📖 技能介紹

name: ths-advanced-analysis description: 基於 thsdk 進行高階股票分析：分鐘K線（1m/5m/15m/30m/60m/120m）、板塊/指數行情（主要指數/申萬行業/概念板塊成分股）、多股票批次對比（表格+歸一化走勢圖+相關性熱力圖）、盤口深度、大單流向、集合競價異動、日內分時、歷史分時。當用戶提到"分鐘K線"、"日內走勢"、"盤口"、"大單"、"競價異動"、"板塊行情"、"行業排名"、"概念板塊"、"成分股"、"對比多隻股票"、"批次分析"、"漲幅對比"、"相關性"、"港股"、"美股"、"外匯"、"期貨"、"資訊"、"快訊"，或者需要同時檢視2只以上股票、關注短線交易、量化研究時，必須使用此skill。

THS Advanced Analysis Skill

對話引導規範

澄清意圖（意圖模糊時必問）

使用者說	可能的意圖	必問
"幫我看看XX股票"	即時行情？K線？大單？	✅
"分析一下XX"	技術面？資金面？和誰對比？	✅
"XX板塊怎麼樣"	整體漲跌？成分股？領漲股？	✅
"選一些好股票"	短線？價值？哪個行業？條件？	✅
"XX的5分鐘K線"	意圖明確	❌ 直接執行
"今日漲停股"	意圖明確	❌ 直接執行

話術示例：

使用者："幫我分析一下寧德時代"
Claude："好的，請問你主要想看哪個方向？
  1. 今日即時行情 + 資金流向
  2. 分鐘K線（盤中走勢）
  3. 近期日K線趨勢
  4. 和比亞迪、億緯鋰能等對比
  5. 用問財篩選相關概念股"

呼叫後的後續提示（有延伸價值時才提）

場景	提示
展示行業排名	"需要查某個行業的成分股行情嗎？"
展示分鐘K線	"需要同時看大單流向或盤口深度嗎？"
展示多股對比表格	"需要展示歸一化走勢圖或相關性嗎？"
問財選出候選股	"需要對這些股票做K線技術驗證嗎？"
展示競價異動	"需要對某隻異動股拉盤前分時看細節嗎？"

完整呼叫案例

檔案	場景
`examples/01_minute_kline.py`	分鐘K線 + 均線 + 成交量異動標註
`examples/02_sector_industry.py`	行業排名 + 概念板塊成分股 + 指數行情
`examples/03_multi_stock_compare.py`	多股批次對比：表格 + 歸一化走勢 + 相關性
`examples/04_bigorder_auction.py`	大單流向 + 競價異動掃描 + 分時/盤口 + 資訊
`examples/05_wencai_nlp.py`	問財NLP：選股/行情/財務/技術/複雜組合

場景速查

使用者需求	方法
今日漲停/連板/競價強勢股	`wencai_nlp("今日漲停，非ST")`
財務選股（ROE/PE/PB）	`wencai_nlp("連續3年ROE大於15%，非ST")`
技術形態選股	`wencai_nlp("均線多頭排列，MACD金叉")`
分鐘K線	`klines(code, interval="5m", count=78)`
今日分時	`intraday_data(code)`
歷史某日分時	`min_snapshot(code, date="20250101")`
五檔盤口	`depth(code)`
買方/賣方深度詳情	`order_book_bid(code)` / `order_book_ask(code)`
大單流向	`big_order_flow(code)`
競價異動掃描	`call_auction_anomaly("USHA")`
申萬行業列表	`ths_industry()`
概念板塊列表	`ths_concept()`
板塊行情（漲幅/市值）	`market_data_block(link_code)`
板塊成分股	`block_constituents(link_code)`
指數行情	`market_data_index(ths_code)`
多股票對比	批次 `market_data_cn` + `klines`
港股行情	`market_data_hk(code)`
美股行情	`market_data_us(code)`
外匯匯率	`market_data_forex(code)`
期貨行情	`market_data_future(code)`
即時資訊/快訊	`news()`
權息資料	`corporate_action(code)`
今日IPO / 待申購	`ipo_today()` / `ipo_wait()`

安裝

pip install --upgrade thsdk

包來源：PyPI 系統要求：Python 3.9+，支援 Linux(x86_64/arm64)、macOS(Intel/Apple Silicon)、Windows

連線

from thsdk import THS

with THS() as ths:   # 遊客模式，無需賬戶配置
    ...

