name: stock-analysis description: > A股/港股股票全面分析技能。當用戶需要對A股（滬深京）或港股進行全方位分析時使用本技能， 包括：公司業務概況(5大模組)、行業格局與市場地位、即時行情、K線走勢形態識別（W底/頭肩底/圓弧底等看漲看跌形態）、 量價關係分析、財務報表（三大報表）、資金流向、技術指標（MACD/KDJ/均線/綜合評分）、 籌碼分佈、機構評級與研報、一致預期、風險事件（質押/解禁/ST/訴訟等）、股東結構、 分紅除權、業績預告、最新驅動事件分析。HTML報告含Chart.js圖表（帶數值標註）及結構化分析報告。 支援技術面綜合評分及操作建議。 觸發詞：分析股票、分析XX公司、給我分析、全面分析、深度研究、看看XX股、XX值不值得買 agent_created: true

股票全面分析技能

技能概述

本技能利用 neodata-financial-search 和 westock-data 兩大數據源， 為A股（滬深京三市）和港股提供全方位的股票分析能力。 分析結果以結構化報告形式呈現，包含基本面、技術面、資金面、風險面、驅動事件五大維度。

資料來源說明

• neodata-financial-search：用於自然語言查詢，適合行情概覽、財報摘要、板塊分析、宏觀背景
• westock-data：用於結構化精確資料，適合技術指標、籌碼、股東、ETF、龍虎榜等

股票程式碼格式

若使用者只提供公司名，先用 westock-data search <公司名> 確認程式碼。

分析流程

第一步：確認標的身份

westock-data search <公司名或股票程式碼>

核對：公司全稱、上市市場、股票程式碼、是否存在同名公司。確認唯一性後再分析。

第二步：獲取基礎行情與公司詳情

westock-data quote <程式碼>          # 即時行情：價格、漲跌幅、成交量、市值
westock-data profile <程式碼>        # 公司簡況：主營業務、行業、成立日期、員工數

同時使用 neodata-financial-search 獲取業務詳情：

"XX公司業務概況、市場地位、競爭優勢、XX行業格局和競爭地位分析" "XX公司最新季度經營情況、核心財務資料和業務亮點"

也可使用 neodata-financial-search 用自然語言詢問：

"XX股票今日行情是多少？" "XX公司主營業務是什麼？"

第三步：財務基本面分析

westock-data finance <程式碼> --num 12   # 最近12期財務報表（確保包含最新已披露季度）
westock-data reserve <程式碼>            # 業績預告
westock-data dividend <程式碼>           # 分紅除權歷史

⚠️ 必須包含最新季度資料：westock-data finance 的 --num 引數需設為12（而非8），以確保返回的資料包含最新已披露的季度財報。如果API返回的資料未包含最新季度（例如最新Q1已披露但API尚未更新），必須通過 WebSearch 補充查詢最新季度業績資料（搜尋關鍵詞：<公司名> <程式碼> 最新季報 YYYYQ1/Q2/Q3/Q4 業績 營收 淨利潤），並將補充資料整合到報告的所有相關表格和分析中。報告中的"近N個季度經營情況"表格、盈利能力表格、財務健康度表格、成長性分析、綜合評價等所有涉及季度資料的部分，都必須包含最新已披露季度的資料，不能遺漏。

重點關注指標： - 盈利能力：營收增速、淨利潤增速、毛利率、淨利率、ROE - 負債結構：資產負債率、流動比率、有息負債 - 現金質量：經營活動現金流 vs 淨利潤 - 成長性：近三年營收/淨利潤複合增長率（CAGR）

基本面圖表（在本節生成並展示）

以下兩張圖表屬於基本面範疇，必須在"三、基本面分析"報告段落中內嵌展示：

1. 營收與淨利潤雙軸圖 — 柱狀圖（營收）+ 折線（淨利潤），雙Y軸。展示近9個財報期趨勢（必須包含最新已披露季度），直觀反映營收規模變化與利潤波動。營收柱用紅色、淨利潤線用綠色。資料標籤需標註每個節點的具體數值。

