python {baseDir}/src/research.py <股票代码>
python {baseDir}/src/research.py <股票代码> --weights "focus on growth"
python {baseDir}/src/research.py <股票代码> --weights "重视质量 低波动"

基于 JSON 输出，用中文撰写研究报告：

📊 [股票名称]（[代码]）研究报告

实时行情

当前价格、涨跌幅、量比、换手率

估值分析

PE/PB 当前值、3年历史分位、行业内相对分位（如可用）

基本面

营收/利润增速、ROE、毛利率趋势解读

技术面

均线排列（多头/混合/空头）、MACD信号、RSI

资金面

大单净流入趋势、融资余额变化

多因子评分（47因子） [总分 XX/100]

核心因子（各25分）：

🟢价值 XX/25 | 🟢成长 XX/25 | 🟡动量 XX/25 | 🟢质量 XX/25

扩展因子 A 组（来自基础数据）：

北向资金 XX/10 | 量能突破 XX/10 | 52周位置 X/5
股息率 X/10 | 量比 X/10 | 均线排列 XX/15 | 低波动 X/10

扩展因子（短期反转/资金流/筹码/技术/行为等共36因子）：

综合扩展得分 XX/100（详见 research.py 输出 extended_factors）

综合结论

2-3句话总结，给出明确观点（如：基本面优秀但当前估值偏高，适合回调后布局）

因子体系说明（47因子）

系统共 47 个因子，分四组。完整文档见 FACTORS.md。

核心因子（4个，各25分，`factors.py`）

#	因子	满分	数据来源	说明
1	价值 (value)	25	实时行情	PE/PB行业内分位 → 历史分位 → 绝对阈值（三级回退）
2	成长 (growth)	25	财报API	营收增速×10 + 利润增速×10 + ROE趋势×5
3	动量 (momentum)	25	价格历史	1月/3月/6月收益率加权
4	质量 (quality)	25	财报API	ROE均值×10 + 毛利率×10 + 低负债×5

扩展因子 A 组（7个，来自基础数据，`factors_extended.py`）

#	因子	满分	说明
5	北向/主力资金	10	近5日大单净流入天数+强度
6	量能突破 (volume)	10	当日成交量 / 20日均量比
7	52周位置	5	当前价格在52周高低区间中的位置
8	股息率 (div_yield)	10	股息率TTM：≥5%→满分
9	量比 (volume_ratio)	10	今日量/5日均量：2.5–4倍→满分
10	均线排列 (ma_alignment)	15	MA5>MA10>MA20>MA60多头排列程度
11	低波动 (low_volatility)	10	年化波动率：≤15%→满分，≥60%→0分

扩展因子 A 续 + B + C 组（22个，`factors_extended.py`）

因子	类别	说明
reversal（12）	短期反转	1月涨跌幅，散户过度反应反转
accruals（13）	盈利质量	应计项目，现金含量检验
asset_growth（14）	资产扩张	总资产增速，过度扩张警示
piotroski（15）	基本面	9项二值指标，F分综合
short_interest（16）	做空压力	融券比例，轧空vs正常做空
rsi_signal（17）	技术	14日RSI超买超卖
macd_signal（18）	技术	MACD柱方向与强度
turnover_percentile（19）	换手率	近5日换手率 vs 90日均值
chip_distribution（20）	筹码	52周位置×大小单资金流向
shareholder_change（21）	股东结构	季度股东人数变化（筹码集中度）
lhb（22）	龙虎榜	近90日机构净买入
social_heat（23）	舆情	东方财富热榜热度
concept_momentum（24）	概念动量	所属概念板块近1月涨跌幅
institutional_visits（25）	机构调研	近90日调研次数
industry_momentum（26）	行业动量	行业vs沪深300超额收益
northbound_actual（27）	北向持仓	沪深港通实际持仓变化
earnings_revision（28）	盈利预测	分析师净上调/下调次数
limit_hits（29）	涨跌停	近20日净涨停次数
price_inertia（30）	价格惯性	近20日价格涨幅
bb_position（31）	布林带	价格在布林带中的位置
divergence（32）	量价背离	OBV与价格方向背离
roe_trend（33）	ROE趋势	ROE季度环比方向

