个股 12 步量能深度分析 (专业版)

> 📌 版本说明：技能元数据版本为 5.1.1（skillhub 展示用，遵循 semver 规范）；报告页脚/图表标题内显示的 V5.1.1 与之等价，均为同一版本。所有版本号由 theme.py 的 SKILL_VERSION 单一信源注入，避免前后不一致。

🚀 30 秒上手

只需三步，立刻得到一份可分享的量能分析报告：

pip install pandas numpy plotly pyyaml     # 1) 装依赖（仅 4 个包）
python cli.py 600036                       # 2) 分析招商银行（零配置，离线兜底）
# 3) 打开 output/reports/600036_SH_analysis.html 查看完整积木式报告

• 不想读长文？直接看报告顶部的「决策速览卡」，一屏给结论。
• 完整使用方式、代码示例、三种模式说明见下方「使用方式与触发示例」。

📚 文档导航

技能概述

基于环境自适应数据源的个股深度决策支持系统

专注股票量能分析，生产级的专业技能。以五维量能评分为第一闸门，通过四层架构、12 步 SOP生成完整的个股投资决策报告。输出统一积木式 HTML 报告文件。支持 A 股/港股市场。支持个股、两股比较、组合分析三种模式。可自动化每天监控股票的量能情况。

核心理念：
- 🔑 量能第一原则：量能评分<40 分不再硬终止，自动触发「静默市场深度分析」、测吸筹/派发模式
- 🎯 概率思维贯穿：所有结论基于三情景推演，禁止单一目标价预测
- ✅ 交叉验证体系：四层架构相互验证，置信度动态调整
- 📊 可视化驱动：内置 5 张 Plotly 专业交互式图表 + 1 个综合仪表盘
- 🏭 行业适配：银行/红利/龙头制造业差异化参数
- 🛡️ 数据韧性：五级渐进降级容错，数据缺失不中断分析
- 🧩 积木式报告：统一积木式 HTML 报告，暗色/亮色双主题、四层架构决策脊、12步积木块

能力边界与限制

明确知道什么能做、什么做不了，是对工具最基本的尊重。

✅ 擅长分析的场景

⚠️ 受限但仍可分析的场景

❌ 明确不适用的场景

📋 必要输入

使用方式与触发示例

触发词

量能分析 · 个股深度分析 · 12步量能法 · 股票量能评分 · 量能可视化分析 · 分析某个股票的量能情况 · 看一下股票的走势情况

典型使用示例

示例 1：标准个股深度分析 (有数据源)

> 用户：请用12步量能法分析一下招商银行 600036.SH
>
> 系统行为：
> 1. 自动检测环境中的数据源 → 发现通达信MCP + 国泰海通Skill
> 2. L0 拉取120日K线、实时行情、资金流向、基本面、研报、同业数据
> 3. 执行完整12步分析，生成 Quick Take 卡片 + 完整报告 + 交易单
> 4. 生成统一积木式 HTML 报告文件 (保存在 output/reports/)
> 5. 输出数据完整性评分，标注置信度

示例 2：低量能股票 (静默市场模式)

> 用户：分析一下 601288.SH 农业银行
>
> 系统行为 (假设该股当日量能评分=32 < 40)：
> 1. L1 五维量能评分 → 32分，触发闸门1
> 2. 不硬终止，自动切换为「静默市场深度分析」
> 3. 输出：量能体制、吸筹/派发模式检测、历史相似量能统计
> 4. 生成静默市场报告（~500字）+ 关注触发条件列表
> 5. 不生成完整交易单，但提供操作方向建议

示例 3：无在线数据源时的离线兜底分析

> 用户：我想看一下中国神华 601088.SH 的量能情况
>
> 系统行为 (假设环境中没有任何可用的 MCP/Skill 在线数据源)：
> 1. 自动发现数据源 → 0 个在线源可用
> 2. 自动回退到内置离线快照（若 data/offline_snapshot/ 已构建）：拉取真实历史 K线 + 基本面，跑完整 12 步分析
> 3. 报告中标注数据来自离线快照的 as_of_date，时效性低于实时，置信度相应调整
> 4. 若离线快照也未构建 → 触发数据韧性回退（手动输入 + 行业均值），输出有限分析并标注「置信度降低」
>
> 💡 离线快照让"无在线源"不再是分析死角：首次使用时按提示选择覆盖范围构建一次即可长期受益。

