name: stock-volume-12step-analysis version: 5.1.1 description: 專注股票量能分析，生產級專業技能。基於五維量能評分、四層決策架構的12步SOP的個股深度量能分析系統，輸出標準的視覺化的積木式HTML報告。支援個股、兩股比較、組合分析三種模式。可對持倉每天定期自動化執行。具備線上+離線分層資料來源，離線兜底自動保鮮。 author: 積木 (JackW) triggers: - 量能分析 - 個股深度分析 - 看一下量能情況 - 分析某個股票的量能情況 - 量能視覺化分析 - 12步量能法 agent_created: true updated: 2026-08-09 allowed-tools: Read,Write,Edit,Grep,Glob,Bash,Skill tags: - stock-analysis - volume-analysis category: 投資分析 license: MIT homepage: "" disable: false

個股 12 步量能深度分析 (專業版)

📌 版本說明：技能後設資料版本為 5.1.1（skillhub 展示用，遵循 semver 規範）；報告頁尾/圖表標題內顯示的 V5.1.1 與之等價，均為同一版本。所有版本號由 theme.py 的 SKILL_VERSION 單一信源注入，避免前後不一致。

🚀 30 秒上手

只需三步，立刻得到一份可分享的量能分析報告：

pip install pandas numpy plotly pyyaml     # 1) 裝依賴（僅 4 個包）
python cli.py 600036                       # 2) 分析招商銀行（零配置，離線兜底）
# 3) 開啟 output/reports/600036_SH_analysis.html 檢視完整積木式報告

• 不想讀長文？直接看報告頂部的「決策速覽卡」，一屏給結論。
• 完整使用方式、程式碼示例、三種模式說明見下方「使用方式與觸發示例」。

📚 文件導航

技能概述

基於環境自適應資料來源的個股深度決策支援系統

專注股票量能分析，生產級的專業技能。以五維量能評分為第一閘門，通過四層架構、12 步 SOP生成完整的個股投資決策報告。輸出統一積木式 HTML 報告檔案。支援 A 股/港股市場。支援個股、兩股比較、組合分析三種模式。可自動化每天監控股票的量能情況。

核心理念： - 🔑 量能第一原則：量能評分<40 分不再硬終止，自動觸發「靜默市場深度分析」、測吸籌/派發模式 - 🎯 機率思維貫穿：所有結論基於三情景推演，禁止單一目標價預測 - ✅ 交叉驗證體系：四層架構相互驗證，置信度動態調整 - 📊 視覺化驅動：內建 5 張 Plotly 專業互動式圖表 + 1 個綜合儀表盤 - 🏭 行業適配：銀行/紅利/龍頭製造業差異化引數 - 🛡️ 資料韌性：五級漸進降級容錯，資料缺失不中斷分析 - 🧩 積木式報告：統一積木式 HTML 報告，暗色/亮色雙主題、四層架構決策脊、12步積木塊

能力邊界與限制

明確知道什麼能做、什麼做不了，是對工具最基本的尊重。

✅ 擅長分析的場景

⚠️ 受限但仍可分析的場景

❌ 明確不適用的場景

📋 必要輸入

使用方式與觸發示例

觸發詞

量能分析 · 個股深度分析 · 12步量能法 · 股票量能評分 · 量能視覺化分析 · 分析某個股票的量能情況 · 看一下股票的走勢情況

典型使用示例

示例 1：標準個股深度分析 (有資料來源)

使用者：請用12步量能法分析一下招商銀行 600036.SH

系統行為： 1. 自動檢測環境中的資料來源 → 發現通達信MCP + 國泰海通Skill 2. L0 拉取120日K線、即時行情、資金流向、基本面、研報、同業資料 3. 執行完整12步分析，生成 Quick Take 卡片 + 完整報告 + 交易單 4. 生成統一積木式 HTML 報告檔案 (儲存在 output/reports/) 5. 輸出資料完整性評分，標註置信度

7w4.net收錄了海量優質技能外掛。

示例 2：低量能股票 (靜默市場模式)

使用者：分析一下 601288.SH 農業銀行

系統行為 (假設該股當日量能評分=32 < 40)： 1. L1 五維量能評分 → 32分，觸發閘門1 2. 不硬終止，自動切換為「靜默市場深度分析」 3. 輸出：量能體制、吸籌/派發模式檢測、歷史相似量能統計 4. 生成靜默市場報告（~500字）+ 關注觸發條件列表 5. 不生成完整交易單，但提供操作方向建議