扩展因子 A2 组（14个，IC验证批次，`factors_extended.py`）

因子	IC	说明
main_inflow（34）	+0.048	近5日主力净流入金额
cash_flow_quality（35）	+0.063	经营现金流/净利润
momentum_concavity（36）	+0.058	动量加速度（近30日-中30日）
low_vol_12m（37）	+0.201	12个月年化波动率（低波动异象）
idiosyncratic_vol（38）	+0.249	特质波动率（去除市场beta后）
return_skewness（39）/ skewness	+0.105	收益率偏度（彩票效应）
atr_normalized（44）	+0.249	归一化ATR，捕捉缺口风险
ma60_deviation（45）	+0.098	距MA60偏离度（均值回归）
max_return（46）	+0.216	近20日最大单日涨幅（彩票效应）
medium_term_momentum（42）	−0.108	40日收益率（A股反转）
obv_trend（43）	−0.115	OBV斜率（A股散户追涨信号）
amihud_illiquidity（41）	−0.062	非流动性比率（流动性溢价）
intraday_vs_overnight（48）	−0.103	日内vs隔夜收益分拆
bb_squeeze（40）	—	布林带收窄，波动率压缩信号

权重定制语法

在查询或 --weights 参数中嵌入以下关键词即可调整权重：

关键词（中/英均可）	效果
`重视成长` / `focus on growth`	成长权重 ×3
`重视估值` / `focus on value`	价值权重 ×3
`重视质量` / `focus on quality`	质量权重 ×3
`重视动量` / `focus on momentum`	动量权重 ×3
`高股息` / `dividend`	股息率权重 ×3
`均线` / `trend following`	均线排列权重 ×2
`低波动` / `defensive`	低波动权重 ×3，动量权重 ×0.3
`量比` / `active`	量比权重 ×2
`北向资金` / `smart money`	主力资金权重 ×2
`均衡` / `balanced`	恢复默认权重

批量预计算（推荐设置）

因子 2、4 和部分菜单选项（3、4、9、10、11）需要预先计算财务数据：

# 全量运行（~5000只，约1小时，支持断点续跑）
python {baseDir}/src/tools/batch_financials.py

# 测试运行
python {baseDir}/src/tools/batch_financials.py --max 200

推荐设置每日 02:00 定时执行（cron 或 Windows Task Scheduler）。

行业地图缓存

首次使用前，在 Python 中运行一次可预热行业内估值对比（~90次API，缓存7天）：

from scripts.industry import build_industry_map
build_industry_map()

重要说明

实时行情延迟约10秒，本地缓存30秒；价格历史缓存1小时；财报缓存7天
本工具仅供辅助研究，不构成投资建议
脚本运行通常需要10-30秒，请告知用户耐心等待
因子6（均线多头）、12（低波动）、13（主力资金）在选股模式中仅影响排名权重，不作为硬过滤条件（需逐股调取价格历史，批量场景下成本过高）

错误处理与常见问题

现象	原因	解决
`unapplied_conditions` 出现在结果中	财务类筛选条件（ROE、负债率、毛利率等）未预热	运行 `python src/tools/batch_financials.py`，支持断点续跑
股票代码无结果	代码输入错误、退市或停牌	核对6位代码，沪市以6开头，深市以0/3开头，北交所以8开头
网络超时 / BaoStock 无响应	API 限速或服务器抖动	稍后重试；若持续失败检查网络，BaoStock 有每日调用限额
52周位置显示为空	股票上市不足252个交易日（约1年）	正常，新股/次新股无法计算52周指标
因子评分偏低但股票看起来不错	默认权重为均衡模式；特定策略可能需要调权	使用 `--weights "重视成长"` 等参数按需调整
数据明显滞后	价格缓存TTL为1小时，财报缓存7天	清除 `.cache/` 目录后重新运行

name	stocksage
description	A股智研助手 — 个股深度研究、多因子评分与智能选股。支持沪深A股分析，基于47因子模型输出评分及综合研究报告。
metadata	{"openclaw":{"emoji":"📊","requires":{"bins":["python3","python"],"anyBins":["python3","python"]},"install":[{"kind":"uv","package":"akshare"},{"kind":"uv","package":"pandas"},{"kind":"uv","package":"numpy"},{"kind":"uv","package":"ta"}]}}

