股票个股分析

任务目标

• 本 Skill 用于：对指定股票进行全面的技术分析，包括实时数据获取、技术指标计算、支撑位压力位分析、缺口识别分析
• 能力包含：实时行情获取、技术指标计算（均线、MACD、RSI）、支撑位压力位识别、缺口识别（向上/向下缺口及支撑压力作用）、趋势判断、未来走势预测
• 触发条件：用户提供股票代码并要求分析走势、预测未来、获取操作建议

前置准备

• 依赖说明：

  requests>=2.28.0
  numpy>=1.24.0
  pandas>=2.0.0

操作步骤

标准流程

1. 获取股票代码并验证

   • 用户提供股票代码，如：000001（平安银行）、sh600000（浦发银行）、000001.SZ（深交所格式）
   • 参考股票代码格式文档，确保代码格式正确

2. 获取实时行情数据

   • 调用 scripts/fetch_stock_data.py 获取实时行情和历史K线数据
   • 参数：
     • --stock_code: 股票代码
     • --days: 获取历史数据天数（默认30天）
   • 返回包含：当前价格、涨跌幅、成交量、历史K线数据

3. 计算技术指标和支撑位

   • 调用 scripts/analyze_stock.py 进行技术分析
   • 参数：
     • --data_file: 上一步获取的数据文件路径
   • 计算结果：
     • MA5/MA10/MA20/MA60 均线
     • MACD 指标
     • RSI 指标
     • 支撑位和压力位
     • 缺口分析（向上缺口和向下缺口）
     • 成交量分析
     • 趋势判断

4. 分析当前走势

   • 基于技术指标进行多维度分析：
     • 均线排列（多头排列/空头排列/缠绕）
     • MACD金叉死叉状态
     • RSI超买超卖状态
     • 成交量配合情况
     • K线形态分析
     • 缺口分析：
       • 向上缺口：通常构成支撑位（回调时缺口上沿可能成为支撑）
       • 向下缺口：通常构成压力位（反弹时缺口下沿可能成为压力）
       • 缺口大小和位置对走势的影响

5. 预测未来3天走势

   • 综合技术指标和趋势分析，对未来3天走势进行判断
   • 考虑因素：趋势方向、支撑压力位、缺口支撑压力、成交量变化、市场情绪
   • 给出概率评估：上涨/下跌/横盘的概率和强度

6. 生成操作建议

   • 根据分析结果和预测，给出明确的操作建议：
     • 买入/持有/卖出/观望
     • 建议的买入/卖出价格区间
     • 止损位和止盈位设置
     • 缺口相关的操作提示（如：向上缺口未回补前可作为支撑参考）
     • 风险提示和注意事项

资源索引

• 获取数据：见 scripts/fetch_stock_data.py（用途：获取股票实时行情和历史K线）
• 技术分析：见 scripts/analyze_stock.py（用途：计算技术指标和支撑位压力位）
• 代码格式：见 references/stock_code_format.md（用途：股票代码格式参考）

注意事项

• 股票市场存在风险，所有分析仅供参考，不构成投资建议
• 技术分析基于历史数据，不能保证未来表现
• 建议结合基本面分析和市场环境进行综合判断
• 实时数据可能存在延迟，请以实际交易数据为准
• 缺口分析要点：
  • 向上缺口（跳空高开）：通常在回调时可能构成支撑，关注缺口是否回补
  • 向下缺口（跳空低开）：通常在反弹时可能构成压力，关注缺口是否回补
  • 缺口越大，其支撑或压力作用通常越强
  • 成交量配合的缺口更具参考意义
  • 近期缺口的参考价值高于远期缺口
• 必须在所有建议中包含风险提示

使用示例

示例1：A股股票分析

用户：分析000001平安银行
执行：
1. 调用 fetch_stock_data.py --stock_code 000001 --days 30
2. 调用 analyze_stock.py --data_file stock_data_000001.json
3. 基于分析结果生成走势预测和操作建议

示例2：港股股票分析

用户：分析腾讯控股 00700.HK
执行：
1. 调用 fetch_stock_data.py --stock_code 00700.HK --days 30
2. 调用 analyze_stock.py --data_file stock_data_00700.HK.json
3. 生成分析报告和操作建议

示例3：美股股票分析

用户：分析AAPL苹果公司
执行：
1. 调用 fetch_stock_data.py --stock_code AAPL --days 30
2. 调用 analyze_stock.py --data_file stock_data_AAPL.json
3. 提供全面的技术分析报告