stock-selecter

统一选股技能包,整合14种策略(ROE筛选、MACD底背离、高股息、低估值、 费雪成长股、长期低位、近期放量、趋势分析、K线形态、布林带下轨、筹码集中、 现金流质量、北向资金、股东增持、分析师目标价),支持单策略、多策略组合筛选。 触发词(精准触发,覆盖明确选股意图): 按策略名:ROE选股、ROE筛选、MACD选股、MACD筛选、MACD底背离、 股息选股、高股息选股、估值选股、低估值、成长股筛选、费雪成长股、 低位放量选股、长期低位选股、近期放量、趋势选股、形态选股、K线形态筛选、 布林带选股、筹码集中选股、现金流质量、北向资金选股、股东增持选股、分析师目标价选股 按组合意图:组合选股、筛选股票、多策略选股、综合选股、并发选股、全部策略选股 按结果要求:按ROE排名、按评分排名、按股息率排名、取交集、取并集 明确排除(这些场景应激活其他skill): - 任何包含具体股票代码/名称的个股分析请求 - "帮我看看XX股票"、"XX公司怎么样"、"XX值不值得买" - "查一下行情"、"看资金流向"等纯数据查询

Safety Notice

This listing is from the official public ClawHub registry. Review SKILL.md and referenced scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "stock-selecter" with this command: npx skills add alan1121-j/stock-selecter

stock-selecter 统一选股技能包 v3.3

概述

将14种选股策略聚合为单一入口,支持单策略独立运行、多策略组合(AND/OR/SCORE), 以及并发加速和 HTML 可视化报告。

可用策略

策略名说明核心条件评分维度
roeROE盈利能力ROE≥15%, ROA≥5%ROE/ROA/毛利/净利/负债率/ROE趋势
macdMACD底背离K线下行+MACD向上+底背离+放量K线斜率/MACD斜率/放量倍数/RSI
dividend高股息股息率≥3%+连续分红3年+ROE≥8%股息率/ROE/连续年数/估值/派息率
valuation低估值PE≤25+PB≤3+PEG≤1.5+ROE≥8%PE/PB/PEG/ROE/行业折价/PB历史分位
growth费雪成长股营收/净利双增≥20%+毛利≥30%营收增速/利润增速/毛利率/ROE
low_position长期低位价格分位≤25%+RSI≤40价格分位/RSI/距低点天数
volume_surge近期放量放量≥2倍+RSI≤45+反弹≥3%放量倍数/RSI/反弹幅度/连续放量天数
trend趋势分析均线多头+R²≥0.5+ADX≥25趋势斜率/R²/ADX/RSI/波动率/均线排列
patternK线形态命中1种+形态(双底/吞没/早晨之星等)命中形态数量
bollinger布林带下轨股价触及布林带下轨+RSI超卖触及程度/RSI/距下轨空间
shareholder_concentration筹码集中股东户数连续3期减少+ROE≥8%累计减少幅度/持续期数/ROE
cashflow_quality现金流质量经营现金流≥净利润3期+商誉<30%满足季度数/平均比率/ROE
northbound_flow北向资金北向连续净买入5日+累计≥5亿连续天数/累计净买入/ROE
shareholder_buyback股东增持增持比例≥0.5%+ROE≥8%增持比例/增持期数/ROE
analyst_target分析师目标价隐含目标价空间≥20%+连续预测2期上行空间/预测期数/ROE

评分体系

所有策略统一返回 0-100 分,分数越高表示股票质量越好。 多策略组合时,score 为各策略得分之和(AND 模式)或之和(OR/SCORE 模式)。

评分参考基准:

  • ROE 满分参考值 ≥25%
  • 毛利率满分参考值 ≥40-60%
  • ADX 满分参考值 ≥50
  • 放量倍数满分参考值 ≥3x

组合模式

AND   :多策略交集(股票必须同时通过所有策略,条件最严)
OR    :多策略并集(通过任意一个即入选)
SCORE :综合评分(全部策略打分,按总分排名,最宽松)

命令行用法

# 单策略(默认 AND)
python main.py --strategy roe --roe_threshold 15

# 多策略交集(最严)
python main.py --strategy roe,macd,dividend --mode and

# 多策略并集(宽松)
python main.py --strategy roe,macd --mode or --top 50

# 综合评分(适合 --strategy all)
python main.py --strategy all --mode score --top 50

# 并发执行(8线程,适合技术面策略)
python main.py --strategy macd,trend,volume_surge --workers 8

# 生成 HTML 可视化报告
python main.py --strategy roe,macd,dividend --report --output_dir ~/Desktop

# 调试(只分析前20只)
python main.py --strategy roe,trend --limit 20 --verbose

代码调用

from main import execute

# 基础用法
result = execute({"strategy": "roe", "roe_threshold": 15})

# 多策略 AND 交集
result = execute({
    "strategy": "roe,macd,valuation",
    "mode": "and",
    "roe_threshold": 15,
    "max_pe": 20,
})

