异动归因 (Attribution of Abnormal Stock Market Movements)

基于恒生聚源 MCP 金融数据库，执行异动归因分析流程。

功能范围

查询建议

必需输入：标的名称/代码 + 时间（可选，默认最新交易日）

有效示例

类型 A：声称式输入（用户描述异动）

• "贵州茅台今天放量涨停，为什么？"
• "特斯拉昨天成交量放大 5 倍，有什么消息？"
• "沪深 300 指数下午突然跳水 2%，什么原因？"

类型 B：探索式输入（系统检测异动）

• "帮我看看贵州茅台今天有什么异常"
• "分析一下宁德时代最近的异动情况"
• "新能源板块今天有什么值得关注的？"

标的类型（自动识别）

• 个股：贵州茅台、600519、特斯拉
• 行业：白酒行业、新能源行业、医药生物 (申万)
• 概念板块：人工智能概念、低空经济、碳中和
• 指数：上证指数、沪深 300、标普 500、创业板指

环境配置

⚠️ 首次使用前必须完成配置！

> 📖 详细配置指南：见 references/setup-guide.md

核心工作流程（单一模板）

模板文件：references/report-template.md

模板结构：

• 必选章节：📊 摘要、📈 日度数据验证、🔍 多维归因分析、⛓️ 因果链条验证、💡 结论与建议、📎 数据溯源、免责声明
• 条件章节：🕐 盘中异动详情（仅 T+0 场景）

章节控制：模板内使用 HTML 注释标明各章节的保留/删除条件，生成报告时按注释指引操作。

快速参考：

• T+0 实时 → 保留 🕐 盘中异动详情章节
• T+1 历史 → 删除 🕐 盘中异动详情章节
• 声称式输入 → 保留"用户命题验证"表
• 探索式输入 → 删除"用户命题验证"表，保留"主动异动扫描"表

Phase 0：场景识别与数据时效性检查

检查步骤 1.1：识别分析场景

检查步骤 1.2：数据时效性检查

1. 尝试获取 T 日日行情数据（仅调用 StockDailyQuote 验证）
2. 判断：
   ├─ 有数据 → 进入步骤 2（数据收集）
   ├─ 非交易日 → 告知休市，建议查最近交易日
   └─ 数据未更新 → 输出标准回复模板，等待用户选择

> 注意：实时 API 调用（AShareLiveQuote、RealStockFundFlow 等）不在此阶段，而是纳入步骤 2 统一调用。

Phase 1：数据收集

通过 MCP 工具调用获取真实数据。每调用一个 API，立即记录到"数据溯源临时表"。

核心数据（必调）：

• 日行情、历史序列、技术指标
• 新闻资讯（T-1 至 T+1 日）
• 板块数据

T+0 实时数据（仅 T+0 场景）：

• 实时快照（AShareLiveQuote）
• 市场统计（MarketLimitUpDownCount）
• 实时资金流（RealStockFundFlow，指定≤30 分钟窗口）
• 分时行情（AShareTickQuote，指定≤30 分钟窗口）

条件数据（检查上下文后决定）：

• 估值分析（StockValueAnalysis、ConsensusExpectation）：剩余上下文>50% 时调用
• 历史回测（StockRangeQuotation 1 年）：仅用户明确要求或非 T+0 场景

> 📖 完整数据收集流程：references/mcp-tools-reference.md

Phase 2：异动信号识别与归因分析

> 📖 异动信号识别与归因分析流程：references/attribution-methodology.md

异动信号识别

双路径识别：

统一阈值：

终止条件：

• ❌ 数据不支持用户描述 → 终止
• ❌ 未检测到异动 → 终止
• ✅ 确认异动 → 继续归因

归因分析

核心维度（必选）：

1. 消息面（T-1~T+1 新闻/公告）
2. 资金面（日线资金流、龙虎榜）
3. 技术面（MA、BOLL、MACD、RSI）
4. 情绪面（板块联动、市场统计）

