投资研究多智能体决策系统

🎯 核心特性

⚠️ 数据说明：本技能仅使用腾讯财经API（qt.gtimg.cn）获取数据。部分财务指标（如毛利率、净利率）基于行业经验估算，非真实财务报表数据。如需精确财务数据，请查阅官方财报或专业数据平台。

🚀 快速开始

1️⃣ 安装

cd ~/.openclaw/skills/boheng-investment-workflow/scripts
chmod +x install.sh
./install.sh

会自动完成：

• ✅ 创建 ~/.openclaw/workspace/investment/ 数据目录
• ✅ 安装 Python 依赖（requests, beautifulsoup4, akshare）
• ✅ 测试基本功能

依赖说明

⚠️ 注意：本技能不再依赖 AKShare。所有数据通过腾讯财经API获取，部分财务指标为估算值。

2️⃣ 分析投资标的

股票分析

# 分析单只股票
python3 analyze_stock.py 600919

# 指定股票名称
python3 analyze_stock.py 600919 江苏银行

基金分析

# 分析基金
python3 analyze_fund.py 110022  # 易方达消费行业

# 指定基金名称
python3 analyze_fund.py 110022 易方达消费行业

ETF分析

# 分析ETF
python3 analyze_etf.py 510300  # 沪深300ETF

# 指定ETF名称
python3 analyze_etf.py 510300 沪深300ETF

可转债分析

# 分析可转债
python3 analyze_bond.py 113050  # 核能转债

# 指定可转债名称
python3 analyze_bond.py 113050 核能转债

3️⃣ 输出示例

==================================================
        投资研究决策报告
==================================================

【标的】：600919 江苏银行
【研究时间】：2026-04-29
【当前价格】：¥11.40 (+0.35%)

==========================================
        财务数据概览
==========================================

📊 盈利能力：
   ROE: 12.5%  |  毛利率: 45.2%  |  净利率: 28.3%

📈 成长能力：
   营收增速: 8.5%  |  利润增速: 12.3%

💰 估值指标：
   PE: 5.8倍  |  PB: 0.65倍  |  股息率: 5.2%

==========================================
        8位分析师投票结果
==========================================

1. 宏观经济分析师 → ✅ 建议 (权重 1.0x)
   理由：货币政策宽松，利率下行利好银行股...

2. 行业研究员 → ✅ 建议 (权重 1.5x) ⭐
   理由：银行业景气度稳定，息差收窄但资产质量改善...

==========================================
            最终结论
==========================================

最终建议：✅ 建议投资

综合建议：
1. 估值处于历史低位，具备安全边际
2. 高股息率（5.2%），适合长期持有
3. 建议分批建仓，控制仓位

风险提示：
- 经济下行可能导致不良贷款上升
- 息差收窄压力持续
==========================================

📁 文件结构

boheng-investment-workflow/
├── SKILL.md                    # 主文档
├── README.md                   # 使用说明
└── scripts/
    ├── config.py               # ⭐ 统一配置
    ├── monitor.py              # ⭐ 行情监控模块
    ├── financial_data.py       # ⭐ 财务数据模块（AKShare）
    ├── analysts.py             # ⭐ 8位分析师模块
    ├── analyze_stock.py        # ⭐ 股票分析入口
    ├── analyze_fund.py         # ⭐ 基金分析入口
    ├── analyze_etf.py          # ⭐ ETF分析入口
    ├── analyze_bond.py         # ⭐ 可转债分析入口
    ├── report_generator.py     # 报告生成器
    ├── install.sh              # 安装脚本
    └── uninstall.sh            # 卸载脚本

👥 8位分析师及其职责

📊 AKShare 数据接口使用

⚠️ 重要说明：v1.1.1 版本起，本技能已移除 AKShare 依赖，改为仅使用腾讯财经API。以下文档保留供参考，但代码中不再使用 AKShare。

行情数据（已弃用 AKShare）

import akshare as ak

# 实时行情
df = ak.stock_zh_a_spot_em()
quote = df[df['代码'] == '600919'].iloc[0]

# 历史K线
df = ak.stock_zh_a_hist(symbol="600919", period="daily", 
                         start_date="20250101", end_date="20260429",
                         adjust="qfq")  # 前复权

