全部技能 分类浏览
← 返回
未分类

金融投研Skill

user_5e4a0654
未分类 community v1.0.0 1 版本 100000 Key: 无需
★ 0
Stars
📥 92
下载
💾 0
安装
1
版本
#latest

概述

智研助手 · 金融投研 Skill — 技能定义文档

技能概述

| 属性 | 值 |

|------|------|

| 技能名称 | 智研助手 · 金融投研 Skill |

| Skill ID | financial-research-report |

| 版本 | v2.0 竞赛增强版 |

| 作者 | 腾讯云 AI 黑客松参赛团队 |

| 创建日期 | 2026-05-28 |

| 语言 | Python 3.8+ |

| 许可证 | MIT（仅供比赛与学习使用） |

技能描述

「智研助手」是一个 AI 驱动的全自动金融投研分析技能。用户输入任意美股 / 港股 / A 股代码，系统自动完成以下全链路分析并生成专业 Word 报告：

  1. 真实数据拉取 —— 从 yfinance / akshare 获取历史行情、季度财报、最新新闻
  2. 技术指标计算 —— MACD / RSI / Bollinger / MA 均线系统 / KDJ / 成交量
  3. 估值建模 —— PE / PB / ROE / ROA / PEG / 毛利率 / 净利率 / 增长率
  4. 风险量化 —— 年化波动率 / Sharpe / 最大回撤 / VaR / Calmar / 胜率
  5. 综合评分 —— 趋势·动量·估值·质量·风控 五维加权量化打分
  6. AI 深度解读 —— 调用 DeepSeek/OpenAI 大模型生成结构化的专业投研分析
  7. 图表生成 —— 4 面板技术分析图 + 双轴财务图 + 雷达评分图
  8. 报告输出 —— 9 章节专业 Word 文档，含表格、图表嵌入、AI 解读

触发条件

Manual Trigger（手动触发）

命令行传入任意股票代码即可触发： 

python main.py <股票代码>

支持的股票代码格式：

| 市场 | 格式 | 示例 |

|------|------|------|

| 美股 | 纯字母代码 | AAPL, MSFT, NVDA |

| 港股 | 代码.HK | 00700.HK, 09988.HK |

| A股（深交所） | 代码.SZ | 000001.SZ, 300750.SZ |

| A股（上交所） | 代码.SS 或 .SH | 600519.SS, 688981.SH |

| A股（纯数字） | 6 位数字 | 000001（自动识别交易所） |

Web Trigger（Web 界面触发） 

streamlit run web_app.py

在浏览器中输入股票代码，点击「开始分析」按钮。

完整工作流 

  用户输入股票代码
       │
       ▼
┌──────────────────┐
│  Step 1: 市场识别  │  detect_market()
│  自动判断美/港/A   │  输出: market_info dict
└────────┬─────────┘
         ▼
┌──────────────────┐
│  Step 2: 数据获取  │  fetch_all_data()
│  yfinance 或       │  输出: {hist, financials, balance_sheet,
│  akshare 双源      │         info, news, valuation}
└────────┬─────────┘
         ▼
┌──────────────────┐
│  Step 3: 技术分析  │  get_technical_summary()
│  MA/MACD/RSI/     │  输出: {mas, macd, rsi, bb, kdj,
│  Bollinger/KDJ    │         多空信号判断}
└────────┬─────────┘
         ▼
┌──────────────────┐
│  Step 4: 估值分析  │  calc_valuation_metrics()
│  PE/PB/ROE/ROA/   │  输出: {PE, PB, ROE, GrossMargin,
│  PEG/毛利率/净利率 │         NetMargin, MarketCap...}
└────────┬─────────┘
         ▼
┌──────────────────┐
│  Step 5: 风险分析  │  calc_risk_metrics()
│  Vol/Sharpe/      │  输出: {AnnualVolatility, Sharpe,
│  MaxDD/VaR/胜率   │         MaxDrawdown, VaR95...}
└────────┬─────────┘
         ▼
┌──────────────────┐
│  Step 6: 综合评分  │  calc_comprehensive_score()
│  五维加权量化打分   │  输出: {scores{dim1...dim5},
│  0-100 分制       │         overall, rating}
└────────┬─────────┘
         ▼
┌──────────────────┐
│  Step 7: AI 分析   │  llm_deep_analysis()
│  DeepSeek/OpenAI  │  输出: Markdown 格式分析文本
│  大模型深度解读     │        (可选，需 API Key)
└────────┬─────────┘
         ▼
┌──────────────────┐
│  Step 8: 图表生成  │  generate_enhanced_charts()
│  技术面板/财务/    │  输出: PNG 图表文件
│  雷达图           │
└────────┬─────────┘
         ▼
┌──────────────────┐
│  Step 9: 报告生成  │  generate_enhanced_report()
│  python-docx      │  输出: .docx Word 文档
│  9 章专业报告     │
└──────────────────┘