2. 毛利率淨利率趨勢圖 — 兩條折線（毛利率橙色、淨利率紅色），展示近9期（必須包含最新已披露季度）盈利能力變化。Y軸為百分比，含填充漸變區域增強可讀性。用於判斷公司盈利質量是改善還是惡化。

這兩張圖由 gen_charts.py 統一生成（與價格走勢圖一起），但在報告中分別嵌入到基本面分析和技術面分析各自的段落中。

第四步：技術面分析

4.1 資料獲取

westock-data kline <程式碼> --period day --limit 60     # 近60日K線（形態識別主力資料）
westock-data kline <程式碼> --period week --limit 52    # 近52周K線（大級別趨勢）
westock-data technical <程式碼> --group macd            # MACD指標
westock-data technical <程式碼> --group kdj             # KDJ指標
westock-data technical <程式碼> --group ma              # 均線系統
westock-data chip <程式碼>                               # 籌碼分佈（僅A股）

4.2 技術面圖表（在本節生成並展示）

以下圖表屬於技術面範疇，必須在"四、技術面分析"報告段落中內嵌展示：

1. 60日價格走勢+成交量圖 — 成交量柱狀（漲紅跌綠）+ 收盤價折線，雙Y軸。用於直觀展示近60個交易日價格與成交量的配合關係，輔助判斷量價訊號和趨勢方向。

這張圖由 gen_charts.py 統一生成（與基本面兩張圖一起），但在報告中嵌入到技術面分析段落中。

4.3 K線形態識別

基於近60日K線資料，逐項檢查以下常見看漲形態及看跌形態：

看漲形態（出現任一項即為積極訊號）：

看跌形態（出現任一項即為警示訊號）：

形態判定原則： - 取近60個交易日K線，先識別整體趨勢（上升/下降/震盪） - 在趨勢基礎上尋找上述形態 - 若日K線資料不足以判斷，輔以周K線確認 - 輸出時標註形態名稱、識別位置（日期區間）及置信度（高/中/低）

4.4 量價關係分析

基於K線資料的每日成交量和漲跌幅，判斷以下量價訊號：

健康訊號：

警示訊號：

量價關係判定流程： 1. 計算近20日量價相關係數 2. 識別關鍵量價事件（放量突破、縮量回踩等） 3. 對照籌碼分佈判斷量能在哪個區間（上方套牢/下方獲利）

4.5 技術指標綜合判斷

整合MACD、KDJ、均線系統的訊號：

• MACD：金叉/死叉、柱線方向、背離情況
• KDJ：超買區（>80）/超賣區（<20）、金叉/死叉
• 均線：多頭排列（短期>中期>長期）/空頭排列、金叉/死叉
• 籌碼：集中度、獲利比例、上方套牢盤壓力

4.6 綜合技術面評分與建議

將上述分析結果彙總，採用積分制評估：

加分項（看漲訊號）： | 專案 | 分值 | |------|------| | 出現明確的看漲K線形態（任一） | +3 | | 無看跌K線形態 | +2 | | 量價關係健康訊號 ≥2個且無警示訊號 | +3 | | MACD金叉或底背離 | +2 | | KDJ金叉且未超買（<70） | +1 | | 均線多頭排列 | +2 | | 籌碼獲利比例 >60% | +1 |

減分項（看跌訊號）： | 專案 | 分值 | |------|------| | 出現明確的看跌K線形態（任一） | -4 | | 量價關係警示訊號 ≥2個 | -3 | | MACD死叉或頂背離 | -2 | | KDJ死叉或超買（>85） | -2 | | 均線空頭排列 | -2 | | 籌碼上方密集套牢盤 | -2 |