StockSage — A股智研助手

功能

个股研究：给定股票代码或名称，生成完整的基本面、技术面、多因子评分报告（47因子模型）
因子选股：通过编号菜单或自然语言描述条件，筛选符合条件的A股
权重定制：自然语言指定因子偏好（如"重视成长"/"focus on growth"）

何时使用 / When to activate

Activate this skill when the user expresses any of the following intents (Chinese or English):

Research a specific stock: "帮我研究一下茅台" / "analyze 600519" / "research BYD"
Screen for stocks: "帮我筛选股票" / "find stocks" / "screen for low PE high growth"
Score a stock: "给茅台打个分" / "score 600519"

选股工作流

Step 1 — 如果用户未指定条件，展示因子菜单

当用户说"帮我选股"、"筛选一些股票"、"find stocks"等而没有具体条件时， 先向用户展示以下菜单，让他们选择编号：

📊 请选择筛选因子（输入编号，多个用逗号分隔，如 "1,3,9"）：

【估值类】
  1. 低估值        Low Valuation          — PE/PB行业内分位偏低
  2. 高股息        High Dividend Yield    — 股息率TTM ≥ 3%

【成长类】
  3. 高成长        High Growth            — 营收/利润增速 > 20%
  4. 稳健成长      Steady Growth          — 营收/利润增速 > 10%

【技术/动量类】
  5. 价格强势      Price Momentum         — 近60日涨幅居前（强动量）
  6. 均线多头      MA Bullish Alignment   — 5/10/20/60日均线多头排列
  7. 量能放大      Volume Breakout        — 今日成交量 > 20日均量1.5倍
  8. 高量比        High Volume Ratio      — 量比 > 2（短期活跃放量）

【质量类】
  9. 高ROE         High ROE               — ROE ≥ 15%（盈利能力强）
 10. 低负债        Low Debt               — 资产负债率 < 40%（财务稳健）
 11. 高毛利率      High Gross Margin      — 毛利率 > 30%（护城河宽）
 12. 低波动        Low Volatility         — 股价波动率低、走势稳健

【资金类】
 13. 主力资金流入  Institutional Flow     — 近5日大单净流入持续为正

【规模类】
 14. 小市值        Small Cap              — 总市值 < 100亿（高弹性）
 15. 大盘蓝筹      Large Cap Blue Chip    — 总市值 > 500亿（低风险）

Step 2 — 运行选股脚本

用户选择编号后（如 "1,3,9"），运行菜单模式：

python {baseDir}/src/screener.py --menu "1,3,9"

如果用户直接输入自然语言条件，运行查询模式：

python {baseDir}/src/screener.py "低估值高成长"
python {baseDir}/src/screener.py "high quality low debt focus on growth"

打印因子菜单（无参数）：

python {baseDir}/src/screener.py --list

Step 3 — 展示结果

展示 Top 10 候选股，包含代码、名称、主要指标及综合评分。如结果包含 unapplied_conditions，告知用户需先运行 batch_financials.py 预热财务数据。

个股研究工作流

识别股票代码（6位数字，如 600519）或名称（如贵州茅台）

运行研究脚本（支持可选权重参数）：

python {baseDir}/src/research.py <股票代码>
python {baseDir}/src/research.py <股票代码> --weights "focus on growth"
python {baseDir}/src/research.py <股票代码> --weights "重视质量 低波动"

基于 JSON 输出，用中文撰写研究报告：

📊 [股票名称]（[代码]）研究报告

实时行情

当前价格、涨跌幅、量比、换手率

估值分析

PE/PB 当前值、3年历史分位、行业内相对分位（如可用）

基本面

营收/利润增速、ROE、毛利率趋势解读

技术面

均线排列（多头/混合/空头）、MACD信号、RSI

资金面

大单净流入趋势、融资余额变化

多因子评分（47因子） [总分 XX/100]

