持仓体检报告（A 股组合四维诊断 → 单页 HTML）

适用场景

用户给出 3–8 只 A 股（有时带仓位），要求：
- 逐只体检：估值贵不贵 / 基本面质量 / 主力资金动向 / 技术位置
- 给每只一个「保留 / 减仓 / 砍」的判断
- 组合视角：行业集中度、相关性、整体风险
- 给出加减仓优先级
- 输出单页 HTML，中文界面，涨红跌绿

交付物标准

单个 .html 文件，完全自包含（不引 CDN、不引 ECharts，图表手写 inline SVG），保证离线/嵌入预览可渲染。参考体量 60–120 KB。

必备版块：结论卡 → 组合分层 → 五只总览表 → 四维评分卡 → 估值分位图 → 成长×估值散点 → 主力资金 → 多周期涨跌 → 基本面质量 → 技术位置 → 逐只点评 → 组合视角（相关性热力图/风险贡献/降波情景/可交互仓位调整器）→ 加减仓优先级 → 前提追问 → 数据来源与免责。

执行流程

阶段 1｜拉数据（并行）

先读 references/data-sources.md（含命令清单、字段口径、踩坑记录）。

要点：
1. westock-data：npx -y westock-data-clawhub@1.0.4
- kline <codes> --period day --limit 250 --fq qfq → 价格与波动
- technical <codes> --group all → 均线/MACD/KDJ/RSI/BOLL/SAR 一次取全
- asfund <codes> → 主力当日/5/10/20 日净流入、融资余额及环比、龙虎榜
- chip <codes> → 获利比例、平均成本、集中度
- finance <codes> --type lrb|zcfz|xjll --num 3~6、profile、dividend、shareholder
- ⚠️ 该 CLI 没有 quote 命令（渠道限制），现价取 technical 的 closePrice
2. neodata-financial-search：估值与最新财报的唯一权威口径
- python scripts/query.py --query "<股票> <代码> 最新滚动市盈率 市净率 估值历史分位" --data-type api
- --query "<股票> <代码> 2026年半年报 营业收入 归母净利润 扣非净利润 同比增长率 ROE" --data-type api
- --data-type doc 取机构研报、目标价、新闻（判断"为什么跌"）
- 报 TOKEN_MISSING/TOKEN_EXPIRED 时才调 connect_cloud_service → --save-token

口径优先级（关键）：westock 财务库期末可能落后一两个季度，neodata 往往已含最新中报。
→ 基本面判断以 neodata 为准；PE/PB 及其分位统一用 neodata，保证同一估值序列可比。 若两边不一致，在报告「数据来源与口径」里显式说明差异。

阶段 2｜量化测算

跑 scripts/portfolio.py 的思路（可复制改写）：
- 解析 kline markdown 表 → 近 120 日日收益率
- 样本协方差矩阵 → 组合年化波动（年化系数 √244）、个股年化波动
- 风险贡献 w_i·(Σw)_i / (w'Σw) → 找出「风险超配」的标的
- 两两相关系数矩阵 + 平均相关性
- 等权组合累计收益与最大回撤
- 降波情景：砍某只 / 换入低波资产（假设年化 18%、相关 0.25）→ 组合波动变化

务必算"风险贡献 vs 资金权重"：这通常是报告里最有说服力的一张图（常见结论：某只高波动股占 20% 仓位却贡献 30%+ 风险）。

阶段 3｜写作与判断框架

四维评分（0–10）：估值（绝对水平+历史分位）、基本面（增长/盈利质量/财务结构）、资金（主力+杠杆资金）、技术（均线位置/超买超卖/趋势）。

判断要避免的三种错误：
1. 把"跌得多"当成"该砍"——必须区分"便宜"与"便宜得有原因"（业绩趋势转负 + 资金外流 + 减持信号 = 有原因）
2. 把"涨得多"当成"该留"——年内涨幅第一的票如果估值在 70% 分位、扣非利润近零、波动最大，它才是该砍的
3. 只看个股不看组合——底部区间的低相关标的可能是组合唯一的"分散器"，砍掉它组合波动反而上升（用情景测算验证并写进报告）

必写的反直觉提醒：明确告诉用户这个结论与"卖赚钱的、留亏钱的"直觉相反，依据是估值分位/扣非质量/资金流向/波动贡献，不是浮盈浮亏。

仓位未知时的处理：显式声明"假设等权"，并做一个交互式滑块面板（用内嵌协方差矩阵在 JS 里实时重算组合波动与风险贡献），让用户拖出自己的真实仓位看结论如何变化。