最終建議（總分範圍 -15 ~ +14）：

重要說明： 技術面評分僅基於圖表訊號，不構成投資建議。必須結合基本面（盈利能力、估值）和資金面（主力動向）做最終判斷。

第五步：資金面分析

A股資金流向：

westock-data asfund <程式碼>    # 主力、超大單、大單、中單、散戶資金流向
westock-data lhb <程式碼>       # 龍虎榜（僅有龍虎榜資料時）
westock-data blocktrade <程式碼> # 大宗交易
westock-data margintrade <程式碼> # 融資融券餘額

港股資金流向：

westock-data hkfund <程式碼>    # 港股通資金流向

第六步：機構觀點與一致預期

使用 neodata-financial-search 查詢：

"XX公司最新研報和機構評級是什麼？" "券商對XX公司的目標價和一致預期EPS是多少？"

或使用 westock-data（若支援）：

westock-data shareholder <程式碼>   # 前十大股東（含機構持倉變化）

關注： - 主流券商評級（買入/增持/中性/減持/賣出） - 目標價區間 - 一致預期淨利潤與市場給出的PE估值

第七步：風險事件排查

westock-data quote <程式碼>    # 檢視是否ST/PT/退市警示

使用 neodata-financial-search 查詢：

"XX公司有哪些風險事件？質押、解禁、訴訟情況如何？" "XX公司近期有沒有增發或重大資產重組公告？"

風險清單： - 大股東股權質押比例（>50%警惕） - 限售股解禁計劃（近3-6個月） - ST/退市風險提示 - 重大訴訟/監管處罰 - 商譽減值風險 - 行業政策風險

第八步：最新驅動事件分析

本步驟收集近期（近1-3個月）可能影響股價的重大事件和催化劑，在綜合評價前為讀者提供最新的動態背景。

8.1 資料獲取

使用 neodata-financial-search 查詢：

"XX公司最近3個月有哪些重大新聞和公告？" "XX公司最近有什麼利好訊息或利空事件？" "XX行業最近有什麼政策變化或市場催化事件？"

當 neodata 返回不足時，使用 WebSearch 補充：

搜尋關鍵詞示例：<公司名> 最新 公告 2025、<公司名> 重大 事件、<行業名> 政策 最新

8.2 驅動事件分類

按以下維度整理近期事件，每條標註日期和影響方向（利好/利空/中性）：

8.3 事件影響評估

對每條驅動事件評估： - 影響級別：重大/中等/輕微 - 持續性：一次性衝擊 / 短期影響（1-4周）/ 中長期影響（1月以上） - 市場反應：是否已PRICE IN（股價已反映）/ 正在消化 / 尚未反映

8.4 輸出格式

以時間線形式呈現，最近事件排最前：

| 日期 | 事件 | 類別 | 影響方向 | 影響級別 | 持續性 |
|------|------|------|----------|----------|--------|
| 2025-05-20 | XX新品全球釋出 | 產品/業務 | 🟢 利好 | 重大 | 中長期 |
| 2025-05-10 | Q1財報超預期 | 業績/經營 | 🟢 利好 | 重大 | 已PRICE IN |
| 2025-04-15 | 大股東小幅減持 | 資本運作 | 🔴 利空 | 輕微 | 一次性 |