第一步：程式碼解析

所有中文名/縮寫/短程式碼先用 search_symbols 獲得完整 THSCODE：

with THS() as ths:
    resp = ths.search_symbols("同花順")
    # data → [
    #   {'THSCODE': 'USZA300033', 'Name': '同花順',
    #    'MarketStr': 'USZA', 'Code': '300033', 'MarketDisplay': '深A'},
    #   {'THSCODE': 'URFI883404', 'Name': '同花順情緒指數', 'MarketDisplay': '同指'},
    # ]

選碼規則：

情況	處理
0條	告知未找到
1條	直接使用
多條，只有1只A股（MarketDisplay含"滬A"或"深A"）	自動選A股
多條，多隻A股	展示列表，等使用者選擇

市場字首說明：

字首	含義
`USHA`	上海A股
`USZA`	深圳A股
`USHI`	上海指數
`USZI`	深圳指數
`USTM`	北交所
`UHKG`	港股
`URFI`	行業/概念板塊
`UFXB`	外匯（基本匯率）

常用指數 THSCODE（直接使用，無需 search_symbols）：

指數	THSCODE
上證指數	`USHI000001`
深證成指	`USZI399001`
創業板指	`USZI399006`
科創50	`USHI000688`
滬深300	`USHI000300`
中證500	`USHI000905`
上證50	`USHI000016`

⚠️ 指數字首是 USHI/USZI，需呼叫 market_data_index，不能用 market_data_cn

K線資料

interval 引數： "1m" / "5m" / "15m" / "30m" / "60m" / "120m" / "day" / "week" / "month" / "quarter" / "year"

⚠️ 必須寫 "5m"，不能寫 "5min"

count 與 start/end 二選一，不可混用：

from datetime import datetime
from zoneinfo import ZoneInfo
tz = ZoneInfo('Asia/Shanghai')

with THS() as ths:
    # 按條數
    resp = ths.klines("USZA300033", interval="5m", count=78)

    # 按時間範圍
    resp = ths.klines("USZA300033", interval="day",
                      start_time=datetime(2025, 1, 1, tzinfo=tz),
                      end_time=datetime(2025, 3, 1, tzinfo=tz))

    # 前復權（量化回測用）
    resp = ths.klines("USHA600519", interval="day", count=250, adjust="forward")

    df = resp.df
    # 返回欄位：時間, 收盤價, 成交量, 總金額, 開盤價, 最高價, 最低價
    # 分鐘K線"時間"自動轉為 datetime；日K"時間"為 datetime(YYYYMMDD)

分時與盤口資料

日內分時（當日）

with THS() as ths:
    resp = ths.intraday_data("USZA300033")
    df = resp.df
    # 欄位：時間(datetime+tz), 價格, 成交量, 總金額, 領先指標

歷史分時（近一年）

with THS() as ths:
    resp = ths.min_snapshot("USZA300033", date="20240315")
    df = resp.df
    # 欄位：時間(timestamp), 價格, 成交量, 外盤成交量, 內盤成交量, 總金額

五檔盤口

with THS() as ths:
    resp = ths.depth("USZA300033")              # 單隻
    resp = ths.depth(["USZA300033", "USHA600519"])  # 多隻
    df = resp.df
    # 欄位：買1~5價/量, 賣1~5價/量, 程式碼, 昨收價