核心因子（各25分）：

🟢价值 XX/25 | 🟢成长 XX/25 | 🟡动量 XX/25 | 🟢质量 XX/25

扩展因子 A 组（来自基础数据）：

北向资金 XX/10 | 量能突破 XX/10 | 52周位置 X/5
股息率 X/10 | 量比 X/10 | 均线排列 XX/15 | 低波动 X/10

扩展因子（短期反转/资金流/筹码/技术/行为等共36因子）：

综合扩展得分 XX/100（详见 research.py 输出 extended_factors）

综合结论

2-3句话总结，给出明确观点（如：基本面优秀但当前估值偏高，适合回调后布局）

因子体系说明（47因子）

系统共 47 个因子，分四组。完整文档见 FACTORS.md。

核心因子（4个，各25分，`factors.py`）

#	因子	满分	数据来源	说明
1	价值 (value)	25	实时行情	PE/PB行业内分位 → 历史分位 → 绝对阈值（三级回退）
2	成长 (growth)	25	财报API	营收增速×10 + 利润增速×10 + ROE趋势×5
3	动量 (momentum)	25	价格历史	1月/3月/6月收益率加权
4	质量 (quality)	25	财报API	ROE均值×10 + 毛利率×10 + 低负债×5

扩展因子 A 组（7个，来自基础数据，`factors_extended.py`）

#	因子	满分	说明
5	北向/主力资金	10	近5日大单净流入天数+强度
6	量能突破 (volume)	10	当日成交量 / 20日均量比
7	52周位置	5	当前价格在52周高低区间中的位置
8	股息率 (div_yield)	10	股息率TTM：≥5%→满分
9	量比 (volume_ratio)	10	今日量/5日均量：2.5–4倍→满分
10	均线排列 (ma_alignment)	15	MA5>MA10>MA20>MA60多头排列程度
11	低波动 (low_volatility)	10	年化波动率：≤15%→满分，≥60%→0分

扩展因子 A 续 + B + C 组（22个，`factors_extended.py`）

因子	类别	说明
reversal（12）	短期反转	1月涨跌幅，散户过度反应反转
accruals（13）	盈利质量	应计项目，现金含量检验
asset_growth（14）	资产扩张	总资产增速，过度扩张警示
piotroski（15）	基本面	9项二值指标，F分综合
short_interest（16）	做空压力	融券比例，轧空vs正常做空
rsi_signal（17）	技术	14日RSI超买超卖
macd_signal（18）	技术	MACD柱方向与强度
turnover_percentile（19）	换手率	近5日换手率 vs 90日均值
chip_distribution（20）	筹码	52周位置×大小单资金流向
shareholder_change（21）	股东结构	季度股东人数变化（筹码集中度）
lhb（22）	龙虎榜	近90日机构净买入
social_heat（23）	舆情	东方财富热榜热度
concept_momentum（24）	概念动量	所属概念板块近1月涨跌幅
institutional_visits（25）	机构调研	近90日调研次数
industry_momentum（26）	行业动量	行业vs沪深300超额收益
northbound_actual（27）	北向持仓	沪深港通实际持仓变化
earnings_revision（28）	盈利预测	分析师净上调/下调次数
limit_hits（29）	涨跌停	近20日净涨停次数
price_inertia（30）	价格惯性	近20日价格涨幅
bb_position（31）	布林带	价格在布林带中的位置
divergence（32）	量价背离	OBV与价格方向背离
roe_trend（33）	ROE趋势	ROE季度环比方向

扩展因子 A2 组（14个，IC验证批次，`factors_extended.py`）

因子	IC	说明
main_inflow（34）	+0.048	近5日主力净流入金额
cash_flow_quality（35）	+0.063	经营现金流/净利润
momentum_concavity（36）	+0.058	动量加速度（近30日-中30日）
low_vol_12m（37）	+0.201	12个月年化波动率（低波动异象）
idiosyncratic_vol（38）	+0.249	特质波动率（去除市场beta后）
return_skewness（39）/ skewness	+0.105	收益率偏度（彩票效应）
atr_normalized（44）	+0.249	归一化ATR，捕捉缺口风险
ma60_deviation（45）	+0.098	距MA60偏离度（均值回归）
max_return（46）	+0.216	近20日最大单日涨幅（彩票效应）
medium_term_momentum（42）	−0.108	40日收益率（A股反转）
obv_trend（43）	−0.115	OBV斜率（A股散户追涨信号）
amihud_illiquidity（41）	−0.062	非流动性比率（流动性溢价）
intraday_vs_overnight（48）	−0.103	日内vs隔夜收益分拆
bb_squeeze（40）	—	布林带收窄，波动率压缩信号

