china-stock-analysis

仓库: sugarforever/01coder-agent-skills
安装量: 6K
排名: #550

安装

npx skills add https://github.com/sugarforever/01coder-agent-skills --skill china-stock-analysis

China Stock Analysis Skill

基于价值投资理论的中国A股分析工具，面向低频交易的普通投资者。

When to Use

当用户请求以下操作时调用此skill：

分析某只A股股票 筛选符合条件的股票 对比多只股票或行业内股票 计算股票估值或内在价值 查看股票的财务健康状况 检测财务异常风险 Prerequisites Python环境要求 pip install akshare pandas numpy

依赖检查

在执行任何分析前，先检查akshare是否已安装：

python -c "import akshare; print(akshare.version)"

如果未安装，提示用户安装：

pip install akshare

Core Modules 1. Stock Screener (股票筛选器)

筛选符合条件的股票

  1. Financial Analyzer (财务分析器)

个股深度财务分析

  1. Industry Comparator (行业对比)

同行业横向对比分析

  1. Valuation Calculator (估值计算器)

内在价值测算与安全边际计算

Workflow 1: Stock Screening (股票筛选)

用户请求筛选股票时使用。

Step 1: Collect Screening Criteria

向用户询问筛选条件。提供以下选项供用户选择或自定义：

估值指标：

PE (市盈率): 例如 PE < 15 PB (市净率): 例如 PB < 2 PS (市销率): 例如 PS < 3

盈利能力：

ROE (净资产收益率): 例如 ROE > 15% ROA (总资产收益率): 例如 ROA > 8% 毛利率: 例如 > 30% 净利率: 例如 > 10%

成长性：

营收增长率: 例如 > 10% 净利润增长率: 例如 > 15% 连续增长年数: 例如 >= 3年

股息：

股息率: 例如 > 3% 连续分红年数: 例如 >= 5年

财务安全：

资产负债率: 例如 < 60% 流动比率: 例如 > 1.5 速动比率: 例如 > 1

筛选范围：

全A股 沪深300成分股 中证500成分股 创业板/科创板 用户自定义列表 Step 2: Execute Screening python scripts/stock_screener.py \ --scope "hs300" \ --pe-max 15 \ --roe-min 15 \ --debt-ratio-max 60 \ --dividend-min 2 \ --output screening_result.json

参数说明：

--scope: 筛选范围 (all/hs300/zz500/cyb/kcb/custom:600519,000858,...) --pe-max/--pe-min: PE范围 --pb-max/--pb-min: PB范围 --roe-min: 最低ROE --growth-min: 最低增长率 --debt-ratio-max: 最大资产负债率 --dividend-min: 最低股息率 --output: 输出文件路径 Step 3: Present Results

读取 screening_result.json 并以表格形式呈现给用户：

代码 名称 PE PB ROE 股息率 评分 600519 贵州茅台 25.3 8.5 30.2% 2.1% 85 Workflow 2: Stock Analysis (个股分析)

用户请求分析某只股票时使用。

Step 1: Collect Stock Information

询问用户：

股票代码或名称 分析深度级别： 摘要级：关键指标 + 投资结论（1页） 标准级：财务分析 + 估值 + 行业对比 + 风险提示 深度级：完整调研报告，包含历史数据追踪 Step 2: Fetch Stock Data python scripts/data_fetcher.py \ --code "600519" \ --data-type all \ --years 5 \ --output stock_data.json

参数说明：

--code: 股票代码 --data-type: 数据类型 (basic/financial/valuation/holder/all) --years: 获取多少年的历史数据 --output: 输出文件 Step 3: Run Financial Analysis python scripts/financial_analyzer.py \ --input stock_data.json \ --level standard \ --output analysis_result.json

参数说明：

--input: 输入的股票数据文件 --level: 分析深度 (summary/standard/deep) --output: 输出文件 Step 4: Calculate Valuation python scripts/valuation_calculator.py \ --input stock_data.json \ --methods dcf,ddm,relative \ --discount-rate 10 \ --growth-rate 8 \ --output valuation_result.json

参数说明：

--input: 股票数据文件 --methods: 估值方法 (dcf/ddm/relative/all) --discount-rate: 折现率(%) --growth-rate: 永续增长率(%) --margin-of-safety: 安全边际(%) --output: 输出文件 Step 5: Generate Report