買賣深度詳情
小蔥技能7w4.net持續更新中。

with THS() as ths:
    resp = ths.order_book_bid("USZA300033")   # 買方深度
    resp = ths.order_book_ask("USZA300033")   # 賣方深度
    df = resp.df

3秒 Tick

with THS() as ths:
    resp = ths.tick_level1("USZA300033")
    df = resp.df
    # 欄位：時間(timestamp), 價格, 成交方向, 交易筆數, 當前量

超級盤口（含委託檔位）

with THS() as ths:
    resp = ths.tick_super_level1("USZA300033")                   # 即時
    resp = ths.tick_super_level1("USZA300033", date="20240315")  # 歷史
    df = resp.df
    # ⚠️ 部分欄位值為 4294967295 表示無效資料，需過濾

大單與競價

大單流向

with THS() as ths:
    resp = ths.big_order_flow("USZA300033")
    df = resp.df
    # 欄位：時間, 成交方向, 成交量, 總金額, 委託買入價, 委託賣出價

集合競價異動（9:15~9:25）

with THS() as ths:
    resp_sh = ths.call_auction_anomaly("USHA")   # 滬市
    resp_sz = ths.call_auction_anomaly("USZA")   # 深市
    df = resp_sh.df
    # 欄位：時間, 價格, 總金額, 程式碼, 名稱, 異動型別1(已對映中文)
    # 異動型別：漲停試盤/競價搶籌/大幅高開/急速上漲/大買單試盤 等13種

早盤集合競價快照

with THS() as ths:
    resp = ths.call_auction("USZA300033")
    df = resp.df
    # 欄位：時間, 成交方向, 成交量, 總金額, 委託買入價, 委託賣出價

板塊與指數

行業/概念板塊列表

with THS() as ths:
    resp = ths.ths_industry()   # 同花順行業，約90個
    resp = ths.ths_concept()    # 概念板塊，約390個
    df = resp.df
    # ⚠️ 僅返回：程式碼(URFIXXXXXX), 名稱
    # 漲幅/行情需另調 market_data_block(link_code)
    # extra['total_count'] = 板塊總數

板塊行情（兩步走）

with THS() as ths:
    # Step 1：獲取板塊列表
    resp = ths.ths_industry()
    target = next(r for r in resp.data if '半導體' in r['名稱'])
    link_code = target['程式碼']   # 格式 URFIXXXXXX

    # Step 2：查板塊行情
    resp = ths.market_data_block(link_code, "基礎資料")
    df = resp.df
    # 欄位：價格, 漲幅, 成交量, 板塊總市值, 板塊流通市值,
    #        上漲家數, 下跌家數, 領漲股
    # query_key 也支援 "擴充套件"（含板塊漲速、主力淨流入等）

板塊成分股

with THS() as ths:
    resp = ths.block_constituents("URFI883404")
    df = resp.df
    # 欄位：程式碼(完整THSCODE), 名稱
    # extra['total_count'] = 成分股總數

指數列表 & 行情

with THS() as ths:
    # 全部指數列表（約580個）
    resp = ths.index_list()
    df = resp.df   # 欄位：程式碼, 名稱

    # 指數行情（單隻或同市場批次）
    resp = ths.market_data_index("USHI000001")
    resp = ths.market_data_index(["USHI000001", "USHI000300", "USHI000905"])
    df = resp.df
    # 欄位：價格, 漲幅, 漲跌, 成交量, 總金額, 最高價, 最低價
    # query_key 也支援 "擴充套件"（含量比、振幅等）