财务数据

import akshare as ak

# 主要财务指标
df = ak.stock_financial_analysis_indicator(symbol="600919")
# 包含：ROE、毛利率、净利率、营收增速等

# 资产负债表
df = ak.stock_balance_sheet_by_report_em(symbol="600919")

# 利润表
df = ak.stock_profit_sheet_by_report_em(symbol="600919")

# 现金流量表
df = ak.stock_cash_flow_sheet_by_report_em(symbol="600919")

估值数据

import akshare as ak

# 市盈率、市净率、股息率
df = ak.stock_a_lg_indicator(symbol="600919")
# 包含：pe_ttm、pb、dv_ratio（股息率）

# 估值分位
# 需要结合历史数据计算

资金流向

import akshare as ak

# 个股资金流向
df = ak.stock_individual_fund_flow(stock="600919", market="sh")

# 主力资金
df = ak.stock_fund_flow_individual(symbol="600919")

行业数据

import akshare as ak

# 行业板块行情
df = ak.stock_board_industry_name_em(symbol="银行")

# 个股所属行业
df = ak.stock_individual_info_em(symbol="600919")

📈 各分析师数据使用详解

1. 宏观经济分析师

数据接口：

# 中国GDP增速
df = ak.macro_china_gdp()

# CPI/PPI
df = ak.macro_china_cpi_yearly()

# 社融数据
df = ak.macro_china_shrz_money()

# 利率数据
df = ak.macro_china_shibor_all()

分析逻辑：

• GDP增速 > 5%：经济扩张，利好股市
• CPI < 3%：通胀温和，货币政策空间大
• 社融增速上升：信用扩张，利好市场

2. 行业研究员

数据接口：

# 行业涨跌幅排行
df = ak.stock_board_industry_index_em()

# 行业资金流向
df = ak.stock_board_industry_fund_flow_em()

# 行业估值
df = ak.stock_board_industry_pe_lg(symbol="银行")

分析逻辑：

• 行业涨跌幅排名前30%：景气度高
• 行业资金净流入：资金关注度高
• 行业PE处于历史低位：估值优势

3. 基本面分析师

数据接口：

# 主要财务指标
df = ak.stock_financial_analysis_indicator(symbol="600919")

# 关键指标：
# - roe: 净资产收益率
# - roa: 总资产收益率
# - grossprofitmargin: 毛利率
# - netprofitmargin: 净利率
# - revenue_growth: 营收增速
# - net_profit_growth: 利润增速
# - debt_to_asset: 资产负债率
# - current_ratio: 流动比率
# - ocf_to_revenue: 经营现金流/营收

评分标准：

4. 技术分析师

数据接口：

# 日K线数据
df = ak.stock_zh_a_hist(symbol="600919", period="daily",
                         start_date="20250101", adjust="qfq")

# 列包含：开盘、收盘、最高、最低、成交量、成交额

技术指标计算：

import pandas as pd

# 均线
df['MA5'] = df['收盘'].rolling(5).mean()
df['MA10'] = df['收盘'].rolling(10).mean()
df['MA20'] = df['收盘'].rolling(20).mean()

# MACD
exp12 = df['收盘'].ewm(span=12, adjust=False).mean()
exp26 = df['收盘'].ewm(span=26, adjust=False).mean()
df['MACD'] = exp12 - exp26
df['SIGNAL'] = df['MACD'].ewm(span=9, adjust=False).mean()

# RSI
delta = df['收盘'].diff()
gain = (delta.where(delta > 0, 0)).rolling(14).mean()
loss = (-delta.where(delta < 0, 0)).rolling(14).mean()
rs = gain / loss
df['RSI'] = 100 - (100 / (1 + rs))

信号判断：

• 金叉：MA5上穿MA20，MACD上穿信号线
• 超买：RSI > 70
• 超卖：RSI < 30

5. 风险控制师

数据来源：综合其他分析师数据

风险评估：

# 波动率（年化）
volatility = df['收盘'].pct_change().std() * (252 ** 0.5)

# 最大回撤
cummax = df['收盘'].cummax()
drawdown = (df['收盘'] - cummax) / cummax
max_drawdown = drawdown.min()

# 风险等级
if max_drawdown > -0.3:
    risk_level = "高"
elif max_drawdown > -0.2:
    risk_level = "中"
else:
    risk_level = "低"