# 全策略综合评分,并发 + HTML
result = execute({
    "strategy": "all",
    "mode": "score",
    "top_n": 50,
    "workers": 8,
    "report": True,
})

# 策略专属参数(支持 namespace 前缀)
result = execute({
    "strategy": "roe,valuation",
    "roe.roe_threshold": 20,    # ROE策略参数
    "valuation.max_pe": 15,     # 估值策略参数
})

返回格式

{
  "success": True,
  "results": [
    {
      "ts_code": "000001.SZ",
      "name": "平安银行",
      "industry": "银行",
      "score": 78.5,
      "strategies_hit": ["roe", "valuation"],
      "scores": {"roe": 45.2, "valuation": 33.3},
      # 以下为各策略专属字段
      "roe": 16.5, "roa": 8.2, "gross_margin": 35.1,
      "pe_ttm": 12.3, "pb": 1.1, "peg": 0.74,
    },
    ...
  ],
  "count": 42,
  "message": "[stock-selecter] AND 模式,耗时 89.3s",
  "metadata": {
    "strategies_used": ["roe", "valuation"],
    "mode": "and",
    "execution_time": 89.3,
    "per_strategy_counts": {"roe": 312, "valuation": 185},
    "saved_files": {
      "json": "/path/to/...",
      "csv":  "/path/to/...",
      "html": "/path/to/...",
    }
  }
}

参数说明

公共参数

参数默认说明
strategyroe策略名,逗号分隔,all=全部
modeandand/or/score
top_n0结果截断(0=不限)
workers1并发线程数(>1启用并发)
reportFalse是否生成 HTML 报告
saveTrue是否保存 JSON/CSV
output_dir自动输出目录

各策略专属参数

ROE (roe)

roe_threshold=15.0      # ROE 最低阈值(%)
roa_threshold=5.0      # ROA 最低阈值(%)
include_roa=True        # 是否同时筛选 ROA
min_report_periods=4   # 最少财报期数

MACD (macd)

k_slope_max=0.0         # K线斜率上限(正值=向上)
k_r2_min=0.3            # K线趋势 R² 下限
macd_slope_min=0.0      # MACD 斜率下限(正值=向上)
macd_r2_min=0.2         # MACD 趋势 R² 下限
require_divergence=True # 要求底背离
require_volume_surge=True# 要求放量
volume_surge_weeks=5    # 放量对比周数
volume_surge_threshold=1.5 # 放量倍数阈值

股息 (dividend)

min_dv_ratio=3.0        # 最低股息率(%)
min_consecutive_years=3 # 最少连续分红年数
min_roe=8.0             # 最低 ROE(%)
max_pe=30               # PE 上限

估值 (valuation)

max_pe=25.0             # PE 上限
max_pb=3.0             # PB 上限
max_peg=1.5            # PEG 上限(<1为低估)
industry_discount=0.85  # 行业基准折扣
min_roe=8.0            # 最低 ROE(%)

成长股 (growth)

min_revenue_growth=20.0   # 营收增速下限(%)
min_profit_growth=20.0   # 净利润增速下限(%)
min_gross_margin=30.0     # 毛利率下限(%)
min_consecutive_quarters=3# 连续净利润正增长季度数
min_roe=12.0             # 最低 ROE(%)

长期低位 (low_position)

lookback_days=250       # 历史价格窗口
low_position_pct=25.0  # 底部分位阈值(%)
rsi_max=40.0           # RSI 上限
rsi_window=14          # RSI 计算周期
data_period_years=2     # 数据拉取年数

近期放量 (volume_surge)

volume_surge_ratio=2.0   # 放量倍数阈值
volume_avg_days=20        # 均量计算周期
rsi_max=45.0            # RSI 上限
rebound_pct_min=3.0     # 最小反弹幅度(%)
rebound_days=5          # 反弹检测窗口
price_change_max=10.0  # 当日涨幅上限(%)
data_period_years=1     # 数据拉取年数

趋势 (trend)

ma_short=5             # 短期均线周期
ma_mid=20              # 中期均线周期
ma_long=60             # 长期均线周期
trend_r2_min=0.5       # 趋势 R² 下限
adx_min=25.0           # ADX 趋势强度下限
require_ma_bullish=True # 要求均线多头排列