A股行情（market_data_cn）

with THS() as ths:
    resp = ths.market_data_cn("USZA300033", "基礎資料")
    # 也支援列表（同市場）
    resp = ths.market_data_cn(["USZA300033", "USZA000001"], "彙總")
    df = resp.df
    # 基礎資料欄位：價格, 成交方向, 成交量, 交易筆數, 總金額,
    #               漲速, 當前量, 程式碼, 名稱, 昨收價, 開盤價, 最高價, 最低價

query_key 選項：

query_key	含義
`"基礎資料"`	價格、漲跌幅、成交量、金額、開高低、漲速
`"基礎資料2"`	精簡版基礎資料
`"基礎資料3"`	極簡（價格、昨收、成交量）
`"擴充套件1"`	漲幅、漲跌、換手率、量比、主力淨流入、委比
`"擴充套件2"`	漲幅、換手率、總市值、流通市值、委比
`"彙總"`	全量欄位，多股對比首選

⚠️ 同市場限制：USHA 和 USZA 不能在同一次呼叫中混合

多市場行情

港股

with THS() as ths:
    # 港股列表
    resp = ths.stock_hk_lists()
    # 港股行情
    resp = ths.market_data_hk("UHKG00700", "基礎資料")
    df = resp.df
    # query_key 支援："基礎資料" / "每股淨資產" / "淨利潤" / "財務指標"

美股 / 納斯達克

with THS() as ths:
    resp = ths.stock_us_lists()      # 美股列表
    resp = ths.nasdaq_lists()        # 納斯達克列表
    resp = ths.market_data_us("UNQQAAPL", "基礎資料")
    df = resp.df
    # query_key 支援："基礎資料" / "每股淨資產" / "每股收益" / "淨利潤" / "財務指標"

外匯

with THS() as ths:
    resp = ths.forex_list()          # 外匯列表（約25個，UFXB字首）
    resp = ths.market_data_forex("UFXBGBPUSD", "基礎資料")
    df = resp.df
    # 欄位：價格, 委託買入價, 委託賣出價, 程式碼, 名稱, 昨收價, 開盤價, 最高價, 最低價
    # query_key 也支援 "擴充套件"

期貨

with THS() as ths:
    resp = ths.futures_lists()        # 主力合約列表
    resp = ths.market_data_future("UCFSAU2506", "基礎資料")
    df = resp.df
    # query_key 支援："基礎資料" / "日增倉" / "擴充套件"

債券 / ETF

with THS() as ths:
    resp = ths.bond_lists()           # 可轉債列表
    resp = ths.fund_etf_lists()       # ETF基金列表
    resp = ths.fund_etf_t0_lists()    # ETF T+0基金列表
    resp = ths.market_data_bond("USHD123456", "基礎資料")
    resp = ths.market_data_fund("USHA510300", "基礎資料")

多股票批次對比

import pandas as pd
from collections import defaultdict
from thsdk import THS

stock_names = ["貴州茅臺", "五糧液", "瀘州老窖"]

with THS() as ths:
    # Step 1: 批次解析程式碼
    stock_codes = []
    for name in stock_names:
        resp = ths.search_symbols(name)
        a_shares = [s for s in resp.data
                    if any(m in s.get('MarketDisplay', '') for m in ['滬A', '深A'])]
        if a_shares:
            stock_codes.append({'name': name, 'code': a_shares[0]['THSCODE']})

    # Step 2: 按市場分組
    by_market = defaultdict(list)
    for s in stock_codes:
        by_market[s['code'][:4]].append(s)

    # Step 3: 批次行情
    rows = []
    for market, stocks in by_market.items():
        codes = [s['code'] for s in stocks]
        resp = ths.market_data_cn(codes, "彙總")
        for i, row in enumerate(resp.data):
            row['股票名稱'] = stocks[i]['name']
            rows.append(row)
    quote_df = pd.DataFrame(rows)

    # Step 4: 批次K線
    klines_data = {}
    for s in stock_codes:
        resp = ths.klines(s['code'], interval="day", count=30, adjust="forward")
        klines_data[s['name']] = resp.df

# Step 5: 歸一化走勢（起點=100）
for name, df in klines_data.items():
    df['歸一化'] = df['收盤價'] / df['收盤價'].iloc[0] * 100

# Step 6: 相關性矩陣
returns = pd.DataFrame({name: df['收盤價'].pct_change() for name, df in klines_data.items()})
corr_matrix = returns.corr()