時間線後加一段"驅動事件小結"，概括近期的核心催化劑和潛在壓力。

小蔥技能有更好的技能skills外掛。

分析報告結構

完成資料採集後，按以下結構生成分析報告：

## 📊 XX公司（程式碼）股票分析報告
**分析日期：** YYYY-MM-DD
**市場：** A股/港股

### 一、公司概況（擴充套件版）

必須包含以下5個子節，不能縮水為簡單介紹：

#### 1.1 業務概況
- 公司成立時間、上市時間、總部所在地、主營業務板塊劃分
- 各業務板塊用營收卡片呈現（如：半導體矽片 X億 佔比X%、功率器件 X億、射頻晶片 X億）
- 每項業務的產品型別、下游應用領域、最新季度增速

#### 1.2 所處行業情況
- 公司所處行業在產業鏈中的定位（上游/中游/下游）
- 全球/國內市場規模與競爭格局（市場集中度、主要玩家市佔率）
- 行業當前週期位置（上行/下行/底部/拐點）及驅動因素

#### 1.3 市場地位
- 公司在行業中的排名與定位（第一梯隊/第二梯隊等）
- 與同行（2-3家可比公司）的核心差異和競爭優勢
- 細分領域中的獨特標籤（如"唯一實現XX的企業"、"XX領域核心玩家"）
- **同行對比表**：必須拉取行業排名前5公司的關鍵資料並生成對比表，包含以下欄位：
  - 排名、公司名、程式碼、市值（億元）、2025全年營收（億元）、2025全年淨利潤（億元）、毛利率、PE(TTM)、PB、年內漲跌幅、核心定位
  - 對分析標的所在行用醒目的背景色高亮標註
  - 對比表下方補充關鍵指標的文字總結卡片（如"vs同行毛利率"、"vs同行營收規模"）
- **同行對比圖**：使用Chart.js生成柱狀+折線雙軸圖，對比各公司的營收（柱狀）和市值（折線），資料標籤需標註數值。如存在嚴重離群值（如TCL中環營收290億遠超同行），截斷Y軸並標註"超軸"文字和鋸齒線提示

#### 1.4 近N個季度經營情況討論與分析
- 以表格呈現最近4-5個季度（**必須包含最新已披露季度**，不能遺漏）的營收、淨利潤、毛利率
- 每個季度的經營要點（營收變化驅動因素、利潤波動原因、產能/出貨量變化）
- 特別標註最新季度的亮點或隱憂（扭虧/放量/減值/季節性等）
- 若最新季度出現重大變化（如扭虧為盈、毛利率顯著提升/下降），用醒目的樣式（如綠色高亮框）突出展示

#### 1.5 核心競爭力分析
- 列出3-5條核心競爭力，每條需包含：
  - 競爭力方向（技術/規模/客戶/成本/協同等）
  - 具體資料佐證（產能、市佔率、增速、客戶數量等）
  - 可持續性評估（護城河深度、被複制的難度）

### 二、行情概覽
- 當前價格、漲跌幅、52周高低點、市值、PE/PB估值

### 三、基本面分析
#### 圖表1：營收與淨利潤雙軸圖（柱狀營收+折線淨利潤，近9期，必須含最新季度）
#### 圖表2：毛利率淨利率趨勢圖（雙摺線，近9期，必須含最新季度）
#### 盈利能力
#### 成長性
#### 財務健康度

### 四、技術面分析
#### 4.1 趨勢與均線
- 整體趨勢方向（多頭/空頭/震盪）、均線排列狀態
#### 圖表3：60日價格走勢+成交量圖（成交量柱狀+價格折線，近60日）
#### 4.2 K線形態識別
- 是否出現看漲形態（W底、頭肩底、圓弧底等）
- 是否出現看跌形態（M頭、頭肩頂等）
- 形態名稱、識別區間、置信度
#### 4.3 量價關係
- 近20日量價配合情況
- 健康訊號與警示訊號列表
- 量價相關性與關鍵量價事件
#### 4.4 技術指標
- MACD、KDJ訊號彙總
- 金叉/死叉/背離情況
#### 4.5 籌碼分佈（A股）
- 獲利比例、籌碼集中度、上方壓力情況
#### 4.6 綜合技術面評分與建議
- 加分/減分明細表
- 總分與技術面結論
- 操作建議（介入/觀望/迴避）

### 五、資金面分析
- 主力動向、龍虎榜（如有）、融資情況

### 六、機構觀點
- 評級、目標價、一致預期

### 七、風險提示
- 列舉主要風險因素

### 八、最新驅動事件
- 事件時間線表格（日期、事件、類別、影響方向、影響級別、持續性）
- 驅動事件小結（近期核心催化劑與潛在壓力）

### 九、綜合評價
- 投資邏輯摘要（不構成投資建議）

HTML 報告中的圖表要求

在生成 HTML 報告時，必須包含以下3張圖表並嵌入到對應的報告段落中。推薦使用 Python matplotlib 生成 PNG 圖片並以 base64 嵌入 HTML，這是唯一在所有環境下（包括 file:// 協議）都能可靠顯示的方案。

