公司回购与大股东减仓监控（望京博格版）

这个 skill 做什么

把「公司自己买回来的钱」和「大股东卖出去的钱」放在同一根时间轴上，看谁在用力。

口径：全 A 上市公司当月实际执行的股份回购金额（不是预案、不是授权额度），对上重要股东通过二级市场实际减持的金额，逐月取最近五年（默认 60 个月），底下垫一条沪深300 月末收盘线。看的是错位——哪个月公司在拼命买、大股东在拼命卖，以及这种错位之后指数往哪走。

一句话理解这两个指标：回购是公司用真金白银表的态度，减仓是大股东用脚投的票。 一个进、一个出，差额就是产业资本对 A 股的净态度。

⚠️ 先决条件：MCP 能不能按月跨全市场聚合

这个 skill 自己不带数据。核心能力只有两条：

> 一次调用返回「某月全 A 回购金额合计」，一次调用返回「某月全 A 重要股东减持金额合计」。

实测可用路径：wind-analytics-data 的 get_financial_data，自然语言问句。沪深300 用 wind-index-data 的 get_index_kline（period=12 月 K）。具体问句、哪些路走不通、QPS、坑，全在 references/data-sourcing.md，第一次用必读。

走不通的表现：返回「没找到数据」，或者数值量级差 1 万倍（单位陷阱，见下）。遇到先解决 MCP，不要改成逐只个股加总（5000 只 × 60 个月，跑不完），更不要凭印象编数。

装完先自检：

python scripts/check_env.py

它查文件、库的连续性、量级、回归锚点、运行时；MCP 那条要人工确认——随手问一句「2026年10月A股全部上市公司股份回购实际金额合计，单位亿元」，回 221.95 亿（原始数值 22,194,878,014）才算通。

硬规则：先读这段再动手

1. 两个指标必须分开问，不能合并。 合在一条问句里，第二个指标会退化成「持股市值变动」并返回 null。
2. 不能批量取月度序列。 「按月列出 2022 年各月」这类问法一律「没找到数据」，只能一月一发。首次建库 60 个月 = 120 次调用——这笔只付一次，之后月更只补新月份，3 次调用。
3. 一轮消息最多发 2 条，串行推进。 3 条并行必挂中间那条（实测 5 条并行挂 3 条）。限流约 2 QPS。
4. 单位陷阱（最容易翻车）。 返回的 unit 字段两个指标都写「万人民币元」，但实际量纲不同：
   - 回购数值是元，÷1e8 得亿元（22,194,878,014 → 221.95 亿）
   - 减持数值是万元，÷1e4 得亿元（1,362,377 → 136.24 亿）
   用年度合计反推验证：2024 年回购约 1650 亿、减仓约 1570 亿，对上就对了。
5. 减持口径用「金额」，不要用「净减持」。 「净减持」措辞不稳定：同一批数据里 2021-12 会返回 38.93 亿（真实量级 900+ 亿），序列直接断掉。全序列统一「二级市场减持金额」，净额在报告里另行说明。
6. 别把回购当抄底信号。 实测回购额与沪深300 当月涨跌幅相关系数只有 −0.03，涨月 109 亿、跌月 110 亿。写结论时照数据说，别套「越跌越买」的旧叙事。
7. 2021 年 11–12 月的减仓偏高是真实的（解禁高峰 + 当时规则宽松），不是脏数据。但窗口内 2021 只有两个月，年度表里必须标「不完整」。
8. 采样月份记录实际取到的那个月，不是你打算取的。差一天不影响趋势，但库里的月份必须真。

博格的固定偏好（2026-11 定版，别自己改回去）

工作流 · 历史只存一次，以后只补增量

底座在 data/buyback-reduction-history.json，60 个月已经取好。已经进库的月份永远不再问 MCP，每次更新只补「库里没有的那些月」。正常一个月更，成本是 3 次调用（回购 1 + 减仓 1 + 沪深300 1），不是 120 次。