輸出規範： 1. 表格：股票 / 最新價 / 漲幅% / 成交額 / 換手率 / 量比 / 主力淨流入 / 總市值 2. 歸一化走勢折線圖（多線，顏色區分） 3. 相關性熱力圖（量化場景）

問財自然語言查詢（wencai_nlp）

對接 iwencai.com 同一介面，多條件用逗號/分號分隔。

with THS() as ths:
    resp = ths.wencai_nlp("連續3日主力淨流入，換手率大於5%，非ST")
    df = resp.df
    # ⚠️ 股票程式碼格式為 "605366.SH"，需轉換

返回程式碼轉換：

def to_ths_code(code_str: str) -> str:
    # wencai 返回：'300033.SZ' / '600519.SH' / '835975.BJ'
    try:
        code, market = str(code_str).split('.')
        mapping = {'SH': 'USHA', 'SZ': 'USZA', 'BJ': 'USTM'}
        prefix = mapping.get(market.upper(), '')
        return f"{prefix}{code}" if prefix else None
    except Exception:
        return None

df['ths_code'] = df['股票程式碼'].apply(to_ths_code)

六大查詢型別：

① 行情 & 盤面

"今日漲停，非ST"
"連續2日漲停，非一字板，非ST"
"今日漲停原因類別，漲停封單額，封單量"
"競價漲幅大於3%，競價量大於昨日成交量5%，非ST"
"主力淨流入由大到小排名前20，非ST"
"近10日區間主力資金流向大於5000萬，市值大於100億"

② 板塊 & 行業

"今日申萬行業漲跌幅排名"
"今日概念板塊漲幅排名前20"
"人工智慧概念股，今日漲跌幅，成交額，主力淨流入"
"今日漲幅最大的5個概念板塊，漲幅，成分股數量"

③ 財務指標

"連續3年ROE大於15%，非ST，上市大於3年"
"市盈率小於15，股息率大於3%，市淨率小於2，非ST"
"市淨率小於1，非ST，流通市值大於20億"
"連續5年分紅，股息率大於4%，資產負債率小於60%"

④ 技術形態

"均線多頭排列，MACD金叉，換手率大於3%，非ST"
"均線粘合，平臺突破，成交量大於5日均量1.5倍"
"仙人指路，非ST，非停牌"
"250日新高，非ST，滬深A，上市超過250天"

⑤ 複雜組合

# 短線強勢
"均線多頭排列，MACD金叉，DIFF上穿中軸，換手率大於1%且小於10%，30日內有2個交易日漲幅大於4%，非ST"
# 競價打板
"昨日非一字板漲停，今日競價漲幅大於等於0%且小於等於9.9%，今日隔夜買單額小於10億，非ST，非科創板"

⑥ 資訊查詢

"漲停原因歸類前20"
"今日龍虎榜"
"今日大宗交易"
"近一週北向資金淨買入前20"

方法	用途
`wencai_nlp(condition)`	主要用法。完整自然語言，返回股票列表+欄位
`wencai_base(condition)`	簡單欄位查詢，如 `"所屬行業"`

即時資訊（news）

import re

with THS() as ths:
    resp = ths.news()   # 預設：上證指數相關快訊
    # 指定個股資訊：
    # resp = ths.news(text_id=0x3814, code="300033", market="USZA")

    for item in resp.data:
        props = dict(re.findall(r'(\w+)=([^\n]+)', item.get('Properties', '')))
        print(f"[{props.get('source','')}] {item['Title']}")
        print(f"  {props.get('summ','')}\n")
    # 欄位：Op, Time(timestamp), Title, ID, Code, Stock, Properties
    # Properties 含：ctime, summ(摘要), source(來源)

