AKShare集成选股技能

基于AKShare实时数据的智能选股技能，集成动态权重调整和行业差异化评分。

🎯 技能特性

• 实时数据：集成AKShare获取实时股价
• 智能评分：三层九维评分系统
• 动态权重：根据市场趋势调整权重
• 行业差异化：不同行业不同评分标准
• 风险控制：完善的风控与失效体系
• 证据分层：A/B/C/D四级证据体系

📦 安装要求

# 安装AKShare
pip install akshare --upgrade

# 安装依赖
pip install pandas numpy

🚀 使用方法

基本选股

# 运行选股分析
stock-selector-akshare run

# 使用特定市场
stock-selector-akshare run --market hk

# 指定股票代码
stock-selector-akshare run --symbols 00700,00998,01810

获取实时数据

# 获取港股实时数据
stock-selector-akshare data hk 00700

# 获取A股实时数据
stock-selector-akshare data a 000001

# 获取美股实时数据
stock-selector-akshare data us AAPL

批量查询

# 批量查询港股
stock-selector-akshare batch hk 00700,00998,01810

# 多市场查询
stock-selector-akshare multi "00700,000001,AAPL"

🔧 系统架构

1. 数据层

• AKShare接口：获取实时股票数据
• 数据缓存：5分钟本地缓存
• 错误处理：多数据源备选机制

2. 评分层

• 价值层 (40%)：基本面、行业位势、估值赔率
• 交易层 (35%)：资金结构、价格形态、量价配合
• 风险层 (25%)：波动风险、事件风险、流动性风险

3. 决策层

• 动作决策：BUY/HOLD/REDUCE/SELL/WATCH
• 仓位建议：基于评分和风险评估
• 触发条件：量化的买入/卖出触发点

4. 风控层

• 风险边界：明确的止损/止盈点
• 失效条件：系统失效的识别标准
• 证据分级：A/B/C/D四级证据可靠性

📊 评分系统

价值层 (40分)

1. 基本面质量 (15分)

   • 财务健康度
   • 盈利能力
   • 成长前景

2. 行业位势 (15分)

   • 行业地位
   • 竞争格局
   • 政策支持

3. 估值赔率 (10分)

   • PE/PB/PS估值
   • 历史估值分位数
   • 相对估值优势

交易层 (35分)

1. 资金结构 (10分)

   • 主力资金流向
   • 外资持股比例
   • 机构调研热度

2. 裸K形态 (10分)

   • 关键价位突破
   • 技术形态形成
   • 趋势强度

3. 量价配合 (15分)

   • 成交量放大
   • 价格有效性
   • 突破确认

风险层 (25分)

1. 波动风险 (10分)

   • 历史波动率
   • 日内波动幅度
   • Beta系数

2. 事件风险 (10分)

   • 重要事件临近
   • 政策风险
   • 行业风险

3. 流动性风险 (5分)

   • 成交量稳定性
   • 买卖价差
   • 市场深度

🎯 决策规则

动作决策

仓位建议

⚠️ 风险控制

风险边界

• 止损线：-8% ~ -12%
• 止盈线：+20% ~ +30%
• 最大仓位：单只股票 ≤ 15%
• 总仓位：激进市场 ≤ 80%，保守市场 ≤ 50%

失效条件

1. 系统失效：连续3次数据获取失败
2. 策略失效：连续5次推荐亏损
3. 市场失效：大盘单日跌幅 > 5%
4. 流动性失效：成交量萎缩 > 50%

🔍 使用示例

示例1：分析腾讯控股

stock-selector-akshare run --symbols 00700 --format json

输出:

{
  "success": true,
  "timestamp": "2026-03-11T04:15:30Z",
  "results": [
    {
      "symbol": "00700",
      "name": "腾讯控股",
      "action": "BUY",
      "total_score": 94,
      "position_suggestion": "7%",
      "real_time_price": 562.500,
      "change_percent": "+0.45%",
      "recommendation": "强烈推荐买入",
      "evidence_level": "A"
    }
  ]
}

示例2：批量分析港股

stock-selector-akshare batch hk 00700,00998,01810

示例3：多市场分析

stock-selector-akshare multi "00700,000001,AAPL"

🔄 集成方式

Python集成

from stock_selector_akshare import AKShareStockSelector

# 创建选择器
selector = AKShareStockSelector()

# 分析单只股票
result = selector.analyze_stock("00700", market="hk")

# 批量分析
results = selector.analyze_batch(["00700", "00998"], market="hk")

# 获取实时数据
real_time_data = selector.get_real_time_data("00700", "hk")

API集成

# 获取实时数据API
curl "http://localhost:8080/api/stock/00700?market=hk"

# 批量分析API
curl -X POST "http://localhost:8080/api/analyze/batch" \
  -H "Content-Type: application/json" \
  -d '{"symbols":["00700","00998"],"market":"hk"}'

🚨 注意事项

1. 数据延迟：免费接口可能有15-30秒延迟
2. 交易时间：非交易时间返回的数据可能是0
3. 频率限制：避免频繁调用，建议1秒以上间隔
4. 缓存策略：默认5分钟缓存，减少API调用
5. 错误处理：添加重试机制和备用数据源

📈 性能优化建议

1. 批量获取：使用全市场数据API，避免单只股票多次调用
2. 缓存策略：本地缓存 + 内存缓存组合
3. 异步处理：使用异步请求提高并发性能
4. 连接复用：保持HTTP连接复用
5. 数据压缩：启用数据压缩减少传输量

🔧 维护说明

日常维护

• 检查AKShare库更新
• 测试数据获取接口
• 验证评分算法有效性

故障排查

1. 检查网络连接
2. 验证AKShare安装
3. 查看错误日志
4. 测试备用数据源

性能监控

• API响应时间
• 数据获取成功率
• 评分计算耗时
• 内存使用情况

技能状态：🚀 已集成AKShare
版本：v2.0
最后更新：2026-03-11
维护者：OpenClaw技能库