股海罗盘（gh-data）— A 股股票量化分析技能

无需 MCP，纯 Python HTTP 直连采集 + WebAPI 量化分析。

配置

{
  "skills": {
    "entries": {
      "ghdata_analyze": {
        "config": {
          "webapi_url": "http://api.topeasychina.com:15099/api",
          "webapi_timeout": 30,
          "doc_dir": "./doc"
        }
      }
    }
  }
}

配置生效规则（优先级从高到低）：

1. 上述 config 配置
2. {技能目录}/settings.json 文件
3. 环境变量 GHDATA_API_URL
4. 代码默认值

🚀 核心工作流（每次分析必须执行）

每次分析一只股票，必须完成以下三阶段：

阶段 A：数据采集      ─→  阶段 B：量化分析    ─→  阶段 C：报告输出
  HTTP直连公开API       POST WebAPI分析API      生成DOCX报告+K线图
  (新浪/腾讯/东方财富)  (技术指标/信号/预测)     (16维/评分/预判)

阶段 A：16 维数据采集

技能内置 Python 模块 ghdata/data_fetcher.py，直接 HTTP 采集以下数据源：

Python 代码（直接在 CMD 中执行）：

import sys, os
sys.path.insert(0, os.path.dirname(__file__))
from ghdata import data_fetcher as fetcher
from ghdata import config

def collect_all(code: str) -> dict:
    """16维数据一次性采集（全部HTTP直连，零外部依赖）"""
    data = {}
    data["realtime"] = fetcher.fetch_realtime(code)          # 实时行情
    data["kline"] = fetcher.fetch_kline(code, 120)           # 日K线
    data["tick"] = fetcher.fetch_today_tick(code)            # 今日分时
    data["moneyFlow"] = fetcher.fetch_money_flow(code, 10)   # 资金流向
    data["margin"] = fetcher.fetch_margin_trading(code, 10)  # 融资融券
    data["holdings"] = fetcher.fetch_main_holdings(code)     # 机构持仓
    data["shareholder"] = fetcher.fetch_shareholder_trade(code) # 股东增减持
    data["executive"] = fetcher.fetch_executive_change(code) # 高管变动
    data["financial"] = fetcher.fetch_financial(code)        # 业绩报表
    data["balance"] = fetcher.fetch_balance_sheet(code)      # 资产负债表
    data["income"] = fetcher.fetch_income_statement(code)    # 利润表
    data["cashflow"] = fetcher.fetch_cashflow(code)          # 现金流量表
    data["dividend"] = fetcher.fetch_dividend(code)          # 分红历史
    data["research"] = fetcher.fetch_research_report(code)   # 券商研报
    data["survey"] = fetcher.fetch_institutional_survey(code)# 机构调研
    data["unlock"] = fetcher.fetch_unlock_data(code)         # 限售解禁
    data["industry"] = fetcher.fetch_industry_info(code)     # 行业板块
    return data

阶段 B：量化分析（WebAPI）

采集完数据后，调用 WebAPI 进行量化分析：

from ghdata import db_manager as db

# 调用 WebAPI 获取全量分析结果
result = db.kline_analyze(code, today_kline=None)
# 返回包含：
#   indicators  → MA5/MA10/MA20/MA60/MACD/KDJ/RSI/量比
#   signals     → 偏多/偏空/中性 汇总
#   patterns    → 大涨后规律/大跌后规律/支撑/阻力
#   accuracy    → 全部历史/近60日/近30日 准确率
#   prediction  → 方向/T+1/T+2/中期方向 + 价格区间
#   learning    → 自学习规律跟踪摘要

WebAPI 地址通过配置中的 webapi_url 设置。

阶段 C：报告生成

from ghdata import reporter
from ghdata import chart

# 1. 生成 K 线图
chart.generate_kline_chart(klines, ...)

# 2. 生成 14 章完整 DOCX 报告
reporter.generate(code, extra_data={
    "holdings": {"points": [...], "conclusion": "..."},
    "money_flow": {"points": [...], "conclusion": "..."},
    # ... 其他维度数据
})