示例 3：無線上資料來源時的離線兜底分析

使用者：我想看一下中國神華 601088.SH 的量能情況

系統行為 (假設環境中沒有任何可用的 MCP/Skill 線上資料來源)： 1. 自動發現數據源 → 0 個線上源可用 2. 自動回退到內建離線快照（若 data/offline_snapshot/ 已構建）：拉取真實歷史 K線 + 基本面，跑完整 12 步分析 3. 報告中標註資料來自離線快照的 as_of_date，時效性低於即時，置信度相應調整 4. 若離線快照也未構建 → 觸發資料韌性回退（手動輸入 + 行業均值），輸出有限分析並標註「置信度降低」

💡 離線快照讓"無線上源"不再是分析死角：首次使用時按提示選擇覆蓋範圍構建一次即可長期受益。

程式碼呼叫方式

from analysis_engine import AnalysisEngine, analyze_stock

# 方式A：一行分析
result = analyze_stock('600036.SH', '招商銀行')

# 方式B：自定義引擎 (啟用快取+韌性)
engine = AnalysisEngine(enable_cache=True, enable_resilience=True)
result = engine.analyze('600036.SH', '招商銀行')

# 檢視結果
print(f"量能評分: {result.volume_score:.0f}/100")
print(f"最終評級: {result.final_rating}")
print(f"期望收益: {result.expected_return:+.1f}%")
print(f"盈虧比: {result.reward_risk_ratio:.1f}:1")

# 生成報告
print(engine.generate_quick_take(result))   # Quick Take 卡片
print(engine.generate_full_report(result))  # 完整分析報告
print(engine.generate_trade_plan(result))   # 可執行交易單

# 生成統一積木式 HTML 報告 (自包含 .html 檔案)
html = engine.generate_html(result, mode='single', detail='full')
# → 儲存到 output/reports/{程式碼}_analysis.html

命令列執行 (零配置，推薦)

pip install pandas numpy plotly pyyaml   # 安裝依賴
python cli.py 600036                      # 個股：程式碼（或中文名 招商銀行）
python cli.py 600036 601857              # 兩股比較
python cli.py --portfolio                 # 組合分析（預設用 stock_pool_core.csv）
python cli.py --portfolio stock_pool_example.csv   # 用開箱即用示例池
python cli.py --light 600036             # 淺色主題報告

💡 新手零配置起步：直接 python cli.py --portfolio stock_pool_example.csv。 示例池內建 10 只藍籌——前 4 只（600036 招商銀行 / 601857 中國石油 / 600938 中國海油 / 600061 國投資本）隨包離線快照兜底，無任何線上源也能跑完整 12 步；其餘線上時自動補全、離線時自動跳過。

四層架構

┌─────────────────────────────────────────────────────────────────────┐
│                    個股 12 步深度量能分析 V5.1.1                      │
├─────────────────────────────────────────────────────────────────────┤
│  L0：資料採集層 (前置)                                              │
│  一次性拉取全部所需資料：量價/資金/技術/財務/股東/研報/公告           │
│                          ↓                                        │
│  L1：量能診斷層 (第 1-3 步) ← 第一閘門                              │
│  第 1 步：五維量能評分 + 三維擁擠度懲罰 → 量能評級 (🟢🟡🟠🔴)        │
│  第 2 步：V5 八階段價格結構定位 → 價格階段 + 趨勢方向               │
│  第 3 步：連續量能趨勢分析 → 量能健康度                             │
│  → 閘門 1：量能評分 < 40？→ 觸發靜默市場深度分析                     │
│                          ↓ 通過                                    │
│  L2：多維驗證層 (第 4-8 步)                                          │
│  第 4 步：基本面六維分析 → 基本面評級                               │
│  第 5 步：技術面多重共振 → 共振強度                                 │
│  第 6 步：籌碼與股東結構 + L2 資金流增強 → 資金面評級               │
│  第 7 步：機構觀點聚合 → 情緒評級                                   │
│  第 8 步：多維交叉驗證 → 一致性 + 置信度                            │
│  → 閘門 2：嚴重分歧？→ 標記"低置信度"，降級處理                     │
│                          ↓                                        │
│  L3：決策矩陣層 (第 9-11 步)                                        │
│  第 9 步：四維決策矩陣 → 綜合得分 + 基礎評級                        │
│  第 10 步：催化劑跟蹤 → 評級調整                                    │
│  第 11 步：板塊彈性與組合暴露 → 倉位調整建議                        │
│  → 閘門 3：綜合得分 < 2.0？→ 評級🔴迴避，跳過 L4                    │
│                          ↓                                        │
│  L4：交易執行層 (第 12 步)                                          │
│  第 12 步：風險收益比與三情景分析 → 期望收益 + 盈虧比 + 關鍵價位     │
│  → 閘門 4：盈虧比 < 2:1？→ 標註"賠率不足"                          │
│  → 閘門 5：量能趨勢確認 → 入場時機建議                              │
│  輸出：可執行交易單 (建倉/加倉/止損/止盈/倉位/監控)                 │
│                          ↓                                        │
│  輸出層：Quick Take 卡片 + 完整報告 + 交易單 + 5張圖表 + HTML報告   │
└─────────────────────────────────────────────────────────────────────┘