权重定制语法

在查询或 --weights 参数中嵌入以下关键词即可调整权重：

关键词（中/英均可）	效果
`重视成长` / `focus on growth`	成长权重 ×3
`重视估值` / `focus on value`	价值权重 ×3
`重视质量` / `focus on quality`	质量权重 ×3
`重视动量` / `focus on momentum`	动量权重 ×3
`高股息` / `dividend`	股息率权重 ×3
`均线` / `trend following`	均线排列权重 ×2
`低波动` / `defensive`	低波动权重 ×3，动量权重 ×0.3
`量比` / `active`	量比权重 ×2
`北向资金` / `smart money`	主力资金权重 ×2
`均衡` / `balanced`	恢复默认权重

批量预计算（推荐设置）

因子 2、4 和部分菜单选项（3、4、9、10、11）需要预先计算财务数据：

# 全量运行（~5000只，约1小时，支持断点续跑）
python {baseDir}/src/tools/batch_financials.py

# 测试运行
python {baseDir}/src/tools/batch_financials.py --max 200

推荐设置每日 02:00 定时执行（cron 或 Windows Task Scheduler）。

行业地图缓存

首次使用前，在 Python 中运行一次可预热行业内估值对比（~90次API，缓存7天）：

from scripts.industry import build_industry_map
build_industry_map()

重要说明

实时行情延迟约10秒，本地缓存30秒；价格历史缓存1小时；财报缓存7天
本工具仅供辅助研究，不构成投资建议
脚本运行通常需要10-30秒，请告知用户耐心等待
因子6（均线多头）、12（低波动）、13（主力资金）在选股模式中仅影响排名权重，不作为硬过滤条件（需逐股调取价格历史，批量场景下成本过高）

错误处理与常见问题

现象	原因	解决
`unapplied_conditions` 出现在结果中	财务类筛选条件（ROE、负债率、毛利率等）未预热	运行 `python src/tools/batch_financials.py`，支持断点续跑
股票代码无结果	代码输入错误、退市或停牌	核对6位代码，沪市以6开头，深市以0/3开头，北交所以8开头
网络超时 / BaoStock 无响应	API 限速或服务器抖动	稍后重试；若持续失败检查网络，BaoStock 有每日调用限额
52周位置显示为空	股票上市不足252个交易日（约1年）	正常，新股/次新股无法计算52周指标
因子评分偏低但股票看起来不错	默认权重为均衡模式；特定策略可能需要调权	使用 `--weights "重视成长"` 等参数按需调整
数据明显滞后	价格缓存TTL为1小时，财报缓存7天	清除 `.cache/` 目录后重新运行

stocksage

StockSage — A股智研助手

功能

何时使用 / When to activate

选股工作流

Step 1 — 如果用户未指定条件，展示因子菜单

Step 2 — 运行选股脚本

Step 3 — 展示结果

个股研究工作流

📊 [股票名称]（[代码]）研究报告

因子体系说明（47因子）

核心因子（4个，各25分，factors.py）

扩展因子 A 组（7个，来自基础数据，factors_extended.py）

扩展因子 A 续 + B + C 组（22个，factors_extended.py）

扩展因子 A2 组（14个，IC验证批次，factors_extended.py）

权重定制语法

批量预计算（推荐设置）

行业地图缓存

重要说明

错误处理与常见问题

StockSage — A股智研助手

功能

何时使用 / When to activate

选股工作流

Step 1 — 如果用户未指定条件，展示因子菜单

Step 2 — 运行选股脚本

Step 3 — 展示结果

个股研究工作流

📊 [股票名称]（[代码]）研究报告

因子体系说明（47因子）

核心因子（4个，各25分，factors.py）

扩展因子 A 组（7个，来自基础数据，factors_extended.py）

扩展因子 A 续 + B + C 组（22个，factors_extended.py）

扩展因子 A2 组（14个，IC验证批次，factors_extended.py）

权重定制语法

批量预计算（推荐设置）

行业地图缓存

重要说明

错误处理与常见问题

核心因子（4个，各25分，`factors.py`）

扩展因子 A 组（7个，来自基础数据，`factors_extended.py`）

扩展因子 A 续 + B + C 组（22个，`factors_extended.py`）

扩展因子 A2 组（14个，IC验证批次，`factors_extended.py`）

核心因子（4个，各25分，`factors.py`）

扩展因子 A 组（7个，来自基础数据，`factors_extended.py`）

扩展因子 A 续 + B + C 组（22个，`factors_extended.py`）

扩展因子 A2 组（14个，IC验证批次，`factors_extended.py`）