阶段 4｜渲染与验证

1. 图表全部手写 inline SVG，用 JS 函数生成后 innerHTML 注入
2. viewBox="0 0 1040 …" + width="100%" 自适应；配色用 CSS 变量同源（但 SVG 属性里不要写 var(--x)，直接写字面色值）
3. 验证（本机无 headless 浏览器时的低成本方案）：node --check 查语法 + 自写 DOM 桩 eval 脚本，检查每个容器是否被写入、SVG 元素数量是否合理、innerHTML 里有无 NaN/undefined/Infinity
   - 提取内联脚本做语法检查：python -c "import re;s=open('报告.html',encoding='utf-8').read();open('data/_chk.js','w',encoding='utf-8').write('\n'.join(re.findall(r'<script>(.*?)</script>',s,re.S)))" 然后 node --check data/_chk.js。（不要用 bash 进程替换 <(...)，Windows 下 node --check <(...) 会报 Cannot find module 'C:\dev\fd\63'）
4. 回验嵌入数值：用 Python 重新解析 HTML 里内嵌的 COV 矩阵，独立复算一次等权波动率 / 风险贡献，确认与正文写的数字一致（防止改数据时漏改一处）
5. 可选视觉校验：本机有 Edge 时可用 msedge.exe --headless=new --disable-gpu --window-size=1280,12000 --screenshot=out.png <url> 截图。注意 file:// 路径含中文会失败（报 cmd.exe %VAR% 语法错误）→ 先把 HTML 复制成 ASCII 路径（如 data/preview.html）再截。再用 PIL 裁剪分段检查。
6. 交付前用 present_files 展示

阶段 5｜标的被更正后如何最小改动重做

用户事后更正组合成员（「不是 A，是 B」）时，不要重跑整条链路：

1. 先确认新代码（search 命令，或用行情接口探测；注意 A 股代码容易记错，如润贝航科是 001316 而非其他）
2. 只拉新标的的全套数据（kline/technical/asfund/chip/profile/finance/dividend/shareholder + neodata 估值/财报/研报），其余标的复用已有文件
3. 复制 portfolio.py 为 portfolio2.py，改 codes/names，重算协方差、相关性、风险贡献、情景——组合层面的每一个数字都会变
4. 复制 scen.py 为 scen2.py 重算降波情景（含低波资产假设）
5. 用 grep -c "<旧标的>" 逐项清理正文残留（含 JS 数据对象、CORR/COV 矩阵、order/keys 数组、颜色映射、预设按钮、硬编码基准值如 29.7）
6. 同步更新冒烟脚本 smoke.js 里的 ranges 代码与 presets，再跑一次验证

大文件（80 KB+）批量改写的两个致命坑：

• 不要并发/连发多个 Edit：对同一个大 HTML 连续快速提交多个 Edit，会出现部分改写被覆盖丢失（表现为验证时某些编号 MISS，且 grep 仍能搜到旧标的）。→ 逐个提交、每批改完立即 grep 校验；发现 MISS 就单独重跑那一条。稳妥做法是先用 Python 做一次全局 str.replace 处理高频替换（代码/名称/行业），再手工修剩余的数字与文案。
• JS 模板字符串里不要出现裸换行：形如$("portNote").innerHTML = `${"...\n "}$("x")...` 若反引号被换行截断，node --check 会报 Unexpected end of input。同理，模板字符串内不能出现中文全角引号 “ ”（会报 Unexpected identifier）→ 中文引号改用「」。
• 每次改完必跑一遍 node --check + 冒烟脚本，别攒到最后。

环境陷阱（Windows，必读）

• bash 工具 PATH 可能残缺（视会话/机器而定，有些会话里 ls/head/awk/cat 正常可用，有些不全）。先试探一次：若常用命令报 not found，则文件与命令操作改走 PowerShell + Read 工具。
• PowerShell 工具吞 stdout：Write-Output 不显示 → 一律 | Out-File -Encoding utf8 落盘后用 Read 读
• 中文乱码：运行 CLI 前设 [Console]::OutputEncoding = [System.Text.Encoding]::UTF8，否则输出被按 GBK 解码变成「鍛戒护」这类乱码
• 解析 CLI 输出的 markdown 表时按首个非空行找表头，别硬编码行号（不同命令前缀行数不同）

数据口径陷阱（容易静默算错）

• 250 日区间位置必须用收盘价（close 的 max/min），不要用 high/low 列。用 intraday high/low 会让区间变宽、pos250 偏小，而且会让所有标的的数字一起变——一旦混用，报告里四个未改动标的的"距年线/区间"会悄悄改口径。
• 单标的 kline 与批量 kline 表头不同：批量（多代码逗号分隔）有 symbol 列，单代码没有（date | open | last | high | low | volume | amount | exchange）。解析要分别处理。列索引：[0]=date [1]=open [2]=last(收盘) [3]=high [4]=low。
• chip 的 chipConcentration90 才是报告里用的"筹码集中度"（数值越小越集中）；别误取 70。
• 非两融 / 小盘标的：margintrade 返回 null、lhb / blocktrade 返回「当日无龙虎榜/大宗交易数据」——属正常，正文写「—」或改述，不要当成抓取失败。
• wind 行业分类会误导：润贝航科主营航材分销+国产化自研，wind 因主营含航空油料/化学品把它归入"石油石化"。写行业集中度时要按实际业务描述并注明分类来源。
• 日均成交额差异巨大时，主力资金条形图会被最大流出项压扁（如 +1.13 亿 vs -59.7 亿），小节里要显式提示"图上几乎不可见但方向相反"。
• dividend 若做过送转：每股派现金额需按送转后的股本折算，否则股息率算错（例：10 派 4.36 元转 4 股，派息总额按转增前股本，折算到现股本约 0.31 元/股）。

免责声明（必须写入报告）

标明数据来源与截止日期、口径差异、评分卡为自建规则非机构评级，并明确"不构成投资建议"。