可选维度（条件执行）：

• 估值面（PE/PB/PEG 历史分位、同业对比）：仅个股 + 估值 API 有效

Phase 3：生成 MD 初稿

编写 Markdown 报告，保存路径为 reports/[YYYY-MM-DD]_异动归因_[标的名称].md。

章节结构（严格按 references/report-template.md 顺序）：

1. 📊 摘要（核心结论速览、用户命题验证）
2. 🕐 盘中异动详情（仅 T+0 场景，T+1 删除）
3. 📈 日度数据验证（日行情数据、主动异动扫描）
4. 🔍 多维归因分析（消息面、资金面、技术面、情绪面、噪音排除）
5. ⛓️ 因果链条验证（候选归因汇总、时间线流程图、核心驱动判定）
6. 💡 结论与建议（归因置信度评分、不确定性说明、后续跟踪建议、核心结论）
7. 📎 数据溯源
8. 免责声明

角标标注规则：

• 所有非空数值型数据必须标注角标 [1]、[2]...
• 角标序号对应文末数据溯源表
• 分析结论、常识、推理不标注角标

> 📖 报告模板：references/report-template.md

Phase 4：MD 复核

读取刚刚生成的 MD 初稿文件，按照模板附录的复核日志进行检查。

> 📖 复核清单：references/report-review-checklist.md

Phase 5：转换 PDF

运行 python scripts\md2pdf.py reports\[文件名].md，调用成功后检查 PDF 文件>100KB。

输出格式：

• MD：直接生成 Markdown 文件
• HTML：由 md2pdf.py 自动转换生成（中间文件）
• PDF：必须调用 md2pdf.py 生成（最终交付格式）
• 路径：reports/[YYYY-MM-DD]_异动归因_[标的名称].{md,html,pdf}

资源清单

jy-attribution-of-abnormal-stock-market-movements/
├── SKILL.md                    # 主文件
├── scripts/
│   └── md2pdf.py              # PDF 转换脚本
├── references/
│   ├── setup-guide.md         # 配置指南
│   ├── mcp-tools-reference.md # 数据收集流程（MCP 工具调用参考）
│   ├── attribution-methodology.md # 归因分析流程
│   ├── report-template.md     # 报告生成模板
│   └── report-review-checklist.md # 报告复核流程
└── reports/                   # 输出目录（首次运行时自动创建）

特殊场景处理

场景 X：用户命题涉及不可得数据

识别特征：

• 用户询问"今天"的异动，但今天数据不可得
• 用户询问的日期是未来日期或非交易日

处理流程：

1. 执行步骤 1.3，确认数据不可得
2. 输出标准回复模板
3. 等待用户选择，不擅自继续分析
4. 如用户选择分析 T-n 日，在报告开头明确声明"本报告分析日期为 T-n 日，非用户询问的 T 日"

场景 Y：用户命题与数据矛盾

识别特征：

• 用户声称"涨停"，但数据显示涨跌幅<7%
• 用户声称"放量 5 倍"，但数据显示仅 1.5 倍

处理流程：

1. 明确告知用户"数据不支持您的描述"
2. 列出实际数据（涨跌幅、成交量等）
3. 终止分析（不继续归因流程）
4. 提供建议："如您确认异动发生，可能是：①数据尚未更新 ②您询问的是其他日期 ③您询问的是盘中异动（本技能仅支持日度分析）"

限制与规范

⚠️ API 调用策略

详见：references/mcp-tools-reference.md 中的"上下文保护与可执行性原则"章节。

本技能中的关键约束：

• 估值面为条件执行（检查剩余上下文）
• T+0 场景优先保证基础归因完整性
• 单一 API 返回>500 行时提示用户

数据溯源规则

⚠️ 报告中涉及到 gildata API 时，data source 需精确到 具体的 API，同时 data provider 统一写为 恒生聚源 MCP。

角标使用规范（⚠️ 严格遵循）

注意事项

1. 用户命题验证：命题为"假"时直接终止，避免无效分析
2. 归因谨慎：无明确证据时标注"原因不明"，不强行归因
3. 透明披露：明确标注数据限制导致的不确定性
4. 免责声明：固定文本，必须完整包含，不可修改