菜单
A 股交割单分析诊断工具。当用户说"分析我的交割单"、"看看我的操作问题"、"交易复盘"、"我的操作哪里有问题"、"帮我诊断交易"时，Claude 应使用此 Skill。支持多种券商交割单格式（CSV/Excel）自动识别，从盈亏统计、持仓周期、操作行为、仓位管理、买卖时机 5 个维度诊断问题，结合行情数据 + AI 信号给出改进建议。**核心价值: 让交割单变成教科书**。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
30 秒上手指南。A-Stock-Skills 入门必读,5 个实战场景覆盖 90% 的使用需求。当用户问"我该用哪个 skill"、"怎么开始"、"有什么例子" 时,Claude 应优先激活此 Skill。
磁盘缓存 + K线 parquet。当用户跑全市场筛选每次都要等 30 分钟时,Claude 应使用此 Skill。K线缓存到 ~/.astock_skills/cache/kline/ 目录,5 秒 vs 30 分钟,差 360 倍。
A 股多源数据源统一管理 (v2.0 - 多源 fallback)。当用户需要获取股票行情/K线/财务数据/新闻/公告/资金流等任何 A 股数据,或需要稳定的 API 封装 (含自动重试/限流/降级/缓存) 时,Claude 应优先使用此 Skill。这是其他所有 Skill 的基础数据源。**v2.0 已修复住宅 IP 数据源问题**。
AI 建议 vs 实盘 复盘工具。当用户说"今天/本周/本月 复盘"、"AI 推荐的准不准"、"交易记录"、"实盘对比" 时使用。本 Skill 记录 AI 信号 + 实际成交 + 30 天后表现,跑 1 个月后能算出"AI 推荐胜率"。**核心价值:让 AI 对自己的建议负责**。
A 股股票筛选器 (内置信号 + 自定义条件 2合1)。当用户需要按条件筛选股票时,Claude 应使用此 Skill。支持 12 种内置技术信号 (ma_cross/macd/above_ma/volume/rsi/kdj 等) + 任意自定义条件 (PE/PB/ROE/市值等, 9 种操作符) + AND/OR 组合 + 4 个内置策略模板 (value/growth/small_cap/momentum)。
A 股报告生成器 (3合1统一版)。当用户需要生成 A 股相关报告 (Markdown 格式) 时,Claude 应使用此 Skill。支持 3 种报告: daily (每日大盘复盘) / stock (个股深度研报) / portfolio (持仓报告)。是 daily-market-report + stock-research-report + portfolio-report 合并的统一版本。
| name | trade-review |
| description | A 股交割单分析诊断工具。当用户说"分析我的交割单"、"看看我的操作问题"、"交易复盘"、"我的操作哪里有问题"、"帮我诊断交易"时，Claude 应使用此 Skill。支持多种券商交割单格式（CSV/Excel）自动识别，从盈亏统计、持仓周期、操作行为、仓位管理、买卖时机 5 个维度诊断问题，结合行情数据 + AI 信号给出改进建议。**核心价值: 让交割单变成教科书**。 |
交割单 → 解析 → 配对 → 5 维诊断 → 建议
↓
不只是"赚了还是亏了"
而是"为什么亏、怎么改"
parse_settlement(path) - 自动识别券商格式，解析为标准 DataFramedetect_format(df) - 识别券商格式（华泰/中信/东财/通用）pair_trades(df) - FIFO 配对，生成完整交易轮次analyze_pnl(trades) - 盈亏统计（胜率/盈亏比/最大盈亏）analyze_holding_period(trades) - 持仓周期分析analyze_behavior(trades, klines) - 操作行为诊断（追涨杀跌/坐电梯/频繁交易）analyze_position(trades) - 仓位管理分析analyze_timing(trades, klines) - 买卖时机分析（结合行情）compare_with_ai(trades) - 对比 trade-journal 中的 AI 建议 vs 实际操作analyze_trades(path, fetch_kline) - 一键全流程分析generate_report(result) - 生成 Markdown 诊断报告generate_suggestions(result) - 生成改进建议# 分析交割单
python main.py analyze path/to/settlement.csv
# 指定日期范围
python main.py analyze settlement.csv --from 2025-01-01 --to 2025-12-31
# 结合行情分析买卖点（需要网络，较慢）
python main.py analyze settlement.csv --kline
# 保存报告
python main.py analyze settlement.csv --save
# 查看支持的字段
python main.py fields
from skills.04-stock-analysis.trade-review.main import (
parse_settlement, analyze_trades, generate_report
)
# 解析交割单
df = parse_settlement("settlement.csv")
# 全流程分析
result = analyze_trades(df, fetch_kline=False)
# 生成报告
report = generate_report(result)
print(report)
| 维度 | 分析内容 | 诊断问题 |
|---|---|---|
| 盈亏统计 | 胜率/盈亏比/收益分布 | 赚小亏大？胜率太低？ |
| 持仓周期 | 平均天数/盈利vs亏损对比 | 拿不住？套牢装死？ |
| 操作行为 | 追涨杀跌/坐电梯/频繁交易 | 管不住手？ |
| 仓位管理 | 集中度/加减仓模式 | 一把梭？ |
| 买卖时机 | 均线位置/支撑压力/对比大盘 | 买在山顶？ |
| 问题 | 判定条件 | 建议 |
|---|---|---|
| 赚小亏大 | 盈亏比 < 1 | 设定止损线，让利润奔跑 |
| 胜率过低 | 胜率 < 40% | 减少出手次数，提高选股质量 |
| 频繁交易 | 平均持仓 < 3 天 | 降低交易频率，手续费侵蚀利润 |
| 坐电梯 | 曾盈利 >5% 但亏损卖出 > 3 次 | 设定动态止盈（如回撤 3% 出场） |
| 不止损 | 最大单笔亏损 > 20% | 严格执行止损（如 -7%） |
| 集中度过高 | 单股仓位 > 50% | 分散到 3-5 只，单股不超 30% |
| 追涨杀跌 | 追涨比例 > 50% | 尝试回调买入，避免情绪化 |
| 跑输大盘 | 收益率 vs 沪深300 < -10% | 考虑指数基金或降低操作频率 |
📊 交割单操作诊断报告
========================================
📅 分析区间: 2025-01-01 ~ 2025-06-30
💰 总盈亏: -12,500 元 (-8.3%)
🎯 胜率: 35% (7/20)
⚖️ 盈亏比: 0.6 (赚小亏大)
🔍 操作问题诊断:
1. ❌ 赚小亏大 - 平均盈利 +3.2%, 平均亏损 -5.3%
2. ❌ 坐电梯 - 601991 曾盈利 8% 但亏损 3% 卖出
3. ❌ 频繁交易 - 平均持仓 2.1 天，交易 20 笔
4. ⚠️ 不止损 - 300750 亏损 22% 才卖出
💡 改进建议:
1. 设定止损线: 建议 -7% 无条件止损
2. 动态止盈: 盈利 >5% 后，回撤 3% 则出场
3. 降低频率: 每周最多 1-2 笔交易
4. 仓位控制: 单股不超 30%
========================================
pandas>=1.5.0
openpyxl>=3.0.0
akshare>=1.12.0 # 可选，用于拉取行情分析买卖点
astock-data-source - 拉取 K 线分析买卖时机astock-utils - 代码标准化、日期解析trade-journal - 对比 AI 信号 vs 实际操作stock-technical-analysis - 技术分析支撑压力位