📊 14 章分析报告结构（最终定版）

三种分析展示格式

fin_analysis 使用规则（财务解读）

四张财务表（7.1业绩/7.2利润/7.3资产/7.4现金流）每张都必须带有 fin_analysis 解读或结论，不能只有数据表没有下文。每张表结束后都必须有一段白话解读，告诉用户这个数意味着什么。

正确的做法（数据在前，解读在后）：

┌──────────────┬──────────┬──────────┐
│  指标        │ 本期      │ 同比      │
├──────────────┼──────────┼──────────┤
│  营业收入    │ 3500亿   │ +12.5%   │
│  营业利润    │ 420亿    │ +18.3%   │
│  净利润      │ 320亿    │ +52.0%   │
└──────────────┴──────────┴──────────┘

▶ 利润表解读：本期净利润320亿，同比大增52%，主要受益于产品价格高位运行和产能提升。盈利能力持续增强，毛利率和净利率均创近年新高。

错误的做法（只有数据没有结论）： ❌ 不允许

┌──────────────┬──────────┬──────────┐
│  指标        │ 本期      │ 同比      │
├──────────────┼──────────┼──────────┤
│  营业收入    │ 3500亿   │ +12.5%   │
│  ...         │ ...      │ ...      │
└──────────────┴──────────┴──────────┘

财务报表的 fin_analysis 必须回答三个问题：

1. 好不好？ — 盈利能力是增强还是减弱
2. 为什么？ — 变化的核心驱动因素（量/价/成本）
3. 趋势如何？ — 未来可能的方向

🔑 APIKey 管理

技能首次使用自动生成本地标识 Key，保存在 ~/.ghdata/ghdataapikey。

购买地址： https://www.oraskl.com/ghdata-admin
付费后替换文件内容： 将购买的密钥写入 ~/.ghdata/ghdataapikey

使用原则：

• APIKey 是付费资源，不要随便消耗调用次数
• 同一只股票同一日仅调用一次 WebAPI，分析结果复用
• 调用前先检查是否已有缓存数据，避免重复请求
• 非必要不调 db_manager.analyze_kline()，尤其批量操作时垫高用量

📈 综合评分加权公式（定版）

总分 = 基本面×0.35 + 估值面×0.20 + 技术面×0.15 + 资金面×0.20 + 情绪面×0.10
评级：≥80优秀 🏆 | ≥65良好 ✅ | ≥50一般 ⚠️ | <50较差 ❌

🔴 方向预测铁律（Andy 铁律 — 必须严格遵循）

1. 方向预测展现顺序

方向预测章节内容必须按以下顺序排列：

方向判定(结论) → 准确率(可信度) → T+1(具体价格) → T+2 → 周方向 → 判断依据(理由)

符合「结论→支撑」的认知逻辑。

2. 方向判定 + 置信度

📈 方向：偏多  🎯 评分：6.5/10  [████████░░░░░░░]

方向：偏多 / 震荡偏多 / 震荡 / 震荡偏空 / 偏空
评分：0~10 分，附进度条

3. 历史准确率 — 三时段展示（Andy 铁律）

方向预测前必须输出历史准确率，分三时段展示：

历史准确率：
  ✅ 全部历史：6/8 = 75.0%  [█████████░░░░░░░]  (正确数/总数)
  ⚠️ 近60日：4/7 = 57.1%   [███████░░░░░░░░░]  (正确数/总数)
  ❌ 近30日：1/3 = 33.3%   [████░░░░░░░░░░░░]  (正确数/总数)

规则：

• ❌ 不展示偏多方向准确率（Andy 明确要求去掉，仅保留上述三行）
• ✅ 展示全部准确率 + 近60日 + 近30日
• 格式：时段：Z.Z% [███████░░░░░░░] (正确数/总数)
• 按「全部→60日→30日」顺序排列
• 进度条总长 20 格