其他實用 API

權息資料

with THS() as ths:
    resp = ths.corporate_action("USZA300033")
    df = resp.df
    # 欄位：時間(int YYYYMMDD), 權息資料(文字)
    # 示例：20100312 → "2010-03-12(每十股 轉增10.00股 紅利3.00元)$"

IPO 資料

with THS() as ths:
    resp = ths.ipo_today()   # 今日申購/上市
    resp = ths.ipo_wait()    # 待申購
    df = resp.df
    # 欄位：stock_name, stock_code, order_date, issue_price,
    #       issue_pe_static, success_rate, order_limit_up,
    #       industry_name, exchange 等

市場列表

with THS() as ths:
    resp = ths.stock_cn_lists()    # 全部A股（約5198只）
    resp = ths.stock_hk_lists()    # 港股
    resp = ths.stock_us_lists()    # 美股
    resp = ths.stock_bj_lists()    # 北交所
    resp = ths.nasdaq_lists()      # 納斯達克
    resp = ths.stock_b_lists()     # B股
    resp = ths.bond_lists()        # 可轉債
    resp = ths.fund_etf_lists()    # ETF基金
    resp = ths.fund_etf_t0_lists() # ETF T+0基金
    resp = ths.futures_lists()     # 期貨主力合約
    resp = ths.forex_list()        # 外匯（約25個）
    df = resp.df   # 欄位：程式碼(完整THSCODE), 名稱

程式碼補全工具

with THS() as ths:
    resp = ths.complete_ths_code("USZA300033")
    # 用於驗證/補全程式碼資訊

錯誤處理

with THS() as ths:
    resp = ths.klines("USZA300033", interval="5m", count=60)
    if not resp:
        print(f"呼叫失敗: {resp.error}")
    elif resp.df.empty:
        print("資料為空，可能是非交易時間")
    else:
        df = resp.df

常見報錯：

錯誤	原因	解決
`"未登入"`	未 connect	確保用 `with THS() as ths`
`"證券程式碼必須為10個字元"`	格式錯誤	先過 `search_symbols`
`"一次性查詢多支股票必須市場程式碼相同"`	滬深混合	按市場分組查詢
`"無效的週期型別: 5min"`	interval 寫法錯	改為 `"5m"`
`"'count' 引數不能與 'start_time' 同時使用"`	引數衝突	二選一

注意事項： - 遊客賬戶在部分專業資料/即時資料上可能有許可權限制 - 批次拉取時建議加 time.sleep(0.5) 避免限流 - THS 為同步阻塞，在 FastAPI/asyncio 中需放入執行緒池

與 ths-financial-data 的分工

場景	skill
單隻A股行情/資金流向/日K	`ths-financial-data`
分鐘K線 / 盤中監控	本 skill
盤口深度 / 大單 / 競價異動	本 skill
板塊/指數行情及成分股	本 skill
多股票批次對比	本 skill
港股/美股/外匯/期貨行情	本 skill
即時資訊快訊	本 skill
問財自然語言查詢	兩者均可

🤖 AI 評測

這個 Skill 質量很好，專業度高、覆蓋全面，能滿足股票行情分析、板塊監控、選股篩選、大單追蹤等多種需求。文件清晰詳細，配有多個完整示例，容易上手。主要不足是內容量較大初次閱讀需要一定時間消化，且更適合有一定金融分析基礎的使用者，新手可能需要額外學習成本。總體推薦。

📊 多維度評分

適應性4.5

規範性4.7

有效性4.7

可靠性4.4

可信度5

📁 包含檔案 (7 個)

📄 SKILL.md 20.5 KB

📄 _meta.json 140 B

📄 examples/01_minute_kline.py 2.7 KB

📄 examples/02_sector_industry.py 4.3 KB

📄 examples/03_multi_stock_compare.py 4.8 KB

📄 examples/04_bigorder_auction.py 6 KB

📄 examples/05_wencai_nlp.py 14 KB

同花順股票介面