中国A股分析工具 - 基于价值投资的股票筛选、财务分析与估值计算

china-stock-analysis by sugarforever/01coder-agent-skills

8,200 周安装量

79 GitHub Stars

GitHub

安装命令

npx skills add https://github.com/sugarforever/01coder-agent-skills --skill china-stock-analysis

AI/机器学习开发数据分析

🇨🇳中文介绍

中国股票分析技能

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。

何时使用

当用户请求以下操作时调用此技能：

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

先决条件

Python环境要求

pip 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：

python -c "import akshare; print(akshare.__version__)"

如果未安装，提示用户安装：

pip install akshare

核心模块

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

工作流程 1: 股票筛选

广告位招租

在这里展示您的产品或服务

触达数万 AI 开发者，精准高效

联系我们

步骤 1: 收集筛选条件

向用户询问筛选条件。提供以下选项供用户选择或自定义：

PE (市盈率): 例如 PE < 15
PB (市净率): 例如 PB < 2
PS (市销率): 例如 PS < 3

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%

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

股息率: 例如 > 3%
连续分红年数: 例如 >= 5年

资产负债率: 例如 < 60%
流动比率: 例如 > 1.5
速动比率: 例如 > 1

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

步骤 2: 执行筛选

python scripts/stock_screener.py \
    --scope "hs300" \
    --pe-max 15 \
    --roe-min 15 \
    --debt-ratio-max 60 \
    --dividend-min 2 \
    --output screening_result.json

--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

步骤 3: 呈现结果

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

工作流程 2: 个股分析

用户请求分析某只股票时使用。

步骤 1: 收集股票信息

股票代码或名称
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

步骤 2: 获取股票数据

python scripts/data_fetcher.py \
    --code "600519" \
    --data-type all \
    --years 5 \
    --output stock_data.json

--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

步骤 3: 运行财务分析

python scripts/financial_analyzer.py \
    --input stock_data.json \
    --level standard \
    --output analysis_result.json

--input: 输入的股票数据文件
--level: 分析深度 (summary/standard/deep)
--output: 输出文件

步骤 4: 计算估值

python scripts/valuation_calculator.py \
    --input stock_data.json \
    --methods dcf,ddm,relative \
    --discount-rate 10 \
    --growth-rate 8 \
    --output valuation_result.json

--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

步骤 5: 生成报告

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）：

公司概况 ：基本信息、主营业务
财务健康 ：资产负债表分析
盈利能力 ：杜邦分析、利润率趋势
成长性分析 ：营收/利润增长趋势
估值分析 ：DCF/DDM/相对估值
风险提示 ：财务异常检测、股东减持
投资结论 ：综合评分、操作建议

工作流程 3: 行业对比

步骤 1: 收集对比目标

目标股票代码（可多个）
或者：行业分类 + 对比数量

步骤 2: 获取行业数据

python scripts/data_fetcher.py \
    --codes "600519,000858,002304" \
    --data-type comparison \
    --output industry_data.json

或按行业获取：

python scripts/data_fetcher.py \
    --industry "白酒" \
    --top 10 \
    --output industry_data.json

步骤 3: 生成对比

python scripts/financial_analyzer.py \
    --input industry_data.json \
    --mode comparison \
    --output comparison_result.json

步骤 4: 呈现对比表格

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	-

工作流程 4: 估值计算

步骤 1: 收集估值参数

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

步骤 2: 运行估值计算

python scripts/valuation_calculator.py \
    --code "600519" \
    --methods all \
    --discount-rate 10 \
    --terminal-growth 3 \
    --forecast-years 5 \
    --margin-of-safety 30 \
    --output valuation.json

步骤 3: 呈现估值结果

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

在分析过程中自动检测以下异常信号：

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
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%
存货异常
- 存货增速 > 营收增速 × 2
- 存货周转天数大幅增加
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
关联交易
- 关联交易占比过高（> 30%）
股东减持
- 大股东近期减持公告
- 高管集中减持

🟢 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

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

控股股东类型（国企/民企/外资）
股权集中度
近期增减持情况
质押比例

所有脚本输出JSON格式，便于后续处理：

{
  "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": [ ... ]
}

生成结构化的中文Markdown报告，参考 templates/analysis_report.md。

如果akshare数据获取失败，提示用户：

检查网络连接
稍后重试（可能是接口限流）
尝试更换数据源

提示用户检查股票代码是否正确，提供可能的匹配建议。

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。

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
投资建议 ：所有分析仅供参考，不构成投资建议
风险提示 ：始终包含风险提示，特别是财务异常检测结果
对比分析 ：单只股票分析时，自动包含行业均值对比