4. 股价预测范围 — 三要素铁律

做量化股价预测时，必须同时输出以下三个范围要素：

没有范围只有方向 = 无效预测。用户要的是「多少钱能买、多少钱能卖」，不是「涨还是跌」。

5. T+1 预测（下一交易日）

📅 T+1预测：偏多  置信度：75%
  预测区间：   6.85 ~ 7.10 元
  最高值范围： 7.05 ~ 7.15 元
  最低值范围： 6.78 ~ 6.88 元
  价格中心：   6.98 元
  💡 短线可关注

必须包含：

• 方向判定
• 置信度
• 预测区间（最低~最高）
• 最高值范围 / 最低值范围
• 预期价格中心
• 操作建议

6. T+2 预测（格式同上）

📅 T+2预测：偏多  置信度：70%
  预测区间：   6.80 ~ 7.15 元
  最高值范围： 7.10 ~ 7.20 元
  最低值范围： 6.72 ~ 6.82 元
  价格中心：   6.98 元
  💡 可持票待涨

7. 周方向

📅 周方向：震荡偏多
  ✅ MA60上方支撑，中期趋势向上

必须包含周方向（Andy 确认）。

8. 判断依据 — 二维表展示

判断依据：
┌──────────┬──────────────────────────────────────────┬──────────┐
│  维度     │  内容                                    │  信号    │
├──────────┼──────────────────────────────────────────┼──────────┤
│  📐 技术面 │ 均线多头排列 MA5>MA10>MA20                  │  偏多    │
│  📐 技术面 │ MACD零轴上金叉，红柱扩大                      │  偏多    │
│  🔍 模式   │ 近3日量价齐升，突破箱体上沿                   │  偏多    │
│  🛡️ 支撑   │ 20日均线支撑有效，回踩不破                    │  偏多    │
│  ⚠️ 风险   │ RSI进入超买区(72)，注意短线回调风险            │  偏空    │
└──────────┴──────────────────────────────────────────┴──────────┘

3~5条依据，涵盖：技术面 + 模式识别 + 支撑/压力 + 风险因素

📈 历史规律展示格式（定版）

场景化标题

用用户秒懂的语言，不用工程师腔：

展示模板

🔥 某天突然大涨超过3%，之后3天会怎样？
  📈 历史上出现 12次
  ✅/⚠️ 准确率 75.0% [███████████░░░░░░░]
     总共出现12次 | 符合9次 | 准确率75.0%
  💡 操作参考：大涨后逢高减仓，不宜追高
  📌 最近案例：2026-06-15 大涨4.2%，之后3日累计+1.1%

已识别规律（由服务端 POST /api/klineanalyze 自动返回）

上述规律由服务端 KlineAnalyzeService.MinePatterns() 自动计算。
注意： C# 中 ?? 运算符优先级低于 -，格式 % 说明符会 ×100，已踩坑修复。

📚 自学习规律跟踪

API 返回 learningSummary 字段，从 stock_patterns 表读取历史规律记录。

展示格式

📚 规律学习摘要
  ──────────────────────────────────────────
  规律#1（大涨后回调）第5次验证：大涨后3日下跌概率上升 ✅
  方向准确率：68%→75%（+7次验证）
  ──────────────────────────────────────────
  规律#2（大跌后反弹）第3次验证：大跌后反弹有效性稳定 ⚠️
  方向准确率：62%→63%（+2次验证）

处理逻辑

• 按 pattern_type 分组
• 统计验证次数（verifyCount）
• 对比最新与上一次的概率变化，生成更新描述
• 同时输出方向准确率（全部历史预测）

📐 T+1/T+2/周方向推算逻辑

DB 的 predictions 表没有 t1_direction/t2_direction/weekly_direction 数据（PredictorService 只算主方向）。