6. 量化分析师

数据接口：

# 历史行情（用于回测）
df = ak.stock_zh_a_hist(symbol="600919", period="daily",
                         start_date="20240101", adjust="qfq")

# 指数数据（计算相关性）
df_index = ak.stock_zh_index_daily(symbol="sh000300")  # 沪深300

因子计算：

# 动量因子（过去20日收益率）
momentum = (df['收盘'].iloc[-1] / df['收盘'].iloc[-20] - 1) * 100

# 波动率因子
volatility = df['收盘'].pct_change().std() * 100

# 换手率因子
turnover = df['换手率'].mean()

# 价值因子（需要估值数据）
value_score = 100 - pe_percentile  # PE分位越低越好

7. 情绪分析师

数据接口：

# 个股资金流向
df = ak.stock_individual_fund_flow(stock="600919", market="sh")

# 主力资金净流入
main_flow = df['主力净流入-净额'].iloc[-1]

# 融资融券
df = ak.stock_margin_detail_szse(date="20260429")
# 或
df = ak.stock_margin_detail_sse(date="20260429")

# 北向资金
df = ak.stock_hsgt_north_net_flow_in_em()

情绪判断：

• 主力资金连续3日净流入：情绪偏多
• 融资余额上升：杠杆资金入场
• 北向资金净流入：外资看好

8. 估值分析师

数据接口：

# 估值指标
df = ak.stock_a_lg_indicator(symbol="600919")

# pe_ttm: 滚动市盈率
# pb: 市净率
# ps_ttm: 市销率
# dv_ratio: 股息率
# total_mv: 总市值

# 历史PE数据（计算分位）
df_hist = ak.stock_a_pe_and_pb_analysis(symbol="600919")

估值分位计算：

# PE分位
pe_current = df['pe_ttm'].iloc[-1]
pe_hist = df_hist['pe']  # 历史PE序列
pe_percentile = (pe_hist < pe_current).sum() / len(pe_hist) * 100

# 分位解读
if pe_percentile < 20:
    valuation = "严重低估"
elif pe_percentile < 40:
    valuation = "偏低"
elif pe_percentile < 60:
    valuation = "合理"
elif pe_percentile < 80:
    valuation = "偏高"
else:
    valuation = "严重高估"

🔄 决策流程

用户提问投资问题
        ↓
识别投资标的类型（股票/基金/ETF/可转债）
        ↓
获取实时行情（AKShare）
        ↓
获取财务/净值数据（AKShare）
        ↓
并行启动8个分析师
        ↓
各分析师独立分析并给出建议
        ↓
收集投票结果（✅建议/⚠️谨慎/❌不建议）
        ↓
按权重计算最终得分
        ↓
输出综合报告

💾 数据存储

watchlist.txt（自选股列表）

600919|江苏银行
000921|海信家电

reports/（分析报告存档）

2026-04-29_600919_江苏银行.txt
2026-04-29_000921_海信家电.txt

🔧 高级用法

批量分析

# 分析多只股票
for code in 600919 000921 600926; do
    python3 analyze_stock.py $code
done

自定义分析

from financial_data import FinancialDataFetcher
from analysts import run_all_analysts