代码调用方式

from analysis_engine import AnalysisEngine, analyze_stock

# 方式A：一行分析
result = analyze_stock('600036.SH', '招商银行')

# 方式B：自定义引擎 (启用缓存+韧性)
engine = AnalysisEngine(enable_cache=True, enable_resilience=True)
result = engine.analyze('600036.SH', '招商银行')

# 查看结果
print(f"量能评分: {result.volume_score:.0f}/100")
print(f"最终评级: {result.final_rating}")
print(f"期望收益: {result.expected_return:+.1f}%")
print(f"盈亏比: {result.reward_risk_ratio:.1f}:1")

# 生成报告
print(engine.generate_quick_take(result))   # Quick Take 卡片
print(engine.generate_full_report(result))  # 完整分析报告
print(engine.generate_trade_plan(result))   # 可执行交易单

# 生成统一积木式 HTML 报告 (自包含 .html 文件)
html = engine.generate_html(result, mode='single', detail='full')
# → 保存到 output/reports/{代码}_analysis.html

命令行运行 (零配置，推荐)

pip install pandas numpy plotly pyyaml   # 安装依赖
python cli.py 600036                      # 个股：代码（或中文名 招商银行）
python cli.py 600036 601857              # 两股比较
python cli.py --portfolio                 # 组合分析（默认用 stock_pool_core.csv）
python cli.py --portfolio stock_pool_example.csv   # 用开箱即用示例池
python cli.py --light 600036             # 浅色主题报告

💡 新手零配置起步：直接 python cli.py --portfolio stock_pool_example.csv。
示例池内置 10 只蓝筹——前 4 只（600036 招商银行 / 601857 中国石油 / 600938 中国海油 / 600061 国投资本）随包离线快照兜底，无任何在线源也能跑完整 12 步；其余在线时自动补全、离线时自动跳过。

四层架构

┌─────────────────────────────────────────────────────────────────────┐
│                    个股 12 步深度量能分析 V5.1.1                      │
├─────────────────────────────────────────────────────────────────────┤
│  L0：数据采集层 (前置)                                              │
│  一次性拉取全部所需数据：量价/资金/技术/财务/股东/研报/公告           │
│                          ↓                                        │
│  L1：量能诊断层 (第 1-3 步) ← 第一闸门                              │
│  第 1 步：五维量能评分 + 三维拥挤度惩罚 → 量能评级 (🟢🟡🟠🔴)        │
│  第 2 步：V5 八阶段价格结构定位 → 价格阶段 + 趋势方向               │
│  第 3 步：连续量能趋势分析 → 量能健康度                             │
│  → 闸门 1：量能评分 < 40？→ 触发静默市场深度分析                     │
│                          ↓ 通过                                    │
│  L2：多维验证层 (第 4-8 步)                                          │
│  第 4 步：基本面六维分析 → 基本面评级                               │
│  第 5 步：技术面多重共振 → 共振强度                                 │
│  第 6 步：筹码与股东结构 + L2 资金流增强 → 资金面评级               │
│  第 7 步：机构观点聚合 → 情绪评级                                   │
│  第 8 步：多维交叉验证 → 一致性 + 置信度                            │
│  → 闸门 2：严重分歧？→ 标记"低置信度"，降级处理                     │
│                          ↓                                        │
│  L3：决策矩阵层 (第 9-11 步)                                        │
│  第 9 步：四维决策矩阵 → 综合得分 + 基础评级                        │
│  第 10 步：催化剂跟踪 → 评级调整                                    │
│  第 11 步：板块弹性与组合暴露 → 仓位调整建议                        │
│  → 闸门 3：综合得分 < 2.0？→ 评级🔴回避，跳过 L4                    │
│                          ↓                                        │
│  L4：交易执行层 (第 12 步)                                          │
│  第 12 步：风险收益比与三情景分析 → 期望收益 + 盈亏比 + 关键价位     │
│  → 闸门 4：盈亏比 < 2:1？→ 标注"赔率不足"                          │
│  → 闸门 5：量能趋势确认 → 入场时机建议                              │
│  输出：可执行交易单 (建仓/加仓/止损/止盈/仓位/监控)                 │
│                          ↓                                        │
│  输出层：Quick Take 卡片 + 完整报告 + 交易单 + 5张图表 + HTML报告   │
└─────────────────────────────────────────────────────────────────────┘