📖 12 步 SOP 詳細評分標準（每步的維度、權重、閾值、行業適配引數）見 references/12step-sop.md。

行業適配引數總表

30 秒看懂評級

不想讀完整報告？看這 4 個訊號就夠了：

一眼決策： - 🟢 且量能 ≥60 → 重點跟蹤，按交易單執行 - 🟡 且量能 ≥40 → 列入關注，等放量確認 - 🟠 → 觀望，訊號分歧或量能偏弱 - 🔴 或量能 <40 → 迴避，或僅做長線定投視角

更細的逐維打分、圖表與交易單，見每次生成的統一積木式 HTML 報告（頂部「決策速覽卡」一屏給結論）。

輸出格式

Quick Take 卡片 (約 300 字)

# {股票名稱} ({程式碼}) 量能速覽

**評級**: {🟢/🟡/🟠/🔴} {評級描述}
**量能評分**: {原始分} → {調整後}分 (擁擠度懲罰{懲罰分})
**V5 階段**: 階段{X} - {階段名稱}
**基本面**: {🟢/🟡/🟠/🔴} {評級}
**四維得分**: {X.X}/5.0 (量能{X.X}/價格{X.X}/資金{X.X}/情緒{X.X})

**核心訊號**:
- ✅ {最強利好訊號 1}
- ✅ {最強利好訊號 2}
- ⚠️ {主要風險點}

**三情景期望**: 期望收益 {+X.X}%, 盈虧比 {X}:1
**置信度**: {高/中/低}
**操作建議**: {一句話建議}

統一積木式 HTML 報告

必須輸出。 每次分析完成後，使用 generate_html() 生成自包含 HTML 報告，儲存到 output/reports/。

from reports.html_generator import generate_html

# 個股完整報告
html = generate_html(result, mode='single', detail='full',
                     output_path='output/reports/600036_SH_analysis.html')

# 兩股對比
html = generate_html(result_a, mode='compare', result_b=result_b,
                     output_path='output/reports/600036_vs_601398_compare.html')

# 組合分析
html = generate_html(results, mode='portfolio', portfolio_name='自選池',
                     output_path='output/reports/portfolio_自選池_analysis.html')

設計特性： - 🎨 積木哲學：每個分析步驟 = 獨立 <section class="block"> - 🌓 暗色/亮色雙主題：data-theme="dark" 預設，一鍵切換 - 📍 四層決策脊導航：IntersectionObserver scrollspy 高亮 - 🎯 雙色軸體系：方向軸（紅漲綠跌）vs 評級軸（藍→青→琥珀→紅） - 📱 響應式：桌面/平板/手機自適應，列印友好 - 📦 自包含：內嵌全部 CSS/JS

資料來源與依賴

Python 依賴

注意：不依賴 akshare/efinance/pytdx/yfinance 等Python資料來源庫。資料來源完全由執行環境中的MCP工具和Skill提供。

📖 資料來源架構詳細說明（路由配置、介面卡架構、Agent→引擎編排流程、data_injector CLI、資料時效與披露政策）見 references/data-source-architecture.md。

📖 資料韌性與靜默市場分析（五級降級容錯、靜默市場四步分析、V3.4量能結構診斷）見 references/data-resilience.md。

首次執行 / 離線快照（穩定資料來源 · V5.1 新增）

核心改進：本 Skill 現在具備「線上 + 離線分層」資料來源。westock 等線上源優先；當環境中沒有任何線上源時，自動回退到隨 Skill 釋出的內建離線快照（真實歷史 K線 + 基本面等），零配置即可跑完整 12 步分析，不再"只能做簡單分析"。

agent 操作約定（關鍵）

1. 分析前先檢測：執行 python bootstrap.py（或呼叫 bootstrap.ensure_snapshot()）。
2. 返回 READY：離線快照已存在，直接分析即可。
3. 返回 FIRST_RUN：離線快照目錄為空。
4. 首次使用提示覆蓋範圍（使用者補充要求）：當檢測到 FIRST_RUN 時，用 AskUserQuestion 詢問使用者離線資料覆蓋範圍，給出三選項：
5. 預設 ~50 只（核心持倉 + 主要銀行 + 紅利藍籌）—— 推薦，已內建真實資料，立即可用
6. 擴充套件至滬深300（--scope csi300）—— 覆蓋範圍更大，需聯網構建（體積較大）
7. 更寬（中證紅利 + 中證銀行）（--scope broad）—— 需聯網構建
8. 按使用者選擇構建：執行 python build_offline_snapshot.py --scope <選擇>。
9. 有 westock 線上源時 --online 可聯網重新整理；無線上源時自動複用已注入的 westock 快取 / data/raw 灌入。
10. 構建冪等，已存在預設跳過（--force 覆蓋）。
11. 構建完成後 ensure_snapshot() 返回 READY，正常分析。