读取分析结果，参考 templates/analysis_report.md 模板生成中文分析报告。

报告结构（标准级）：

公司概况：基本信息、主营业务 财务健康：资产负债表分析 盈利能力：杜邦分析、利润率趋势 成长性分析：营收/利润增长趋势 估值分析：DCF/DDM/相对估值 风险提示：财务异常检测、股东减持 投资结论：综合评分、操作建议 Workflow 3: Industry Comparison (行业对比) Step 1: Collect Comparison Targets

询问用户：

目标股票代码（可多个） 或者：行业分类 + 对比数量 Step 2: Fetch Industry Data python scripts/data_fetcher.py \ --codes "600519,000858,002304" \ --data-type comparison \ --output industry_data.json

或按行业获取：

python scripts/data_fetcher.py \ --industry "白酒" \ --top 10 \ --output industry_data.json

Step 3: Generate Comparison python scripts/financial_analyzer.py \ --input industry_data.json \ --mode comparison \ --output comparison_result.json

Step 4: Present Comparison Table 指标 贵州茅台 五粮液 洋河股份 行业均值 PE 25.3 18.2 15.6 22.4 ROE 30.2% 22.5% 20.1% 18.5% 毛利率 91.5% 75.2% 72.3% 65.4% 评分 85 78 75 - Workflow 4: Valuation Calculator (估值计算) Step 1: Collect Valuation Parameters

询问用户估值参数（或使用默认值）：

DCF模型参数：

折现率 (WACC): 默认10% 预测期: 默认5年 永续增长率: 默认3%

DDM模型参数：

要求回报率: 默认10% 股息增长率: 使用历史数据推算

相对估值参数：

对比基准: 行业均值 / 历史均值 Step 2: Run Valuation python scripts/valuation_calculator.py \ --code "600519" \ --methods all \ --discount-rate 10 \ --terminal-growth 3 \ --forecast-years 5 \ --margin-of-safety 30 \ --output valuation.json

Step 3: Present Valuation Results 估值方法 内在价值 当前价格 安全边际价格 结论 DCF ¥2,150 ¥1,680 ¥1,505 低估 DDM ¥1,980 ¥1,680 ¥1,386 低估 相对估值 ¥1,850 ¥1,680 ¥1,295 合理 Financial Anomaly Detection (财务异常检测)

在分析过程中自动检测以下异常信号：

检测项目

应收账款异常

应收账款增速 > 营收增速 × 1.5 应收账款周转天数大幅增加

现金流背离

净利润持续增长但经营现金流下降 现金收入比 < 80%

存货异常

存货增速 > 营收增速 × 2 存货周转天数大幅增加

毛利率异常

毛利率波动 > 行业均值波动 × 2 毛利率与同行严重偏离

关联交易

关联交易占比过高（> 30%）

股东减持

大股东近期减持公告 高管集中减持 风险等级 🟢 低风险：无明显异常 🟡 中风险：1-2项轻微异常 🔴 高风险：多项异常或严重异常 A-Share Specific Analysis (A股特色分析) 政策敏感度

根据行业分类提供政策相关提示：

房地产：房住不炒政策 新能源：补贴政策变化 医药：集采政策影响 互联网：反垄断、数据安全 股东结构分析 控股股东类型（国企/民企/外资） 股权集中度 近期增减持情况 质押比例 Output Format JSON输出格式

所有脚本输出JSON格式，便于后续处理：

{ "code": "600519", "name": "贵州茅台", "analysis_date": "2025-01-25", "level": "standard", "summary": { "score": 85, "conclusion": "低估", "recommendation": "建议关注" }, "financials": { ... }, "valuation": { ... }, "risks": [ ... ] }

Markdown报告

生成结构化的中文Markdown报告，参考 templates/analysis_report.md。

Error Handling 网络错误

如果akshare数据获取失败，提示用户：

检查网络连接 稍后重试（可能是接口限流） 尝试更换数据源 股票代码无效

提示用户检查股票代码是否正确，提供可能的匹配建议。

数据不完整

对于新上市股票或财务数据不完整的情况，说明数据限制并基于可用数据进行分析。

Best Practices 数据时效性：财务数据以最新季报/年报为准，价格数据为当日收盘价 投资建议：所有分析仅供参考，不构成投资建议 风险提示：始终包含风险提示，特别是财务异常检测结果 对比分析：单只股票分析时，自动包含行业均值对比 Important Notes 所有分析基于公开财务数据，不涉及任何内幕信息 估值模型的参数假设对结果影响较大，需向用户说明 A股市场受政策影响较大，定量分析需结合定性判断

← 返回排行榜