核心函数清单

市场识别

| 函数 | 参数 | 返回值 |

|------|------|--------|

| detect_market(ticker) | 股票代码字符串 | {market, clean_ticker, akshare_ticker} |

数据获取

| 函数 | 参数 | 返回值 |

|------|------|--------|

| fetch_yfinance_data(market_info) | 市场信息 dict | 包含 hist/financials/news/info 的数据 dict |

| fetch_akshare_data(market_info) | 市场信息 dict | 同上（A 股数据源） |

| fetch_all_data(ticker) | 股票代码 | 统一输出数据 dict |

量化分析

| 函数 | 参数 | 返回值 |

|------|------|--------|

| get_technical_summary(hist_df) | 历史行情 DataFrame | 技术指标汇总 dict |

| calc_valuation_metrics(data) | 完整数据 dict | 估值指标 dict |

| calc_risk_metrics(hist_df) | 历史行情 DataFrame | 风险指标 dict |

| calc_comprehensive_score(...) | 各项分析结果 | 五维评分 dict |

技术指标子函数

| 函数 | 说明 |

|------|------|

| calc_ma(series, periods) | 多周期均线计算 |

| calc_macd(close, fast, slow, signal) | MACD 指标 |

| calc_rsi(close, period) | RSI 指标 |

| calc_bollinger_bands(close, period, nbdev) | 布林带 |

| calc_kdj(high, low, close, n) | KDJ 指标 |

AI 分析

| 函数 | 参数 | 返回值 |

|------|------|--------|

| llm_deep_analysis(data, tech_summary, valuation, risk, scores) | 所有结构化数据 | LLM 生成的 Markdown 分析文本或 None |

