shield_lock
金大哥
← 返回 Skill 列表
extension
分类: 其它需要 API Key

量化选股系统 - 基于 AKShare + 多因子模型的 A 股选股工具

量化选股系统：基于 AKShare 与多因子模型，对技术面、基本面、资金面、筹码峰、集中度、成交量六大维度综合评分，融合财联社与新浪财经消息并去重，每日自动推荐 Top3 股票。

person作者: jeckygohubclawhub
open_in_new仓库download下载资源包

⚠️ 重要风险提示 ⚠️

在使用本量化选股系统前，请务必仔细阅读以下风险提示：

1. 投资风险

  • 股市有风险，投资需谨慎：股票市场存在固有风险，可能导致本金损失
  • 历史业绩不代表未来收益：过往回测数据和胜率仅供参考，不代表未来表现
  • 无收益保证：本系统不保证任何收益，使用者应自行承担投资风险
  • 市场波动风险：股市受宏观经济、政策、国际局势等多重因素影响，波动较大

2. 工具局限性

  • 数据延迟：AKShare 数据可能存在 15 分钟延迟
  • 模型风险：量化模型基于历史数据，可能无法适应市场变化
  • 技术风险：系统可能出现故障、数据错误等技术问题
  • 消息面风险：周末消息可能影响周一开盘，系统无法预测突发消息

3. 使用建议

  • 止损纪律：建议设置 -8% 止损，严格执行
  • 仓位控制：单只股票不超过 20% 仓位，总仓位不超过 60%
  • 分散投资：不建议全仓单吊一只股票
  • 独立判断：本系统推荐仅供参考，请结合独立判断
  • 风险承受能力：请根据自身风险承受能力合理使用

4. 免责声明

  • 仅供参考：本系统提供的信息仅供参考，不构成投资建议
  • 自主决策：使用者应自主决策，自行承担投资风险
  • 无连带责任：作者不对使用本系统造成的任何损失承担责任
  • 合法合规：使用者应遵守当地法律法规，合法合规使用

5. 适用人群

  • ✅ 有一定股票投资经验的投资者
  • ✅ 能够承受一定投资风险的投资者
  • ✅ 能够严格执行止损纪律的投资者
  • ❌ 不适合投资新手
  • ❌ 不适合风险承受能力低的投资者
  • ❌ 不适合期望保本保收益的投资者

使用本系统即表示您已阅读并理解以上风险提示，愿意自行承担投资风险。

量化选股系统 Skill

基于 AKShare + 多因子模型的 A 股量化选股工具，六大维度综合评分，每日自动推荐 Top 3 个股。

功能特点

六大维度综合评分

| 因子 | 权重 | 说明 | |------|------|------| | 技术面 | 30% | 均线、MACD、RSI、布林带、成交量 | | 基本面 | 25% | PE、PB、ROE、增长率 | | 资金面 | 15% | 主力流入、成交量放大 | | 筹码峰 | 10% | 上方压力、获利盘、近期涨幅 | | 90% 集中度 | 10% | 主力控盘程度（<10% 为优秀） | | 成交量震荡 | 10% | 2 周内放量 2-5 倍 + 短期震荡 |

核心功能

  1. 每日选股推荐（周一至周五 14:00 自动）

    • 从 5830 只 A 股中筛选 Top 3
    • 详细推荐理由（技术面/基本面/资金面/筹码面/热点题材）
    • 买入价、卖出价、止损价、持有天数

  2. 胜率统计面板（周一至周五 15:30 自动）

    • 累计推荐数量
    • 胜率统计
    • 平均收益
    • 历史对比

  3. 消息面分析

    • 财联社 + 新浪财经
    • 自动去重
    • 热点题材提取

  4. 周末消息分析（周日 20:00 自动）

    • 周末重要消息整理
    • 受益个股分析
    • 周一操作建议

  5. 邮件推送

    • 推荐结果详细报告
    • 胜率统计面板
    • 周末消息分析

安装

1. 通过 ClawHub 安装（推荐）

clawhub install quant-stock-selector

2. 手动安装

cd ~/.openclaw/skills
git clone https://github.com/quant-dev/quant-stock-skill.git
cd quant-stock-skill
pip3 install -r requirements.txt

3. 配置邮箱

编辑 config/email_config.py：

EMAIL_ACCOUNT = "your_email@163.com"
EMAIL_PASSWORD = "your_auth_code"  # 163 邮箱授权码（非登录密码）
EMAIL_TO = "your_email@163.com"