Step 0 · 看状态

python scripts/update.py status

一行给全：库到哪个月、窗口多大、校验过不过、缺几个月、下一步敲什么。

Step 1 · 定缺口（不联网）

python scripts/update.py plan

它做四件事：算出窗口内缺的月份 → 写 data/pending.json 待补表 → 打印每月两条可直接发给 MCP 的问句 → 打印沪深300 的一次批量行情调用（缺口区间整体取，不逐月问）。

中间断月也能捡回来：库里若缺 2022-07，plan 会单独把它列出来。

Step 2 · 取数（唯一的联网环节）

按 plan 打印的问句串行取，一轮消息 2 条（回购 + 减仓各一条）。沪深300 用 batched kline：

get_index_kline(windcode="000300.SH", begin_date=<缺口首月1日>, end_date=<缺口末月末日>, period="12")

取 MATCH 列（月收盘），按月对齐。抽取区间由 plan 直接给出，照抄。

抽检锚点（2026-10）：回购 221.95 亿、减仓 136.24 亿、沪深300 收 3,985.50。2024-02：回购 261.67 亿（五年峰值）、减仓 42.70 亿（五年谷底）。对不上就是口径或单位错了。

Step 3 · 入库（取一个月存一个月）

python scripts/update.py fill 2026-11 --buy 120.04 --red 300.22 --hs300 4021.70

一条命令完成：量级校验 → 冲突检查 → 原子写 → 自动备份 → 记审计 → 报剩余缺口。中断不丢，下次接着补。

批量也行：手改 data/pending.json 把三个值填上，然后 python scripts/update.py apply。

写库的护栏（都是自动的）：

Step 4 · 出报告（不联网）

python scripts/update.py build          # HTML + 2360 宽长图，一步
python scripts/update.py build --no-png # 只要 HTML

等价于 build.py + export_long.js，但会先跑一遍校验：缺月、断月、锚点不符会先喊出来，再出图。换机器、离线重出图照样能跑。

不要重新设计版式。 三联图的刻度留白、峰值标签、X 轴标签密度这些坑都记在 references/rendering.md，重画会重踩一遍。

Step 5 · 交付

先把 HTML 和 PNG 放进 present_files，再说结论。话术见文末。

月更三步（标准动作）

python scripts/update.py status      # 库到哪、缺几个月
python scripts/update.py plan        # 拿问句（沪深300 一次、两个指标每月各一次）
#   → 取数 → fill                            串行，一轮 2 条
python scripts/update.py build       # 出 HTML + 长图

全量重建（想换窗口、补老月份）也一样，--months N 改窗口，plan 会把缺的一次列全。

fetch_plan.py / history.py 仍然可用，前者是 update.py plan 的旧入口，后者是底层库操作（stat / verify / csv / del）。

数据长什么样（2026-11-05 实际跑出来的）

这组数字可以当回归测试：跑出来差太多，先怀疑取数口径，别怀疑代码。

文件索引

交付时说什么

• 先给结论：五年回购多少、减仓多少、覆盖几成、净流出多少。
• 讲错位：哪个月两边同时用力（2026-10 最典型：指数跌、回购创新高、减仓砍到五年第三低）。
• 讲反直觉的那条：回购跟指数涨跌基本无关（相关 −0.03），它是制度动作不是抄底动作；减仓才是涨出来的（涨月 420 亿 vs 跌月 287 亿）。
• 提一句口径：减仓是「毛减仓」，净减仓通常低 10%–20%，所以年度对账出现 +10% 左右偏差属正常。
• 不构成投资建议。

更新日志

• 1.1.0 / 2026-11-05：取数流程改为增量。update.py 一把手（status / plan / fill / apply / build），
  缺口自动算、待补表落盘、每月一条命令入库；写库加原子替换 + 自动备份 + 审计流水 + 冲突拦截；
  沪深300 改为缺口区间一次取完；config.py 收敛路径/区间/锚点。一个月更从 120 次调用降到 3 次。
• 1.0.0 / 2026-11-05：定版。60 个月、三联图（回购/减仓/沪深300）、十项数据校验、2360 宽长图；库只补新点。