前言¶

在 DSH（DeepSeek Harness）里让 agent 分析一只股票，通常只能得到一段定性描述；想知道「未来 N 天上涨概率有多大、当前趋势处于什么状态、持仓风险有多高」，要么自己另开量化脚本，要么切回行情软件手动盯指标。

dsh-bayes-predict 把这件事做成了 DSH 插件：以贝叶斯定理为核心，把多个技术指标融合成对「未来 N 日上涨」的后验概率估计，并在对话和浏览器面板两个入口直接输出结果。下面介绍它的定位、核心功能与安装用法。

这是什么¶

dsh-bayes-predict 是一个基于贝叶斯定理的 DSH 个股预测插件，覆盖 A 股和美股，提供三类输出：多指标信号融合的上涨概率估计、趋势状态识别与持仓风险度量。维护者为 pg527322814，许可证 MIT。

需要先说明平台依赖：插件依赖 dsh 宿主环境（dsh web、cordis 插件系统、window.__ModuleLoader__ 等），该平台未随仓库公开，单独克隆仓库无法直接运行，代码供学习、参考与移植。

核心功能¶

多指标信号融合评分¶

评分以「未来 N 日上涨」为假设 H，流程如下：

1. 先验取加权历史胜率，并向 0.5 收缩（shrunk）；
2. 以 MACD 金叉、RSI、均线排列、布林带位置、量能、动量、近 5 日走势等信号作为证据；
3. 每个信号计算双向经验似然比（看多信号用 LR_bull、看空信号用 LR_bear），做时间衰减加权与样本收缩；
4. 通过 odds 乘法做贝叶斯更新，输出后验上涨概率（含 95% 置信区间）与 0-100 评分、评级。

为了降低单股样本不足带来的偏差，插件启用了分层先验：启动时加载 market-prior.json 的全市场通用 LR 表，单股 LR 与之混合，权重为 w = n/(n+80)。

多窗口对比与趋势状态识别¶

• 多窗口对比：同时输出 2/5/10/20 日的后验概率对比表；
• 趋势状态：按贝叶斯 t 检验风格做三状态分类，输出 P(上涨)、P(下跌)、P(震荡)，阈值 δ = max(0.5·SE, 年化 5% 经济当量)，避免大样本下把微小趋势误判为明确方向。

持仓风险估计与信号归因¶

• 波动率用 EWMA（RiskMetrics λ=0.94）；
• VaR/CVaR 以经验分位数为主输出，正态估计作为对照，另附历史最大回撤；
• 信号归因输出贡献绝对值 Top3 的信号，解释「为什么看多/看空」。

Host 端与浏览器端¶

插件是 dual-face 结构，两端都有入口：

• Host 端：注册 bayes_stock_predict 全局工具，附带 GET /bayes-predict/analyze 路由，可生成 markdown 报告；
• 浏览器端：React 可视化面板，挂在侧边栏「📊 贝叶斯股票分析」入口，仪表盘和走势图均为 SVG 自绘。

行情获取与数据防护¶

数据源免费、无需 key：

1. 代码归一化：600519、sh600519、000001、AAPL 等写法都能识别；
2. A 股日 K 用腾讯 fqkline 后复权 hfq（最多约 700 根，主/备用域名自动切换，东财后复权兜底）；美股日 K 用新浪全历史；
3. 实时快照：A 股用腾讯，美股用腾讯 us 前缀；
4. 内存 TTL 缓存 30 分钟。

针对腾讯后复权数据的基准滚动问题，fetchKlines 内置了断层防护：hfq 最后一天 |单日涨跌| > 8% 时，会拉不复权序列核对，判定为复权断层则丢弃最后一天，宁缺毋滥。

注意数据口径：评分与单股分析均使用后复权（hfq），收益序列含分红再投资、信号干净，但价格不是真实股价；如需真实股价口径要改用不复权。

安装与启用¶

安装没有 dsh plugin add 形式的命令，需要手动拷贝插件包并修改配置，共三步。

1、把插件包拷贝至 %USERPROFILE%\.dsh\profiles\web\node_modules\dsh-bayes-predict（目录不存在时先创建；profile 的 baseUrl 锚定在 profiles\web，node 解析会向上逐级查找 node_modules）。

2、在 %USERPROFILE%\.dsh\profiles\web\cordis.patch.yml 追加：

- insert:
    - id: bayes-predict
      name: 'dsh-bayes-predict'

3、重启 dsh web。插件集变更需重启生效；client bundle 的 HMR 仅在 pnpm run dev:web 重建时可用。

如果要自己改客户端代码，注意一个契约：lib/client.js 的 factory 必须导出 inject 数组（如 exports.inject = ["slots"]），缺失时 apply(ctx) 里访问 ctx.slots 会直接抛 cannot get property "slots" without inject。

项目零第三方依赖，要求 Node 18+；npm test 会运行 test/smoke.mjs（贝叶斯核心 + 合成 K 线端到端）与 test/normalize.test.mjs（代码归一化单测）。

典型用法¶

对话方式（重启后开新会话，让 agent 看到新工具）：

分析一下 600519
用贝叶斯方法评估一下 300750 未来 5 天的上涨概率

可视化面板方式：点击侧边栏底部「📊 贝叶斯股票分析」快捷按钮，弹出居中面板后输入代码，点「贝叶斯分析」。

适用场景与注意事项¶

适合两类人：一是在用 dsh web、希望让 agent 直接给出结构化概率结论和风险度量的开发者；二是想参考「双向 LR 四格表 + 时间衰减 + 分层先验」这套贝叶斯实现的人，代码结构清晰（bayes.js 核心计算、market.js 行情、client.js 面板），便于移植。

使用前有几点必须知道：

1. 插件以当前 dsh 进程的权限运行，且需要手动放进 node_modules 并修改 cordis.patch.yml，安装前建议先检查源码与许可证（本项目为 MIT）；
2. 所有输出由贝叶斯统计模型基于历史行情生成，仅供参考，不构成投资建议；
3. 卸载需三步：删除 cordis.patch.yml 中 bayes-predict 的 insert 行、删除 node_modules\dsh-bayes-predict、重启 dsh web。

结语¶

dsh-bayes-predict 的价值在于把一套完整的贝叶斯评分流程（信号 → 似然比 → 后验概率 → 风险度量）封装成 DSH 插件，让「上涨概率」这类量化结论可以直接在对话和面板里拿到，且不依赖任何付费数据源。

• GitHub：https://github.com/pg527322814/dsh-bayes-predict
• 插件目录页：https://www.skillhub.cn/plugins/pg527322814/dsh-bayes-predict