获取 163 邮箱授权码：

  1. 登录 163 邮箱
  2. 设置 → POP3/SMTP/IMAP
  3. 开启 SMTP 服务
  4. 生成授权码

4. 设置定时任务

# 每日选股推荐（周一至周五 14:00）
0 14 * * 1-5 cd ~/.openclaw/skills/quant-stock-skill && python3 tools/daily_recommender.py

# 胜率统计（周一至周五 15:30）
30 15 * * 1-5 cd ~/.openclaw/skills/quant-stock-skill && python3 tools/performance_tracker.py

# 周末消息分析（周日 20:00）
0 20 * * 0 cd ~/.openclaw/skills/quant-stock-skill && python3 tools/weekend_news_analyzer.py

使用方法

命令行使用

# 每日选股推荐
python3 tools/daily_recommender.py

# 胜率统计
python3 tools/performance_tracker.py

# 周末消息分析
python3 tools/weekend_news_analyzer.py

# 手动选股（指定股票代码）
python3 tools/stock_analyzer.py --code 001207

OpenClaw 中使用

# 选股推荐
openclaw skill run quant-stock-selector --action recommend

# 胜率统计
openclaw skill run quant-stock-selector --action stats

# 周末消息
openclaw skill run quant-stock-selector --action weekend-news

邮件订阅

系统会自动发送邮件到配置的邮箱：

  • 周一至周五 14:00：选股推荐详细报告
  • 周一至周五 15:30：胜率统计面板
  • 周日 20:00：周末消息分析

输出示例

选股推荐

📈 量化选股推荐 - 2026-03-29

1. 联科科技 (001207) ⭐⭐⭐【70 分 - 首选】
   当前价：30.86 元
   建议买入价：28.93 元（5 日线支撑）
   目标价：33.27 元（+15%）
   止损价：26.62 元（-8%）
   预期收益：+15%
   风险收益比：1:2.5
   
   详细理由：
   - 技术面：均线多头，MACD 金叉，RSI 合理
   - 基本面：PE 合理，ROE 良好
   - 资金面：成交量放大，主力净流入
   - 筹码面：上方压力小，获利盘多
   - 热点题材：锂电池/半导体材料

2. 德新科技 (603032) ⭐⭐【60 分 - 次选】
   ...

3. 永太科技 (002326) ⭐⭐【60 分 - 次选】
   ...

胜率统计

📊 胜率统计面板 - 2026-03-29

累计推荐：15 只
盈利数量：11 只
亏损数量：4 只
胜率：73.3%
平均收益：+12.5%

历史统计：
日期       推荐数  盈利数  胜率    平均收益
2026-03-29   3      2     66.7%   +8.5%
2026-03-28   3      3     100%    +15.0%
...

选股逻辑

筛选流程

1. 获取全部 A 股（5830 只）
   ↓
2. 初步筛选（排除 ST/高价/高 PE/仅主板）
   ↓
3. 约 2500-3000 只
   ↓
4. 计算六大因子得分
   ↓
5. 综合得分排序
   ↓
6. 选取 Top 3
   ↓
7. 生成详细推荐报告

评分标准

| 得分 | 评级 | 操作建议 | |------|------|---------| | ≥80 分 | ✅ 强烈推荐 | 优先买入 | | 70-79 分 | ✅ 推荐 | 可买入 | | 60-69 分 | 🟡 观望 | 谨慎买入 | | <60 分 | ❌ 不推荐 | 放弃 |

预期效果

| 指标 | 传统选股 | 本系统 | 提升 | |------|---------|-----------|------| | 胜率 | 50-60% | 70-80% | +20% | | 平均收益 | +2-5% | +10-20% | +15% | | 封板概率 | 5-10% | 30-40% | +30% | | 主力控盘股比例 | 30-40% | 70-80% | +40% |

⚠️ 注意：以上数据为历史回测结果，不代表未来收益。

风险提示

⚠️ 使用本系统前，请务必阅读以下风险提示：

1. 投资风险

  • 股市有风险，投资需谨慎：股票市场存在固有风险，可能导致本金损失
  • 历史业绩不代表未来收益：过往回测数据和胜率仅供参考，不代表未来表现
  • 无收益保证：本系统不保证任何收益，使用者应自行承担投资风险
  • 市场波动风险：股市受宏观经济、政策、国际局势等多重因素影响，波动较大

2. 工具局限性

  • 数据延迟：AKShare 数据可能存在 15 分钟延迟
  • 模型风险：量化模型基于历史数据，可能无法适应市场变化
  • 技术风险：系统可能出现故障、数据错误等技术问题
  • 消息面风险：周末消息可能影响周一开盘，系统无法预测突发消息

3. 使用建议

  • 止损纪律：建议设置 -8% 止损，严格执行
  • 仓位控制：单只股票不超过 20% 仓位，总仓位不超过 60%
  • 分散投资：不建议全仓单吊一只股票
  • 独立判断：本系统推荐仅供参考，请结合独立判断
  • 风险承受能力：请根据自身风险承受能力合理使用