> 📖 12 步 SOP 详细评分标准（每步的维度、权重、阈值、行业适配参数）见 references/12step-sop.md。

行业适配参数总表

30 秒看懂评级

不想读完整报告？看这 4 个信号就够了：

一眼决策：
- 🟢 且量能 ≥60 → 重点跟踪，按交易单执行
- 🟡 且量能 ≥40 → 列入关注，等放量确认
- 🟠 → 观望，信号分歧或量能偏弱
- 🔴 或量能 <40 → 回避，或仅做长线定投视角

> 更细的逐维打分、图表与交易单，见每次生成的统一积木式 HTML 报告（顶部「决策速览卡」一屏给结论）。

输出格式

Quick Take 卡片 (约 300 字)

# {股票名称} ({代码}) 量能速览

**评级**: {🟢/🟡/🟠/🔴} {评级描述}
**量能评分**: {原始分} → {调整后}分 (拥挤度惩罚{惩罚分})
**V5 阶段**: 阶段{X} - {阶段名称}
**基本面**: {🟢/🟡/🟠/🔴} {评级}
**四维得分**: {X.X}/5.0 (量能{X.X}/价格{X.X}/资金{X.X}/情绪{X.X})

**核心信号**:
- ✅ {最强利好信号 1}
- ✅ {最强利好信号 2}
- ⚠️ {主要风险点}

**三情景期望**: 期望收益 {+X.X}%, 盈亏比 {X}:1
**置信度**: {高/中/低}
**操作建议**: {一句话建议}

统一积木式 HTML 报告

必须输出。 每次分析完成后，使用 generate_html() 生成自包含 HTML 报告，保存到 output/reports/。

from reports.html_generator import generate_html

# 个股完整报告
html = generate_html(result, mode='single', detail='full',
                     output_path='output/reports/600036_SH_analysis.html')

# 两股对比
html = generate_html(result_a, mode='compare', result_b=result_b,
                     output_path='output/reports/600036_vs_601398_compare.html')

# 组合分析
html = generate_html(results, mode='portfolio', portfolio_name='自选池',
                     output_path='output/reports/portfolio_自选池_analysis.html')

设计特性：
- 🎨 积木哲学：每个分析步骤 = 独立 <section class="block">
- 🌓 暗色/亮色双主题：data-theme="dark" 默认，一键切换
- 📍 四层决策脊导航：IntersectionObserver scrollspy 高亮
- 🎯 双色轴体系：方向轴（红涨绿跌）vs 评级轴（蓝→青→琥珀→红）
- 📱 响应式：桌面/平板/手机自适应，打印友好
- 📦 自包含：内嵌全部 CSS/JS

数据源与依赖

Python 依赖

注意：不依赖 akshare/efinance/pytdx/yfinance 等Python数据源库。数据源完全由运行环境中的MCP工具和Skill提供。

> 📖 数据源架构详细说明（路由配置、适配器架构、Agent→引擎编排流程、data_injector CLI、数据时效与披露政策）见 references/data-source-architecture.md。
>
> 📖 数据韧性与静默市场分析（五级降级容错、静默市场四步分析、V3.4量能结构诊断）见 references/data-resilience.md。

首次运行 / 离线快照（稳定数据源 · V5.1 新增）

核心改进：本 Skill 现在具备「在线 + 离线分层」数据源。westock 等在线源优先；当环境中没有任何在线源时，自动回退到随 Skill 发布的内置离线快照（真实历史 K线 + 基本面等），零配置即可跑完整 12 步分析，不再"只能做简单分析"。

agent 操作约定（关键）

1. 分析前先检测：运行 python bootstrap.py（或调用 bootstrap.ensure_snapshot()）。
   - 返回 READY：离线快照已存在，直接分析即可。
   - 返回 FIRST_RUN：离线快照目录为空。
2. 首次使用提示覆盖范围（用户补充要求）：当检测到 FIRST_RUN 时，用 AskUserQuestion 询问用户离线数据覆盖范围，给出三选项：
   - 默认 ~50 只（核心持仓 + 主要银行 + 红利蓝筹）—— 推荐，已内置真实数据，立即可用
   - 扩展至沪深300（--scope csi300）—— 覆盖范围更大，需联网构建（体积较大）
   - 更宽（中证红利 + 中证银行）（--scope broad）—— 需联网构建
3. 按用户选择构建：运行 python build_offline_snapshot.py --scope <选择>。
   - 有 westock 在线源时 --online 可联网刷新；无在线源时自动复用已注入的 westock 缓存 / data/raw 灌入。
   - 构建幂等，已存在默认跳过（--force 覆盖）。
4. 构建完成后 ensure_snapshot() 返回 READY，正常分析。

