PaperclipOrg
Claude Agent Skill · by Sugarforever

China Stock Analysis

Built specifically for Chinese A-share value investing, this pulls real financial data via akshare and runs systematic screens across metrics like PE ratios, RO

Install
Terminal · npx
$npx skills add https://github.com/sugarforever/01coder-agent-skills --skill china-stock-analysis
Works with Paperclip

How China Stock Analysis fits into a Paperclip company.

China Stock Analysis drops into any Paperclip agent that handles this kind of work. Assign it to a specialist inside a pre-configured PaperclipOrg company and the skill becomes available on every heartbeat — no prompt engineering, no tool wiring.

S
SaaS FactoryPaired

Pre-configured AI company — 18 agents, 18 skills, one-time purchase.

$27$59
Explore pack
Source file
SKILL.md401 lines
Expand
---name: china-stock-analysisdescription: A股价值投资分析工具，提供股票筛选、个股深度分析、行业对比和估值计算功能。基于价值投资理论，使用akshare获取公开财务数据，适合低频交易的普通投资者。--- # China Stock Analysis Skill 基于价值投资理论的中国A股分析工具，面向低频交易的普通投资者。 ## When to Use 当用户请求以下操作时调用此skill：- 分析某只A股股票- 筛选符合条件的股票- 对比多只股票或行业内股票- 计算股票估值或内在价值- 查看股票的财务健康状况- 检测财务异常风险 ## Prerequisites ### Python环境要求```bashpip install akshare pandas numpy``` ### 依赖检查在执行任何分析前，先检查akshare是否已安装：```bashpython -c "import akshare; print(akshare.__version__)"``` 如果未安装，提示用户安装：```bashpip install akshare``` ## Core Modules ### 1. Stock Screener (股票筛选器)筛选符合条件的股票 ### 2. Financial Analyzer (财务分析器)个股深度财务分析 ### 3. Industry Comparator (行业对比)同行业横向对比分析 ### 4. Valuation Calculator (估值计算器)内在价值测算与安全边际计算 --- ## Workflow 1: Stock Screening (股票筛选) 用户请求筛选股票时使用。 ### Step 1: Collect Screening Criteria 向用户询问筛选条件。提供以下选项供用户选择或自定义： **估值指标：**- PE (市盈率): 例如 PE < 15- PB (市净率): 例如 PB < 2- PS (市销率): 例如 PS < 3 **盈利能力：**- ROE (净资产收益率): 例如 ROE > 15%- ROA (总资产收益率): 例如 ROA > 8%- 毛利率: 例如 > 30%- 净利率: 例如 > 10% **成长性：**- 营收增长率: 例如 > 10%- 净利润增长率: 例如 > 15%- 连续增长年数: 例如 >= 3年 **股息：**- 股息率: 例如 > 3%- 连续分红年数: 例如 >= 5年 **财务安全：**- 资产负债率: 例如 < 60%- 流动比率: 例如 > 1.5- 速动比率: 例如 > 1 **筛选范围：**- 全A股- 沪深300成分股- 中证500成分股- 创业板/科创板- 用户自定义列表 ### Step 2: Execute Screening ```bashpython scripts/stock_screener.py \    --scope "hs300" \    --pe-max 15 \    --roe-min 15 \    --debt-ratio-max 60 \    --dividend-min 2 \    --output screening_result.json``` **参数说明：**- `--scope`: 筛选范围 (all/hs300/zz500/cyb/kcb/custom:600519,000858,...)- `--pe-max/--pe-min`: PE范围- `--pb-max/--pb-min`: PB范围- `--roe-min`: 最低ROE- `--growth-min`: 最低增长率- `--debt-ratio-max`: 最大资产负债率- `--dividend-min`: 最低股息率- `--output`: 输出文件路径 ### Step 3: Present Results 读取 `screening_result.json` 并以表格形式呈现给用户： | 代码 | 名称 | PE | PB | ROE | 股息率 | 评分 ||------|------|----|----|-----|--------|------|| 600519 | 贵州茅台 | 25.3 | 8.5 | 30.2% | 2.1% | 85 | --- ## Workflow 2: Stock Analysis (个股分析) 用户请求分析某只股票时使用。 ### Step 1: Collect Stock Information 询问用户：1. 股票代码或名称2. 分析深度级别：   - **摘要级**：关键指标 + 投资结论（1页）   - **标准级**：财务分析 + 估值 + 行业对比 + 风险提示   - **深度级**：完整调研报告，包含历史数据追踪 ### Step 2: Fetch Stock Data ```bashpython scripts/data_fetcher.py \    --code "600519" \    --data-type all \    --years 5 \    --output stock_data.json``` **参数说明：**- `--code`: 股票代码- `--data-type`: 数据类型 (basic/financial/valuation/holder/all)- `--years`: 获取多少年的历史数据- `--output`: 输出文件 ### Step 3: Run Financial Analysis ```bashpython scripts/financial_analyzer.py \    --input stock_data.json \    --level standard \    --output analysis_result.json``` **参数说明：**- `--input`: 输入的股票数据文件- `--level`: 分析深度 (summary/standard/deep)- `--output`: 输出文件 ### Step 4: Calculate Valuation ```bashpython scripts/valuation_calculator.py \    --input stock_data.json \    --methods dcf,ddm,relative \    --discount-rate 10 \    --growth-rate 8 \    --output valuation_result.json``` **参数说明：**- `--input`: 股票数据文件- `--methods`: 估值方法 (dcf/ddm/relative/all)- `--discount-rate`: 折现率(%)- `--growth-rate`: 永续增长率(%)- `--margin-of-safety`: 安全边际(%)- `--output`: 输出文件 ### Step 5: Generate Report 读取分析结果，参考 `templates/analysis_report.md` 模板生成中文分析报告。 