4. 免责声明

  • 仅供参考：本系统提供的信息仅供参考，不构成投资建议
  • 自主决策：使用者应自主决策，自行承担投资风险
  • 无连带责任：作者不对使用本系统造成的任何损失承担责任
  • 合法合规：使用者应遵守当地法律法规，合法合规使用

5. 适用人群

  • ✅ 有一定股票投资经验的投资者
  • ✅ 能够承受一定投资风险的投资者
  • ✅ 能够严格执行止损纪律的投资者
  • ❌ 不适合投资新手
  • ❌ 不适合风险承受能力低的投资者
  • ❌ 不适合期望保本保收益的投资者

文件结构

quant-stock-skill/
├── SKILL.md                  # Skill 描述文件
├── README.md                 # 使用说明
├── requirements.txt          # 依赖
├── LICENSE                   # 许可证
├── .gitignore                # Git 忽略文件
├── tools/
│   ├── daily_recommender.py  # 每日选股推荐
│   ├── performance_tracker.py # 胜率统计
│   ├── weekend_news_analyzer.py # 周末消息分析
│   ├── news_analyzer.py      # 消息面分析
│   ├── stock_analyzer.py     # 个股分析
│   └── send_email.py         # 邮件发送
├── factors/
│   ├── factor_calculator.py  # 综合因子计算
│   ├── chip_distribution.py  # 筹码峰 +90% 集中度
│   └── volume_spike_oscillation.py # 成交量震荡
├── data/
│   └── akshare_data.py       # AKShare 数据获取
├── config/
│   └── email_config.py       # 邮箱配置
├── docs/
│   ├── WEIGHT_ALLOCATION.md  # 权重分配说明
│   ├── CONCENTRATION_90_RULE.md # 90% 集中度规则
│   ├── STOCK_SELECTION_LOGIC.md # 选股逻辑
│   └── VOLUME_SPIKE_OBSERVATION.md # 成交量震荡
├── examples/
│   └── sample_output.md      # 输出示例
├── recommendations/          # 推荐记录（自动生成）
└── performance_stats/        # 统计面板（自动生成）

常见问题

Q: 为什么推荐的都是主板股票？

A: 创业板（300/301）和科创板（688）波动大，风险高，系统默认只推荐主板股票。如需修改，请编辑 tools/daily_recommender.py 中的筛选条件。

Q: 胜率如何统计？

A: 每日 15:30 自动统计当日推荐个股表现，计算收益率和胜率。统计数据保存在 performance_stats/ 目录。

Q: 如何调整选股标准？

A: 编辑 factors/factor_calculator.py 中的权重分配。建议保持默认设置，除非您有充分的理由。

Q: 邮件发送失败怎么办？

A: 检查以下几点：

  1. 邮箱配置是否正确
  2. 163 邮箱需要使用授权码而非登录密码
  3. 是否开启了 SMTP 服务
  4. 防火墙是否阻止了 465 端口

Q: 胜率低于预期怎么办？

A: 这是正常现象。历史回测胜率 70-80% 不代表实际使用也能达到。建议：

  1. 严格执行止损纪律
  2. 控制仓位，不要全仓单吊
  3. 结合独立判断，不要盲目跟随
  4. 持续学习，提高投资水平

Q: 能否保证收益？

A: 不能。任何声称能保证收益的都是骗局。股市有风险，投资需谨慎。本系统仅供参考，不构成投资建议。

更新日志

v1.0.0 (2026-03-29)

  • ✅ 初始版本发布
  • ✅ 六大维度综合评分
  • ✅ 每日自动选股推荐
  • ✅ 胜率统计面板
  • ✅ 消息面分析
  • ✅ 邮件推送
  • ✅ 周末消息分析
  • ✅ 详细风险提示

作者

  • Author: Quant Developer
  • Email: quant_dev@example.com
  • GitHub: https://github.com/quant-dev

许可证

MIT License

详见 LICENSE 文件。

免责声明

本 Skill 仅供参考，不构成投资建议。

  • 股市有风险，投资需谨慎
  • 历史业绩不代表未来收益
  • 使用者应自行承担投资风险
  • 作者不对使用本系统造成的任何损失承担责任

使用本系统即表示您已阅读并理解以上风险提示，愿意自行承担投资风险。

支持

如有问题，请通过以下方式联系：

  • GitHub Issues: https://github.com/quant-dev/quant-stock-skill/issues
  • Email: quant_dev@example.com

感谢使用量化选股系统！祝投资顺利！ 📈