| name | beauty-contest-screening |
| description | 选美博弈选股策略：基本面 × 叙事动量 × 资金流三层筛选。
触发词：选股、筛选股票、选美、资金流选股、叙事选股、多因子选股、板块轮动选股。
Use when: 用户要求从全市场或特定范围中筛选股票，使用多层过滤策略。
|
| argument-hint | 选股范围 + 策略类型 + 输出数量 |
| user-invocable | true |
选美博弈选股策略 Skill
基于凯恩斯选美博弈理论的三层股票筛选框架。核心理念：选股不是选"好公司"，而是选"多数人即将选择的公司"。
理论基础
"投资如同报纸选美比赛：获奖的不是你认为最美的，而是你认为多数人认为最美的。" — John Maynard Keynes
三层筛选逻辑：
- 基本面是入场券（备选者必须足够"美"）
- 叙事是催化剂（故事正在被更多人传播）
- 资金流是验证（评委团正在用脚投票）
学术支撑
| 研究 | 核心发现 | 对本策略的启示 |
|---|
| Shiller (2017) 叙事经济学 | 叙事像病毒传播，驱动资产价格 | 选叙事"正在加速"而非"已经最热"的 |
| Lou (2012) RFS | 资金流驱动的动量持续 3-12 月 | 跟随资金流方向，但注意反转 |
| Frazzini & Lamont (2008) | 高流入股长期跑输 4-10%/年 | 基本面筛选是防"击鼓传花"的关键 |
| AFA 2025 叙事注意力定价 | 趋势叙事 vs 衰退叙事：7% 年价差 | 叙事动量是独立于传统因子的 alpha |
| BigQuant 2023 概念动量 | 概念动量 1.35%/月，独立于 FF5 因子 | A 股概念轮动策略有统计显著性 |
执行流程
Phase 0 前置检查
│ ├── 检查 analysis/_index.json 是否有历史选股报告
│ └── 确认选股范围和策略类型
│
Phase 1 叙事识别（并行）
│ ├── get_sector_info(mode="ranking") → 板块涨幅排名
│ ├── get_northbound_flow() → 北向资金方向
│ ├── screen_market(sort_by="amount") → 成交额 Top N
│ └── 可选: sector_rotation_team Swarm → 行业轮动深度分析
│
Phase 2 候选池生成
│ ├── 从叙事主线中提取候选标的（20-30 只）
│ └── 优先从 DuckDB 查询本地数据
│
Phase 3 三层筛选
│ ├── Layer 1: 基本面 → scripts/screening/layer1_fundamental.py
│ ├── Layer 2: 叙事动量 → scripts/screening/layer2_narrative.py
│ └── Layer 3: 资金流 → scripts/screening/layer3_flow.py
│
Phase 4 量化验证（可选）
│ ├── vibe-trading factor-research → IC/IR 截面分析
│ ├── scripts/backtest/ → Walk-Forward 回测
│ └── 消融表：每层增量 Sharpe + 显著性
│
Phase 5 报告输出
│ ├── analysis-report → 保存标准报告 + 更新 _index.json
│ ├── html-report → 生成交互式 HTML
│ └── 钉钉推送
│
Phase 6 后续引导
│ ├── 个股深入分析 → 场景 A
│ ├── 回测验证 → 场景 B
│ └── 周期执行 → 场景 D
筛选条件标准
Layer 1: 基本面筛选
通过 scripts/screening/layer1_fundamental.py 执行，使用 DuckDB 本地数据。
| 条件 | 阈值 | 字段 | 理由 |
|---|
| ROE（加权平均） | >= 8% | fin_indicator.roe_waa | 盈利能力底线 |
| 营收同比增长 | > 0% | fin_indicator.or_yoy | 成长性验证 |
| 净利润同比增长 | > -20% | fin_indicator.netprofit_yoy | 排除业绩恶化 |
| 经营现金流/股 | > 0 | fin_indicator.ocfps | 盈利质量验证 |
| ST 排除 | — | stk_st_daily | 规避退市风险 |