⚠️ 若使用者選擇跳過構建且環境中確實無任何線上源，僅有離線快照兜底——報告中會標註資料來自離線快照的 as_of_date，時效性低於即時資料，置信度相應調整。

離線快照自動保鮮（V5.1.1 新增 · 預設開啟）

每次線上分析完成後，系統自動把本次用到的線上資料回灌到離線快照（offline_snapshot.sync_from_provider），使離線兜底始終持有"最近一次線上"的真實資料，徹底避免快照過期。

• 觸發點：AnalysisEngine.analyze() 資料採集後自動呼叫，無需 agent 額外操作。
• 智慧判斷：僅把由線上源（westock_cache 等）提供的資料型別寫回；若某型別由 offline_snapshot 自身兜底（即線上不可用），則跳過——絕不用離線資料覆蓋離線資料。
• 純離線執行：當環境中完全沒有線上源時，sync_from_provider 自動返回 online=False，不做任何寫入，離線快照原樣保留。
• 關閉開關：config.py 的 OFFLINE_SNAPSHOT['auto_update'] = False 可停用（預設 True）。
• 溯源標註：自動回灌的檔案 meta.source 記錄真實來源（如 westock_cache）、meta.auto_updated=True、meta.as_of_date 取真實資料日期，報告與 list_offline_snapshot() 可據此區分"內建快照"與"自動保鮮快照"。

💡 這意味著：使用者只需正常用 Skill 分析幾次，離線快照就會自動覆蓋到其關注的所有標的，且始終新鮮——首次構建的覆蓋範圍（core50 等）只是起點，後續由實際使用自然擴充套件並保鮮。

離線快照說明

版本歷史

• V5.1.1 (2026-08-09): 離線快照自動保鮮——每次線上分析後自動回灌線上資料到離線快照（僅寫線上源提供型別，純離線執行自動跳過），兜底資料始終新鮮；新增 auto_update 開關
• V5.1.0 (2026-08-09): 線上+離線分層資料來源，新增離線快照介面卡 / 構建指令碼 / 首啟引導，零配置離線兜底
• V5.0.1 (2026-08-06): 全專案版本號統一、WestockCacheAdapter 預設路由整合、三維擁擠度懲罰文件統一、五級降級描述修正
• V3.4 (2026-08-02): 統一積木式 HTML 報告生成器 (3→1)、Quick/Full雙詳細度、暗色/亮色雙主題、四層決策脊scrollspy導航。WestockCacheAdapter (最高優先順序JSON快取介面卡)、data_injector.py、ResilientDataProvider預設接入引擎五級降級鏈
• V3.3 (2026-07-28): 資料韌性五級容錯、靜默市場深度分析 (替代閘門1硬終止)、資料完整性評分
• V3.2 (2026-07-08): 環境自適應資料來源 (MCP/Skill自動發現+按資料型別路由)、完整 12 步分析引擎、集中配置管理、相對路徑重構
• V3.1 (2026-07-08): 新增 4 個最佳化模組 (L2 資金流增強/三維擁擠度懲罰/同業對比三情景/Plotly 視覺化儀表盤)
• V3.0 (2026-07-07): 重構為四層架構，明確資料流，增加 5 個閘門，行業適配引數化
• V2.0 (2026-07-07): 四大模組架構 + 12 步 SOP
• V1.0 (規劃中): 初始線性框架

相關技能

• portfolio_construction: 將個股分析結果轉化為組合權重
• 股票交易策略: 基於持倉成本的買賣點分析
• Public-company-one-page-investment-memo: 一頁紙投資報告生成

擴充套件文件指引

以下檔案按需讀取，不在載入 SKILL.md 時自動讀取。 推薦順序：新手必讀（quickstart → faq → anti-patterns）→ 12step-sop → 其餘；design.md / DESIGN-REVIEW.md / 紅利價值視角模組設計.md 為開發者向，二次開發再讀。

這個 Skill 功能較為全面，可用於股票分析和量化策略回測。優點是報告圖表豐富、分析維度多、支援離線使用。不足之處在於部分功能使用門檻較高，新手不易上手，且核心程式碼較複雜，可能影響後續維護和擴充套件。總體質量中等偏上，適合有一定基礎的開發者使用。