圖表歸屬（重要）：

方案：matplotlib base64 內嵌（首選，零外部依賴）

# 步驟：先寫 gen_charts.py 指令碼，用 matplotlib 生成三張圖
# 暗色主題：BG='#11131a', FG='#d0d4e0', RED='#ef5350', GREEN='#66bb6a'
# 中文字型：FontProperties(fname='/c/Windows/Fonts/msyh.ttc')
# 三張圖：營收淨利潤雙軸、毛利率淨利率趨勢、60日價格走勢+成交量
# 輸出到 chart_data.json（三個 base64 字串）

# 然後寫 build_report.py 指令碼：
# 1. 讀取 chart_data.json
# 2. 替換 HTML 中對應段落的佔位符為 <img src="data:image/png;base64,...">
#    - 圖1、圖2 嵌入「三、基本面分析」段落
#    - 圖3 嵌入「四、技術面分析」段落
# 3. 刪除所有 Chart.js CDN 引用和指令碼塊

圖表內容要求： 1. 營收與淨利潤雙軸圖 — 柱狀圖（營收，紅色）+ 折線（淨利潤，綠色），雙Y軸 2. 毛利率淨利率趨勢圖 — 兩條折線（毛利率橙色、淨利率紅色），含填充漸變 3. 60日價格走勢+成交量圖 — 成交量柱狀（漲紅跌綠）+ 價格折線，雙Y軸

備選方案：Chart.js + 本地 HTTP 伺服器

如果不使用 matplotlib，也可以用 Chart.js，但必須啟動本地 HTTP 伺服器，因為 file:// 協議會阻止 CDN 載入：

python -m http.server 8899 --directory "<報告目錄>" &
preview_url: http://localhost:8899/<URL編碼檔名>

❌ 絕對禁止：直接使用 file:// 路徑呼叫 preview_url 開啟含 CDN 引用的 HTML。瀏覽器安全策略會阻止外部 JS 載入，圖表永遠白板。

1. 資料標籤樣式（matplotlib 生成時）：
2. 數值標註在資料點上方，顏色與對應曲線一致
3. 字型大小 9-10px，加粗

4. 負值/正值用不同顏色區分

5. 圖表樣式要求（matplotlib rcParams）：

6. 深色背景 #11131a，網格線 #1e2130
7. 中文字型：Microsoft YaHei（/c/Windows/Fonts/msyh.ttc）
8. 設定 axes.unicode_minus: False 避免負號顯示異常
9. 輸出 DPI: 120，格式: PNG，以 base64 嵌入 HTML

注意事項

1. 港股貨幣單位：港股行情必須標註港元（HKD），禁止使用人民幣符號
2. 投資免責宣告：分析報告末尾必須註明"以上內容僅供參考，不構成投資建議，投資有風險，入市需謹慎"
3. 資料時效：標註資料獲取時間，提醒使用者部分資料可能有延遲
4. 同名公司：若搜尋結果存在多家同名公司，先確認使用者意圖再分析
5. A股 vs 港股雙重上市：如騰訊控股僅在港股上市，貴州茅臺僅在A股，阿里巴巴兩地均上市，需核對標的

錯誤處理

• 若 neodata 返回無資料，切換至 westock-data 同類命令
• 若 westock-data 報錯，使用 WebSearch 查詢公開財報和公告
• 若股票程式碼不確定，先執行 westock-data search 搜尋確認

這個Skill質量較好，文件內容非常全面系統，覆蓋了股票分析的各個維度，技術分析方法論講解詳細，對K線形態、量價關係等給出了具體可操作的評分標準。圖表方案設計考慮了相容性。不足之處在於文件描述的分析框架比較完美，但配套的輔助指令碼功能相對基礎，沒有實現完整的圖表生成和HTML報告構建能力，與文件描述的詳細流程存在一定差距。