KlineAnalyzeService 在返回前通过 SubDirectionEstimator 自动推算：

🌟 报告内容人性化原则

1. 场景化标题： 把「大涨后回调特征」改为「某天突然大涨超过3%，之后3天会怎样？」— 用户秒懂
2. 可视化符号： ✅/❌/📈/📉/🔴/🟢 比文字更快传递信息
3. 操作建议： 每次规律后给一句操作参考（如「大涨后逢高减仓」），用户看报告是为了决策
4. 出现次数+准确率单独展示： 拆成「总共出现N次 | 符合M次 | 准确率Z% + 进度条」
5. 数据单位人性化： volume(股)→手，amount(元)→万元/亿元

📝 更高质量报告

如需生成排版更精美的报告（灵活字体/颜色/布局/多图组合），LLM 可自行编写脚本调用 ghdata/data_fetcher.py 的数据采集函数生成 DOCX，reporter.py 仅作为兜底方案。

🔴 铁律：WebAPI 无数据时付费内容占位策略

当服务端量化引擎返回空数据（APIKey无效或额度用完），严禁使用本地纯数学规则生成虚假预测。

原因： 本地纯数学规则没有历史回测验证、没有准确率追踪、没有自学习积累，输出结果无可靠度评估，等于给客户幻觉数据。

✅ 正确做法：生成付费内容占位章节，而非直接跳过。 章节十一（K线技术分析）、十二（方向预测）、十三（历史规律总结）在检测不到量化数据时，自动生成红色标记的付费内容提示 + 该章节付费后可查看内容的详细描述。这样客户即使没有付费也能看到付费后能获得什么，利于转化销售。

占位展示效果

🔴 【付费内容】十一、K线技术分析  当前APIKey无效或额度已用完，以下为付费后可查看的完整内容预览：
  📌 均线分析：MA5/MA10/MA20/MA60数值及排列形态...
  📌 MACD指标：DIF/DEA数值、金叉/死叉信号...
  📌 ...
💳 购买APIKey：https://www.oraskl.com/ghdata-admin

处理流程

服务端量化引擎请求 → 检测返回数据是否有效
  ├─ 有数据 → 正常生成完整分析（章节十一~十三全内容）
  └─ 无数据 → 生成付费内容占位
               （含红字付费标记 + 内容预览 + 购买链接）

⚠️ 数据注意事项

• 新浪财经 hq.sinajs.cn 是实时收盘价最可靠来源
• 腾讯分钟数据 成交量是累计值！需差分计算
• 同花顺资金流向 收盘价可能不准确，须用新浪验证
• 股票代码： 60xxx/68xxx=上海，00xxx/30xxx=深圳
• 今日K线（todayKline）： 盘中必传（客户端自拉腾讯API实时K线，18:00前DB无今日数据）；收市后可不传（18:00日更新服务已将今日K线写入DB）
• K线图（LINE_CHART）： 仍需通过 generate_kline_chart 工具生成PNG（工具内部自拉腾讯API）
• 技术指标/信号/规律/准确率： 均由服务端统一计算（POST /api/klineanalyze），客户端不再本地计算
• 无数据=无价值： 降级版（lite）对用户毫无意义，要么拿全数据出完整版，要么不出
• 🔴 禁止硬编码： 任何代码和规则中不得出现针对某只股票的特化数据（如 eps_est=0.26 这种特定股票的EPS、行业描述、行业PE/PB均值等）。所有数据必须从API实时获取或从已有数据动态计算（如 EPS = price / PE）。SKILL.md 中的示例必须使用通用占位符，不得出现具体股票名称。

DOCX 报告数据单位人性化

📄 风险提示与免责声明

本报告仅供参考，不构成任何投资建议。投资者据此操作，风险自担。

数据来源：新浪财经(hq.sinajs.cn)、腾讯财经(qt.gtimg.cn/ifzq.gtimg.cn)、东方财富(datacenter-web.eastmoney.com)、同花顺(stockpage.10jqka.com.cn)

股票投资有风险，历史数据不代表未来表现。