股票/基金/期貨量化分析工具:全資產量化與多源投研 Skill

前言

在對話裏做行情查詢、板塊輪動或組合風險體檢時,常見做法是手寫腳本拉數據,或把網頁結果複製給模型。數據口徑不一、缺少校驗時,結論容易飄。下面介紹 SkillHub 上的社區 Skill @user_9d5a2a39/aistockresearcher:把多市場行情、量化統計、AI 解讀模板和可選 MCP 橋接收進一套 Agent 能力,核心邏輯強調純 Python 標準庫、免費數據源與可覈對的數據管線。

這是什麼

定位:全球智能投研工具(Skill 包內文檔版本爲 v11.0),面向股票、基金、期貨、指數等全資產量化分析,覆蓋 12 個全球市場。

座標與來源:SkillHub 社區發佈,座標 @user_9d5a2a39/aistockresearcher,分類 data-analysis,標籤 requires_api_key=false(Skill 本身不強制 API Key)。Skill 包版本 1.0.45;頁面統計爲評分 100000、下載 118464(以 SkillHub 展示爲準)。

維護方:發佈者 user_9d5a2a39 在 SkillHub 上的社區 Skill;官方入口見文末鏈接。

解決的問題:在 Agent 對話中完成「拉真實行情 → 多源校驗 → 量化/體制/預測 → 結構化解讀」,並可選對接外部 MCP(如金融六日)與知識庫類筆記系統(v9.8 適配器能力,觸發詞覆蓋 Obsidian、語雀等)。

核心功能

以下能力均來自 SkillHub 頁面與已抓取說明,按版本脈絡歸納。

v11.0:多源數據與 AI 模板

數據層(data_multi_source.py) 新增四類適配器,均標註爲免費無 Key:

  • SinaFinanceAdapter:新浪,A 股/港股/美股實時行情與 K 線
  • XueqiuAdapter:雪球,A 股行情與情緒
  • FuturesExchangeAdapter:上期所/大商所/鄭商所,期貨快照、歷史 K 線、夜盤
  • TonghuashunAdapter:同花順,A 股行情與資金流
  • ExternalMCPAdapter:外部 MCP 佔位,經 stdio 橋接

數據分類擴展 FUTURES_HISTORY、MONEY_FLOW、SENTIMENT;支持 ETag/If-Modified-Since 緩存與時效分級(realtime / delayed_15m / closing / estimated / stale);cross_validate 多源交叉驗證(字段中位數融合與偏差容忍);detect_anomaly 採用 3σ + IQR 二階段異常檢測;query_with_validation 提供查詢、驗證與置信度的一站式出口。

AI 解讀(ai_analysis_engine.py) 由 7 個模板擴至 11 個:新增期貨、資金流、指數預測、組合診斷;並強化市場體制、宏觀展望、風險報告、板塊輪動等模板(頁面列有持倉/基差/龍虎榜、北向與 ETF 流向、PE 分位、流動性風險等子能力)。

預測(prediction_v1100.py):predict_multi_horizon 支持 1d/5d/1M/3M/6M 多週期;股票、基金、期貨、指數通用;calibrate_probability 爲歷史概率五桶校準。

MCP(mcp_server.py) 工具由 14 個增至 20 個,含 ai_analyze_futures、ai_analyze_money_flow、ai_analyze_index_forecast、ai_analyze_portfolio、get_futures_quote(含夜盤)、predict_multi_horizon 等。

外部 MCP 橋接(mcp_external_bridge.py):ExternalMCPSession(subprocess + JSON-RPC)、ExternalMCPBridge 單例;通過環境變量配置外部進程,見下文安裝一節。

頁面寫明 v11.0 零新增依賴;測試側爲 5 個新測試文件、約 110 條新用例,全量 845 條測試。

已疊加的歷史能力(頁面摘要)

  • v10.0:AI 解讀與多源 MCP 橋接
  • v9.8:知識庫 12 適配器(IMA、Dify、Obsidian、RAGFlow 等,見觸發詞)
  • v9.5:大佬圓桌(六位大師策略共識;觸發詞含索羅斯、費雪、達利歐、馬克斯、神奇公式、利弗莫爾、反身性等)

更早版本在 Skill 內還包含板塊 RPS、市場體制、形態匹配預測、advanced_stats 高級統計等能力;對話側可通過觸發詞喚起,例如相對強度、市場體制、回撤剖析、Kelly 倉位、JB 檢驗、形態匹配、淨值預測等。觸發詞列表亦包含 語音交互,用於口語化查詢與分析請求(與零依賴核心同屬 Skill 能力集,具體入口由 Agent 按 SKILL 指令調度)。

數據源

頁面列出的來源:騰訊、東方財富、akshare(可選)、新浪、雪球、同花順、yfinance,均標註免費無 Key。多源並存時,v11.0 的校驗與異常檢測用於降低單源偏差風險。