# 获取财务数据
fetcher = FinancialDataFetcher()
financial = fetcher.get_all_data("600919")

# 运行分析师
results = run_all_analysts(quote, financial)

❓ 常见问题

Q1: AKShare 接口报错怎么办？

部分接口有频率限制，建议：

• 添加请求间隔：time.sleep(1)
• 使用缓存减少重复请求
• 切换备用接口

Q2: 如何修改分析师权重？

编辑 scripts/config.py：

ANALYST_WEIGHTS = {
    "宏观经济分析师": 1.0,
    "行业研究员": 1.5,
    # ...
}

Q3: 支持港股/美股吗？

AKShare 支持港股和美股数据，可在 financial_data.py 中扩展。

Q4: 支持哪些投资标的？

当前支持：

• A股股票：完整财务分析
• 公募基金：净值、持仓、业绩分析
• ETF：指数跟踪、估值分析
• 可转债：转股价值、溢价率分析

📊 基金分析

基金数据接口

import akshare as ak

# 基金基本信息
df = ak.fund_name_em()
fund_info = df[df['基金代码'] == '110022'].iloc[0]

# 基金净值
df = ak.fund_open_fund_daily_em(symbol="110022")
# 包含：单位净值、累计净值、日增长率

# 基金历史净值
df = ak.fund_open_fund_info_em(fund="110022", indicator="单位净值")

# 基金持仓
df = ak.fund_portfolio_em(fund="110022")
# 包含：股票持仓、债券持仓、行业分布

# 基金业绩排名
df = ak.fund_performance_open_fund_em(symbol="110022")

# 基金经理
df = ak.fund_manager_em(fund="110022")

基金分析维度

基金评分标准

📈 ETF分析

ETF数据接口

import akshare as ak

# ETF列表
df = ak.fund_etf_spot_em()

# ETF实时行情
df = ak.fund_etf_fund_daily_em(symbol="510300")

# ETF历史净值
df = ak.fund_etf_fund_info_em(fund="510300", indicator="单位净值")

# ETF持仓（指数ETF）
# 查询指数成分股
df = ak.index_stock_cons_weight_csindex(symbol="000300")  # 沪深300成分股

ETF分析维度

ETF类型分类

💰 可转债分析

可转债数据接口

import akshare as ak

# 可转债列表
df = ak.bond_cb_jsl()  # 集思录数据

# 可转债实时行情
df = ak.bond_zh_hs_cov_spot()

# 可转债详情
df = ak.bond_cb_jsl_detail(symbol="113050")

# 可转债历史行情
df = ak.bond_zh_hs_cov_hist(symbol="113050")

可转债核心指标

可转债分析维度

可转债评分标准

📚 参考资源

• AKShare 官方文档
• AKShare GitHub

📜 版本变更历史

v1.1.1 (2026-04-29)

安全修复：

• 🔒 统一数据源为腾讯财经API（qt.gtimg.cn）
• 🔒 移除所有其他域名
• 🔒 移除 AKShare 依赖
• 🔒 声明 background_tasks: false

数据说明：

• ⚠️ 部分财务指标为估算值（毛利率、净利率等）
• ⚠️ 基金净值数据为估算值
• ⚠️ 可转债转股溢价率为估算值

v1.1.0 (2026-04-29)

新增功能：

• ✅ 新增基金分析支持（analyze_fund.py）
• ✅ 新增ETF分析支持（analyze_etf.py）
• ✅ 新增可转债分析支持（analyze_bond.py）
• ✅ 基金净值、持仓、业绩分析
• ✅ ETF指数跟踪、估值分析
• ✅ 可转债转股价值、溢价率分析

文档更新：

• 📝 新增基金分析数据接口说明
• 📝 新增ETF分析数据接口说明
• 📝 新增可转债分析数据接口说明
• 📝 新增各标的分析维度说明
• 📝 新增评分标准说明

v1.0.3 (2026-04-29)

安全修复：

• 🔒 移除所有非白名单域名（雪球、百度、东方财富）
• 🔒 仅使用腾讯财经域名：qt.gtimg.cn, web.ifzq.gtimg.cn
• 🔒 所有网络请求使用 HTTPS
• 🔒 SKILL.md 添加 https_only: true 声明

v1.0.2 (2026-04-29)

安全修复：

• 🔒 统一数据目录为 ~/.openclaw/workspace/investment/
• 🔒 添加域名白名单
• 🔒 安装脚本添加错误处理和虚拟环境提示

v1.0.1 (2026-04-29)

修复：

• 🐛 更新技能名称为英文

v1.0.0 (2026-04-29)

首发版本：

• ✅ 8位专业分析师并行研究机制
• ✅ 加权投票决策系统
• ✅ 多数据源行情监控
• ✅ 真实财务数据获取
• ✅ 完整投资报告生成
• ✅ A股股票分析支持