> ⚠️ 若用户选择跳过构建且环境中确实无任何在线源，仅有离线快照兜底——报告中会标注数据来自离线快照的 as_of_date，时效性低于实时数据，置信度相应调整。

离线快照自动保鲜（V5.1.1 新增 · 默认开启）

每次在线分析完成后，系统自动把本次用到的在线数据回灌到离线快照（offline_snapshot.sync_from_provider），使离线兜底始终持有"最近一次在线"的真实数据，彻底避免快照过期。

• 触发点：AnalysisEngine.analyze() 数据采集后自动调用，无需 agent 额外操作。
• 智能判断：仅把由在线源（westock_cache 等）提供的数据类型写回；若某类型由 offline_snapshot 自身兜底（即在线不可用），则跳过——绝不用离线数据覆盖离线数据。
• 纯离线运行：当环境中完全没有在线源时，sync_from_provider 自动返回 online=False，不做任何写入，离线快照原样保留。
• 关闭开关：config.py 的 OFFLINE_SNAPSHOT['auto_update'] = False 可禁用（默认 True）。
• 溯源标注：自动回灌的文件 meta.source 记录真实来源（如 westock_cache）、meta.auto_updated=True、meta.as_of_date 取真实数据日期，报告与 list_offline_snapshot() 可据此区分"内置快照"与"自动保鲜快照"。

> 💡 这意味着：用户只需正常用 Skill 分析几次，离线快照就会自动覆盖到其关注的所有标的，且始终新鲜——首次构建的覆盖范围（core50 等）只是起点，后续由实际使用自然扩展并保鲜。

离线快照说明

版本历史

• V5.1.1 (2026-08-09): 离线快照自动保鲜——每次在线分析后自动回灌在线数据到离线快照（仅写在线源提供类型，纯离线运行自动跳过），兜底数据始终新鲜；新增 auto_update 开关
• V5.1.0 (2026-08-09): 在线+离线分层数据源，新增离线快照适配器 / 构建脚本 / 首启引导，零配置离线兜底
• V5.0.1 (2026-08-06): 全项目版本号统一、WestockCacheAdapter 默认路由集成、三维拥挤度惩罚文档统一、五级降级描述修正
• V3.4 (2026-08-02): 统一积木式 HTML 报告生成器 (3→1)、Quick/Full双详细度、暗色/亮色双主题、四层决策脊scrollspy导航。WestockCacheAdapter (最高优先级JSON缓存适配器)、data_injector.py、ResilientDataProvider默认接入引擎五级降级链
• V3.3 (2026-07-28): 数据韧性五级容错、静默市场深度分析 (替代闸门1硬终止)、数据完整性评分
• V3.2 (2026-07-08): 环境自适应数据源 (MCP/Skill自动发现+按数据类型路由)、完整 12 步分析引擎、集中配置管理、相对路径重构
• V3.1 (2026-07-08): 新增 4 个优化模块 (L2 资金流增强/三维拥挤度惩罚/同业对比三情景/Plotly 可视化仪表盘)
• V3.0 (2026-07-07): 重构为四层架构，明确数据流，增加 5 个闸门，行业适配参数化
• V2.0 (2026-07-07): 四大模块架构 + 12 步 SOP
• V1.0 (规划中): 初始线性框架

相关技能

• portfolio_construction: 将个股分析结果转化为组合权重
• 股票交易策略: 基于持仓成本的买卖点分析
• Public-company-one-page-investment-memo: 一页纸投资报告生成

扩展文档指引

> 以下文件按需读取，不在加载 SKILL.md 时自动读取。
> 推荐顺序：新手必读（quickstart → faq → anti-patterns）→ 12step-sop → 其余；design.md / DESIGN-REVIEW.md / 红利价值视角模块设计.md 为开发者向，二次开发再读。