图表生成

| 函数 | 说明 |

|------|------|

| generate_enhanced_charts(data, tech_summary) | 图表总调度 |

| _chart_technical_panel(...) | 4 面板技术分析图 |

| _chart_revenue_profit_enhanced(...) | 财务趋势双轴图 |

| _chart_score_radar(...) | 评分雷达图 |

报告生成

| 函数 | 说明 |

|------|------|

| generate_enhanced_report(...) | 完整 9 章 Word 报告生成 |

评分体系详解

五维评分维度

| 维度 | 权重 | 评估内容 | 主要数据来源 |

|------|------|----------|-------------|

| 🔵 趋势力 | 25% | 均线排列、布林带位置、价格区间位置 | 技术指标 |

| 🟠 动量 | 20% | RSI 信号、MACD 状态、成交量变化 | 技术指标 |

| 🟢 估值 | 20% | PE 合理性、PB 区间、ROE 水平 | 估值指标 |

| 🟣 质量 | 20% | ROE、毛利率、净利率、盈利增长 | 估值+财务 |

| 🔴 风控 | 15% | 波动率、Sharpe、最大回撤 | 风险指标 |

评分等级映射

| 分数 | 星级 | 含义 |

|------|------|------|

| 80-100 | ★★★★★ | 强烈推荐 |

| 65-79 | ★★★★☆ | 推荐关注 |

| 50-64 | ★★★☆☆ | 中性 |

| 35-49 | ★★☆☆☆ | 谨慎 |

| 0-34 | ★☆☆☆☆ | 回避 |

输出产物

图表文件（charts/ 目录）

| 文件 | 格式 | 说明 |

|------|------|------|

| technical_{代码}.png | PNG, 150 DPI | 4 面板技术分析综合图（价格/成交量/MACD/RSI） |

| financial_{代码}.png | PNG, 150 DPI | 营收/净利润/毛利率三合一财务趋势图 |

| radar_{代码}.png | PNG, 150 DPI | 五维综合评分雷达图 |

Word 报告

| 文件 | 说明 |

|------|------|

| 投研报告_{代码}_{日期}.docx | 9 章 + 免责声明的完整投研周报 |

JSON 数据（可选，--save-json 参数）

| 文件 | 说明 |

|------|------|

| analysis_{代码}.json | 完整分析数据结构化导出 |

环境依赖

必选依赖

| 包 | 版本 | 用途 |

|----|------|------|

| yfinance | ≥0.2.31 | 美股/港股行情与财务 |

| akshare | ≥1.13.0 | A 股行情与财务 |

| pandas | ≥2.0.0 | 数据处理 |

| numpy | ≥1.24.0 | 数值计算 |

| matplotlib | ≥3.7.0 | 图表绘制 |

| python-docx | ≥1.0.0 | Word 文档 |

可选依赖

| 包 | 版本 | 用途 |

|----|------|------|

| openai | ≥1.0.0 | DeepSeek/OpenAI API（AI 分析） |

| python-dotenv | ≥1.0.0 | 环境变量管理 |

| streamlit | ≥1.28.0 | Web 可视化界面 |

环境变量配置

| 变量 | 必填 | 默认值 | 说明 |

|------|:--:|--------|------|

| DEEPSEEK_API_KEY | 否 | — | DeepSeek API 密钥 |

| DEEPSEEK_BASE_URL | 否 | https://api.deepseek.com | API 地址 |

| LLM_MODEL | 否 | deepseek-chat | 模型名称 |

| OPENAI_API_KEY | 否 | — | OpenAI API 密钥（备选） |

| OPENAI_BASE_URL | 否 | https://api.openai.com/v1 | OpenAI API 地址 |

错误处理策略

| 场景 | 处理方式 |

|------|----------|

| 股票代码不存在 | 输出明确错误提示并退出 |

| 历史行情获取失败 | 致命错误，程序退出 |

| 财务数据获取失败 | 警告提示，跳过财务分析部分 |

| 估值指标缺失 | 显示 "N/A"，不影响其他模块 |

| LLM API 调用失败 | 捕获异常，降级为规则引擎分析 |

| 中文字体缺失 | 自动检测兜底字体，警告用户 |

| akshare 未安装 | 提示安装命令并退出 |

| 网络超时 | 捕获异常，输出具体失败项 |

使用限制

  1. 数据延迟：yfinance 数据可能有 15-20 分钟延迟（免费接口）
  2. 请求频率：短时间内大量请求可能触发 API 限流
  3. A 股节假日：非交易日历史数据中无当日行情
  4. LLM Token：AI 分析约消耗 2000-3000 tokens
  5. 字体：Linux 需额外安装中文字体包
  6. akshare：API 可能随东方财富接口变化而调整

扩展计划

  • [ ] 支持行业对比（同行业多只股票的对比分析）
  • [ ] 支持基金/ETF 分析
  • [ ] 增加情绪分析（新闻 NLP 情感打分）
  • [ ] 支持自定义报告模板
  • [ ] 实时行情 WebSocket 推送
  • [ ] 多语言报告（英文/繁体中文）
  • [ ] PDF 格式报告输出
  • [ ] 定时自动化任务（每日/每周自动出报告）

参赛信息

| 项目 | 内容 |

|------|------|

| 比赛 | 腾讯云 AI 黑客松 |

| 项目名称 | 智研助手 · 金融投研 Skill |

| 项目类型 | AI + 金融科技 |

| 核心技术 | Python / yfinance / akshare / matplotlib / LLM |

| 关键词 | 金融投研、量化分析、AI 报告生成、多维度评分 |

智研助手 · 金融投研 Skill v2.0

AI-Powered Investment Research Report Generator

版本历史

共 1 个版本

  • v1.0.0 Initial release 当前
    2026-05-28 15:21 安全 安全

安全检测

腾讯云安全 (Keen)

安全，无风险
查看报告

腾讯云安全 (Sanbu)

安全，无风险
查看报告

🔗 相关推荐

ai-intelligence

Self-Improving + Proactive Agent

ivangdavila
自我反思+自我批评+自我学习+自组织记忆。智能体评估自身工作、发现错误并持续改进。
★ 1,355 📥 318,015
developer-tools

Github

steipete
使用 `gh` CLI 与 GitHub 交互，通过 `gh issue`、`gh pr`、`gh run` 和 `gh api` 管理议题、PR、CI 运行及高级查询。
★ 668 📥 324,006
ai-intelligence

ontology

oswalpalash
类型化知识图谱，用于结构化智能体记忆与可组合技能。支持创建/查询实体（人员、项目、任务、事件、文档）及关联...
★ 711 📥 243,702

Skill工具集 © 2026