| 市值下限 | > 50 亿 | stk_factor_pro.total_mv | 排除微盘股 |
调用方式:
from scripts.screening.layer1_fundamental import screen_fundamental
df = screen_fundamental()
df = screen_fundamental(roe_min=15, trade_date="2026-06-27")
Layer 2: 叙事动量筛选
| 条件 | 数据源 | 说明 |
|---|
| 行业动量 | idx_sw_classify + stk_factor_pro | 申万行业涨幅排名 Top 30% |
| 成交额变化率 | stk_factor_pro.amount | 近 20 日 vs 近 60 日成交额比 |
| 换手率变化率 | stk_factor_pro.turnover_rate | 近 20 日 vs 近 60 日换手率比 |
| 研报覆盖 | get_research_reports() API | 近 30 日新增研报数 |
叙事阶段判断（招商证券"四季法则"）：
| 阶段 | 特征 | 操作 |
|---|
| 乘势期 | 少数人讲，股价开始反应 | 建仓 |
| 造势期 | 媒体扩散，资金跟进 | 持有/加仓 |
| 退势期 | 散户蜂拥，研报密集 | 减仓 |
| 休耕期 | 叙事耗尽，无人提起 | 回避 |
Layer 3: 资金流共振
| 条件 | 数据源 | 说明 |
|---|
| 主力净流入 | stk_moneyflow.net_mf_amount | 大单+超大单净流入 > 0 |
| 5 日主力方向 | stk_moneyflow_ths.net_d5_amount | 5 日主力净流入 > 0 |
| 融资余额增长 | stk_margin.rzye | 融资余额近 5 日增长 > 0 |
| 北向资金 | get_northbound_flow() API | 北向近 20 日净买入 |
输出格式
选股池分级
| 级别 | 条件 | 建议 |
|---|
| Tier 1 强共振 | 三层全部通过 + 叙事处于造势期 | 核心配置 |
| Tier 2 中共振 | 三层通过 + 叙事处于乘势期 | 配置 |
| Tier 3 观察 | 基本面通过 + 叙事非主峰 | 等待叙事加速 |
必须包含的内容
- 每层筛选的通过/淘汰数量和名单
- 叙事阶段标注（乘势/造势/退势/休耕）
- 资金流共振评分（⭐1-4）
- 仓位建议（初始仓位 + Tier 分配）
- 止损/止盈规则
- 核心风险预警
选股策略模板
| 策略名 | Layer 1 | Layer 2 | Layer 3 | 适用场景 |
|---|
| 选美博弈 | ROE+增长+现金流 | 叙事动量+阶段 | 资金流共振 | 趋势行情 |
| 价值选股 | PE/PB/股息率 | 行业景气度 | 北向+融资 | 价值回归 |
| 质量选股 | ROE+毛利率+现金流 | 研报覆盖 | 筹码集中 | 稳健配置 |
| 动量选股 | 营收增速+利润增速 | 概念热度 | 主力净流入 | 趋势跟踪 |
关键约束
- 选股结果必须标注叙事阶段，避免推荐退势期标的
- 必须给出仓位建议和止损规则
- 必须区分 Tier 1（强共振）和 Tier 2（中共振）
- 基本面筛选是硬门槛，不可因叙事热度跳过
- 优先使用 DuckDB 本地数据，本地不足时再用 API
- 完成后必须更新
analysis/_index.json
关联 Skill 和工具
| 用途 | Skill/工具 |
|---|
| 基本面筛选 | scripts/screening/layer1_fundamental.py |
| 因子 IC 分析 | vibe-trading factor-research |
| 多因子合成 | vibe-trading multi-factor |
| 回测验证 | scripts/backtest/ (Walk-Forward + HPO) |
| 报告保存 | analysis-report |
| HTML 报告 | html-report (render_from_markdown 或 render_screening_html) |
| 周期执行 | periodic-execution |
| 行业轮动分析 | sector_rotation_team Swarm |
| 情绪信号分析 | sentiment_intelligence_team Swarm |