形态 (pattern)

detect_double_bottom=True
detect_head_shoulders_bottom=True
detect_flag_breakout=True
detect_golden_cross=True
detect_morning_star=True
detect_bullish_engulfing=True
detect_cup_handle=True
min_pattern_score=1    # 最少命中形态数

布林带下轨 (bollinger)

bb_window=20           # 布林带周期
bb_std=2.0            # 标准差倍数
rsi_max=45.0          # RSI 上限
rsi_window=14         # RSI 周期
lookback_days=120     # 回看天数
price_change_max=9.0  # 当日涨幅上限(排除涨停)

筹码集中 (shareholder_concentration)

min_consecutive_quarters=3  # 连续减少季度数
max_holder_growth=-5.0     # 最大季度增长上限
min_roe=8.0               # 最低ROE
data_period_quarters=8      # 数据拉取期数

现金流质量 (cashflow_quality)

min_match_quarters=3      # 经营现金流>=净利润的季度数
total_periods=4            # 检测总期数
min_cashflow_ratio=0.8   # 经营现金流/净利润最小比率
min_roe=8.0              # 最低ROE
max_goodwill_pct=30.0    # 商誉/净资产上限(%)

北向资金 (northbound_flow)

min_consecutive_days=5     # 最少连续净买入天数
min_daily_net=1.0          # 单日最低净买入额(亿元)
min_total_net=5.0         # 累计最低净买入额(亿元)
lookback_days=20          # 回看天数
north_type=all            # all=全部/sh=沪股通/sz=深股通

股东增持 (shareholder_buyback)

min_buyback_ratio=0.5      # 最低增持占总股本比例(%)
min_consecutive_periods=1  # 最少增持期数
lookback_days=90          # 回看天数
holder_type=all           # all=任意/major=大股东/manager=高管
min_roe=8.0              # 最低ROE

分析师目标价 (analyst_target)

min_target_upside=20.0    # 最低目标价上行空间(%)
min_consecutive_forecasts=2# 最少连续盈利预测期数
forecast_years=2           # 预测年数
min_roe=8.0              # 最低ROE

输出文件

自动保存到 /Volumes/Alan HD/股票筛选/(Mac 外置硬盘),或指定目录:

  • screener_{策略}_{时间}.json — 完整原始数据
  • screener_{策略}_{时间}.csv — 表格格式
  • 选股报告_{时间}.html — 可交互可视化报告(需 --report

目录结构

stock-selecter/
├── main.py              ← 统一入口(CLI + execute())
├── SKILL.md             ← 本文件
├── config.json          ← 默认配置
├── strategies/
│   ├── base.py          ← 抽象基类(含并发执行引擎)
│   ├── roe.py
│   ├── macd.py
│   ├── dividend.py
│   ├── valuation.py
│   ├── growth.py
│   ├── low_position.py
│   ├── volume_surge.py
│   ├── trend.py
│   ├── pattern.py
│   ├── bollinger.py       ← v3.2 新增
│   ├── shareholder_concentration.py  ← v3.2 新增
│   ├── cashflow_quality.py          ← v3.2 新增
│   ├── northbound_flow.py           ← v3.3 新增
│   ├── shareholder_buyback.py       ← v3.3 新增
│   └── analyst_target.py             ← v3.3 新增
└── utils/
    ├── loader.py        ← 共享库动态加载
    └── report.py        ← HTML 报告生成器

并发说明

  • workers=1(默认):串行执行,稳定可靠
  • workers>1:ThreadPoolExecutor 并发,适合 IO 密集型(大量 API 调用等待)
  • MACD/趋势/放量等技术面策略建议开启并发(--workers 8
  • ROE/股息/估值等财务面策略数据量小,并发收益有限
  • 建议并发数不超过 16,避免触发 API 限流

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Related Skills

Related by shared tags or category signals.

General

GigaChat (Sber AI) Proxy

Integrate GigaChat (Sber AI) with OpenClaw via gpt2giga proxy

Registry SourceRecently Updated
3600smvlx
General

TencentCloud Video Face Fusion

通过提取两张人脸核心特征并实现自然融合,支持多种风格适配,提升创意互动性和内容传播力,广泛应用于创意营销、娱乐互动和社交分享场景。

Registry SourceRecently Updated
General

TencentCloud Image Face Fusion

图片人脸融合(专业版)为同步接口,支持自定义美颜、人脸增强、牙齿增强、拉脸等参数,最高支持8K分辨率,有多个模型类型供选择。

Registry SourceRecently Updated
General

YoudaoNote News

有道云笔记资讯推送:基于收藏笔记分析关注话题,推送最新相关资讯。支持对话触发与每日定时推送(如早上9点)。触发词:资讯推送、设置资讯推送、生成资讯推送。

Registry SourceRecently Updated
1.5K1lephix