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

🇺🇸English

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

pip 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：

python -c "import akshare; print(akshare.__version__)"

如果未安装，提示用户安装：

pip 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

python 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：

股票代码或名称
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

python 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

python 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

python 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）：

公司概况 ：基本信息、主营业务
财务健康 ：资产负债表分析
盈利能力 ：杜邦分析、利润率趋势
成长性分析 ：营收/利润增长趋势
估值分析 ：DCF/DDM/相对估值
风险提示 ：财务异常检测、股东减持
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：

目标股票代码（可多个）
或者：行业分类 + 对比数量

Step 2: Fetch Industry Data

python scripts/data_fetcher.py \
    --codes "600519,000858,002304" \
    --data-type comparison \
    --output industry_data.json

或按行业获取：

python scripts/data_fetcher.py \
    --industry "白酒" \
    --top 10 \
    --output industry_data.json

Step 3: Generate Comparison

python 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

python 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

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
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%
存货异常
- 存货增速 > 营收增速 × 2
- 存货周转天数大幅增加
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
关联交易
- 关联交易占比过高（> 30%）
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

控股股东类型（国企/民企/外资）
股权集中度
近期增减持情况
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：

{
  "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：

检查网络连接
稍后重试（可能是接口限流）
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

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
投资建议 ：所有分析仅供参考，不构成投资建议
风险提示 ：始终包含风险提示，特别是财务异常检测结果
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

Weekly Installs

8.0K

Repository

sugarforever/01…t-skills

GitHub Stars

First Seen

Jan 27, 2026

Security Audits

Gen Agent Trust HubWarn SocketPass SnykWarn

Installed on

opencode7.5K

gemini-cli7.4K

codex7.4K

github-copilot7.4K

cursor7.3K

kimi-cli7.3K

React 组合模式指南：Vercel 组件架构最佳实践，提升代码可维护性

102,200 周安装

中国A股分析工具 - 基于价值投资的股票筛选、财务分析与估值计算

🇨🇳中文介绍

中国股票分析技能

何时使用

先决条件

Python环境要求

依赖检查

核心模块

1. Stock Screener (股票筛选器)

2. Financial Analyzer (财务分析器)

3. Industry Comparator (行业对比)

4. Valuation Calculator (估值计算器)

工作流程 1: 股票筛选

相关 Skills

步骤 1: 收集筛选条件

步骤 2: 执行筛选

步骤 3: 呈现结果

工作流程 2: 个股分析

步骤 1: 收集股票信息

步骤 2: 获取股票数据

步骤 3: 运行财务分析

步骤 4: 计算估值

步骤 5: 生成报告

工作流程 3: 行业对比

步骤 1: 收集对比目标

步骤 2: 获取行业数据

步骤 3: 生成对比

步骤 4: 呈现对比表格

工作流程 4: 估值计算

步骤 1: 收集估值参数

步骤 2: 运行估值计算

步骤 3: 呈现估值结果

财务异常检测

检测项目

风险等级

A股特色分析

政策敏感度

股东结构分析

输出格式

JSON输出格式

Markdown报告

错误处理

网络错误

股票代码无效

数据不完整

最佳实践

重要说明

🇺🇸English

China Stock Analysis Skill

When to Use

Prerequisites

Python环境要求

依赖检查

Core Modules

1. Stock Screener (股票筛选器)

2. Financial Analyzer (财务分析器)

3. Industry Comparator (行业对比)

4. Valuation Calculator (估值计算器)

Workflow 1: Stock Screening (股票筛选)

Step 1: Collect Screening Criteria

Step 2: Execute Screening

Step 3: Present Results

Workflow 2: Stock Analysis (个股分析)

Step 1: Collect Stock Information

Step 2: Fetch Stock Data

Step 3: Run Financial Analysis

Step 4: Calculate Valuation

Step 5: Generate Report

Workflow 3: Industry Comparison (行业对比)

Step 1: Collect Comparison Targets

Step 2: Fetch Industry Data

Step 3: Generate Comparison

Step 4: Present Comparison Table

Workflow 4: Valuation Calculator (估值计算)

Step 1: Collect Valuation Parameters

Step 2: Run Valuation

Step 3: Present Valuation Results

Financial Anomaly Detection (财务异常检测)

检测项目

风险等级