报告结构（标准级）：1. **公司概况**：基本信息、主营业务2. **财务健康**：资产负债表分析3. **盈利能力**：杜邦分析、利润率趋势4. **成长性分析**：营收/利润增长趋势5. **估值分析**：DCF/DDM/相对估值6. **风险提示**：财务异常检测、股东减持7. **投资结论**：综合评分、操作建议 --- ## Workflow 3: Industry Comparison (行业对比) ### Step 1: Collect Comparison Targets 询问用户：1. 目标股票代码（可多个）2. 或者：行业分类 + 对比数量 ### Step 2: Fetch Industry Data ```bashpython scripts/data_fetcher.py \    --codes "600519,000858,002304" \    --data-type comparison \    --output industry_data.json``` 或按行业获取：```bashpython scripts/data_fetcher.py \    --industry "白酒" \    --top 10 \    --output industry_data.json``` ### Step 3: Generate Comparison ```bashpython scripts/financial_analyzer.py \    --input industry_data.json \    --mode comparison \    --output comparison_result.json``` ### Step 4: Present Comparison Table | 指标 | 贵州茅台 | 五粮液 | 洋河股份 | 行业均值 ||------|----------|--------|----------|----------|| PE | 25.3 | 18.2 | 15.6 | 22.4 || ROE | 30.2% | 22.5% | 20.1% | 18.5% || 毛利率 | 91.5% | 75.2% | 72.3% | 65.4% || 评分 | 85 | 78 | 75 | - | --- ## Workflow 4: Valuation Calculator (估值计算) ### Step 1: Collect Valuation Parameters 询问用户估值参数（或使用默认值）： **DCF模型参数：**- 折现率 (WACC): 默认10%- 预测期: 默认5年- 永续增长率: 默认3% **DDM模型参数：**- 要求回报率: 默认10%- 股息增长率: 使用历史数据推算 **相对估值参数：**- 对比基准: 行业均值 / 历史均值 ### Step 2: Run Valuation ```bashpython scripts/valuation_calculator.py \    --code "600519" \    --methods all \    --discount-rate 10 \    --terminal-growth 3 \    --forecast-years 5 \    --margin-of-safety 30 \    --output valuation.json``` ### Step 3: Present Valuation Results | 估值方法 | 内在价值 | 当前价格 | 安全边际价格 | 结论 ||----------|----------|----------|--------------|------|| DCF | ¥2,150 | ¥1,680 | ¥1,505 | 低估 || DDM | ¥1,980 | ¥1,680 | ¥1,386 | 低估 || 相对估值 | ¥1,850 | ¥1,680 | ¥1,295 | 合理 | --- ## Financial Anomaly Detection (财务异常检测) 在分析过程中自动检测以下异常信号： ### 检测项目 1. **应收账款异常**   - 应收账款增速 > 营收增速 × 1.5   - 应收账款周转天数大幅增加 2. **现金流背离**   - 净利润持续增长但经营现金流下降   - 现金收入比 < 80% 3. **存货异常**   - 存货增速 > 营收增速 × 2   - 存货周转天数大幅增加 4. **毛利率异常**   - 毛利率波动 > 行业均值波动 × 2   - 毛利率与同行严重偏离 5. **关联交易**   - 关联交易占比过高（> 30%） 6. **股东减持**   - 大股东近期减持公告   - 高管集中减持 ### 风险等级 - 🟢 **低风险**：无明显异常- 🟡 **中风险**：1-2项轻微异常- 🔴 **高风险**：多项异常或严重异常 --- ## A-Share Specific Analysis (A股特色分析) ### 政策敏感度 根据行业分类提供政策相关提示：- 房地产：房住不炒政策- 新能源：补贴政策变化- 医药：集采政策影响- 互联网：反垄断、数据安全 ### 股东结构分析 1. 控股股东类型（国企/民企/外资）2. 股权集中度3. 近期增减持情况4. 质押比例 --- ## Output Format ### JSON输出格式 所有脚本输出JSON格式，便于后续处理： ```json{  "code": "600519",  "name": "贵州茅台",  "analysis_date": "2025-01-25",  "level": "standard",  "summary": {    "score": 85,    "conclusion": "低估",    "recommendation": "建议关注"  },  "financials": { ... },  "valuation": { ... },  "risks": [ ... ]}``` ### Markdown报告 生成结构化的中文Markdown报告，参考 `templates/analysis_report.md`。 --- ## Error Handling ### 网络错误如果akshare数据获取失败，提示用户：1. 检查网络连接2. 稍后重试（可能是接口限流）3. 尝试更换数据源 ### 股票代码无效提示用户检查股票代码是否正确，提供可能的匹配建议。 ### 数据不完整对于新上市股票或财务数据不完整的情况，说明数据限制并基于可用数据进行分析。 --- ## Best Practices 1. **数据时效性**：财务数据以最新季报/年报为准，价格数据为当日收盘价2. **投资建议**：所有分析仅供参考，不构成投资建议3. **风险提示**：始终包含风险提示，特别是财务异常检测结果4. **对比分析**：单只股票分析时，自动包含行业均值对比 ## Important Notes - 所有分析基于公开财务数据，不涉及任何内幕信息- 估值模型的参数假设对结果影响较大，需向用户说明- A股市场受政策影响较大，定量分析需结合定性判断