安裝與啓用

SkillHub 給出的安裝方式是讓 AI 按統一安裝說明拉取座標,而不是 git clone 倉庫。

在 Cursor、Codex CLI、Claude Code 等支持 SkillHub 的客戶端中,可將下面提示交給 Agent 執行(頁面原文表述):

請根據 https://skillhub.cn/install/skillhub.md,安裝 `@user_9d5a2a39/aistockresearcher`。

安裝完成後,Skill 會出現在 Agent 的 Skills 列表中;requires_api_key=false 表示不強制爲 Skill 本身配置 Key(若使用外部 LLM 或第三方 MCP,仍按各自產品要求配置)。

可選:外部 MCP 橋接(金融六日等),在運行環境中設置:

export STOCK_RESEARCHER_EXTERNAL_MCP_COMMAND="你的外部 MCP 啓動命令"
export STOCK_RESEARCHER_EXTERNAL_MCP_NAME="顯示名稱"
# 另有 STOCK_RESEARCHER_EXTERNAL_MCP_ENV_* 形式的環境變量用於子進程環境

未配置時,ExternalMCPAdapter 爲佔位邏輯,不影響本地多源數據與內置 MCP 工具。

典型用法

Skill 通過自然語言與觸發詞工作;下列用法與頁面能力對應,可在對話中直接描述意圖。

1、行情與多源校驗

說明標的與市場(A 股/港股/美股/期貨等),要求使用多源數據或 query_with_validation。Agent 會走適配器鏈路與交叉驗證,並返回置信度相關字段。

2、AI 深度解讀

按場景選用模板,例如:

  • 「用資金流模板看北向和 ETF 申贖」
  • 「期貨分析:持倉、基差、龍虎榜、展期收益」
  • 「指數預測:PE 分位、RS 評分、多週期方向」
  • 「組合診斷:業績歸因、再平衡、風格漂移」

對應 MCP 側爲 ai_analyze_money_flow、ai_analyze_futures 等工具名(在已啓用 MCP 的客戶端中由 Skill 暴露)。

3、多週期預測

請求 predict_multi_horizon, horizons 覆蓋 1d、5d、1M、3M、6M;資產類型可爲股票、基金、期貨或指數,並可在對話中要求概率校準(calibrate_probability)。

4、大佬圓桌與量化體檢

觸發詞包含「大佬、圓桌、大師共識」時可請求 v9.5 圓桌共識;「高級統計、回撤剖析、滾動夏普、跟蹤誤差、信息比率」等對應 advanced_stats 一類能力。具體參數由 SKILL 內腳本約定,對話中寫清標的與區間即可。

5、語音交互

在支持語音輸入的客戶端中,用口語描述標的與分析類型(如「語音查詢」「語音預測」類意圖);Skill 觸發詞含「語音交互」,由 Agent 解析後走同一套量化管線。

6、知識庫與存檔

觸發詞含 Obsidian、語雀、Notion、飛書等時,可請求將分析結果同步或回讀(v9.8 知識庫適配器)。

適用場景與注意

適合誰

  • 需要在 IDE/CLI 裏做投研草稿、風險與體制判斷,又不想每次從零寫數據腳本的開發者或量化愛好者
  • 希望多源免費數據、帶校驗與異常檢測,再交給 LLM 做結構化解讀的團隊
  • 已使用 MCP 生態,想把期貨、資金流、組合等能力接到統一工具面的用戶

限制與注意

  • 頁面數據爲公開市場源,時效分級中有 delayed_15m、estimated、stale 等狀態,實盤決策須自行覈對交易所時間戳與合規要求
  • 預測與 AI 解讀輸出是研究輔助,不是投資建議;概率校準與體制判斷仍依賴歷史樣本長度
  • 外部 MCP 依賴本機 subprocess 與 JSON-RPC,命令與環境變量需自行審計安全性
  • Skill 包版本(1.0.45)與內嵌工具文檔版本(v11.0)是兩套編號,以 SkillHub 更新說明爲準

結尾

@user_9d5a2a39/aistockresearcher 把多市場數據、量化統計、多週期預測、AI 模板與可選 MCP 橋接收成一套對話側投研 Skill:零依賴核心、多源校驗與 845 條測試是其實用性上的硬指標;v9.5 大佬圓桌與語音、知識庫等觸發詞則覆蓋從共識觀點到存檔回讀的完整鏈路。

  • SkillHub 頁面:https://www.skillhub.cn/skills/user_9d5a2a39/aistockresearcher
  • API/座標入口:https://api.skillhub.cn/user_9d5a2a39/aistockresearcher
  • 安裝說明:https://skillhub.cn/install/skillhub.md
羽毛球分组比赛记分
小程序二维码

欢迎使用《羽毛球分组比赛记分》微信小程序

小夜