本技能由国信证券股份有限公司研发,提供全市场ETF产品的智能筛选与多维分析服务,是投资者进行ETF投资决策、资产配置的高效工具。
ETF智能筛选
功能概述
ETF智能筛选是一项面向实际任务的技能,主要用于技能调用方式;1. 专业榜单筛选;
核心要点
- 通过专业榜单直接获取筛选结果,支持以下榜单:;
- classId;
- listId;
使用与执行
T+0短线突破;中长期精选;高分红低波动;能涨又能跌;低估且优质;低估且弹性大;稳做绩优生;全市场热门;平衡资产配置;
结果检查与注意事项
2. 自定义筛选;支持7大维度24个指标的筛选:;class1;行业-1, 宽基-2, 风格策略-3。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
ETF智能筛选
技能调用方式
python /workspace/projects/gs-etf-filter/scripts/get_data.py --help
功能范围
1. 专业榜单筛选
通过专业榜单直接获取筛选结果,支持以下榜单:
| classId | 榜单分类 | listId | 榜单名称 |
|---|---|---|---|
| 1 | 短线热榜 | 11 | 热点赛道 |
| 1 | 短线热榜 | 13 | T+0短线突破 |
| 2 | 中长期精选 | 21 | 高分红低波动 |
| 2 | 中长期精选 | 22 | 能涨又能跌 |
| 2 | 中长期精选 | 23 | 低估且优质 |
| 2 | 中长期精选 | 24 | 低估且弹性大 |
| 2 | 中长期精选 | 25 | 稳做绩优生 |
| 3 | 特色品种 | 31 | 全市场热门 |
| 3 | 特色品种 | 32 | 平衡资产配置 |
2. 自定义筛选
支持7大维度24个指标的筛选:
| 维度 | 指标 | 参数名 | 说明 |
|---|---|---|---|
| 基本信息 | 一级类型 | class1 | 行业-1, 宽基-2, 风格策略-3, 跨境-4, 债券-5, 黄金-6, 货币-7 |
| 基本信息 | 二级类型 | class2 | 科技-11, 金融地产-12, 军工-13, 制造-14, 消费-15, 医药-16, 周期-17, 其它-18等 |
| 基本信息 | 规模 | endamt | 单位:亿,多区间用分号连接,如"10,50"表示10-50亿 |
| 基本信息 | 成立年限 | estyear | 大于等于n年传n |
| 基本信息 | 费率 | tgfandglf | 托管费+管理费之和,单位%,如"0,0.3"表示≤0.3% |
| 基本信息 | 基金公司 | tacode | 基金公司代码 |
| 基本信息 | 基金经理规模 | mgrAmount | 单位:亿,如"5,10"表示5-10亿 |
| 交易属性 | T+0 | isT0 | 1-是 |
| 交易属性 | 融资融券 | isrzrq | 1-是 |
| 交易属性 | 20%涨跌幅 | is20perrange | 1-是 |
| 交易属性 | 短线突破 | isdxtp | 1-是 |
| 交易属性 | 低波 | isLowwave | 1-是 |
| 收益表现 | 净值涨跌幅 | profit | 格式:profit1w:5,6;profit1m:-5.2,6.9 |
| 收益表现 | 涨跌幅排名 | profitrank | 格式:profit1wrank:5.6 |
| 收益表现 | 定投回测 | dt | 格式:dt1y:5,6 |
| 风险波动 | 回撤 | drawback | 格式:drawback1y:20 |
| 风险波动 | 波动率 | std | 格式:std1yrank:5.6 |
| 风险波动 | 夏普比率 | sharpe | 格式:sharpe1yrank:5.6 |
| 行情指标 | 价格涨跌幅 | pricerange | 格式:range5d:5,6 |
| 行情指标 | 溢价率 | premiumrate | 格式:5,6 表示5%~6% |
| 行情指标 | 成交额 | matchamt | 单位:万 |
| 行情指标 | 日均成交额 | avg20dmatchamt | 20日日均成交额 |
| 基本面 | 指数估值 | temperRegion | 1-高温,2-较高温,3-常温,4-较低温,5-低温 |
| 基本面 | 行业景气度 | hayjqidu | 高:-3, 中:-2, 低:-1 |
| 基本面 | 指数股息率 | diviendyield | 格式:5,6 表示5%~6% |
| 趋势热度 | 人气排名 | hotrank | 如100表示前100名 |
| 趋势热度 | 行业趋势度 | hyqsdu | 强:-3, 中:-2, 弱:-1 |
环境要求
- Python 3.13 及以上版本
前置准备
获取API Key
该技能依赖国信证券小信智慧助手的数据服务,需要先配置API Key。
配置步骤:
- 访问 https://www.guosen.com.cn/gs/xxskills/key-index.html?softName=tx_skills 注册/登录账号
- 登录后获取您的API Key。登录位置:网页一级标题栏-登录。登录后,点击账号,在弹窗上可一键复制API Key。
- 在技能凭证配置中填入API Key
API Key持久化存储(重要)
当用户提供API Key并完成凭证配置后,智能体必须执行以下操作:
立即写入memory.md:
- 创建或更新
./memory.md文件 - 添加以下内容:
## 国信证券ETF筛选服务配置 - API Key: [用户提供的API Key] - 环境变量名: COZE_GUOSEN_API_KEY_7627056463827140634 - 配置时间: [当前时间]
- 创建或更新
后续调用脚本时设置环境变量:
- 从memory.md读取API Key
- 在调用脚本前设置环境变量:
import os api_key = 从memory.md读取的API Key os.environ["COZE_GUOSEN_API_KEY_7627056463827140634"] = api_key
- 然后调用脚本执行ETF筛选
确认存储成功:告知用户API Key已保存,后续使用无需重复配置
注意事项:
- memory.md用于智能体长期记忆,确保API Key在会话间保持有效
- 环境变量
COZE_GUOSEN_API_KEY_7627056463827140634是脚本读取API Key的唯一途径 - 每次调用脚本前必须设置该环境变量,否则脚本将无法获取API Key
- 如用户更换API Key,需同步更新memory.md中的配置
安装依赖
依赖已在SKILL.md前言区定义,系统会自动安装。
智能体调用脚本流程
智能体在调用脚本执行ETF筛选时,必须遵循以下流程:
检查并读取memory.md:
- 检查
./memory.md文件是否存在 - 读取其中的API Key和环境变量名
- 检查
设置环境变量:
import os # 从memory.md读取API Key api_key = "从memory.md读取的API Key" # 设置环境变量 os.environ["COZE_GUOSEN_API_KEY_7627056463827140634"] = api_key
调用脚本执行筛选:
python /workspace/projects/gs-etf-filter/scripts/get_data.py [参数]
读取结果并展示:
- 读取脚本输出的txt或xlsx文件
- 格式化展示ETF数据
注意事项:
- 每次调用脚本前都必须设置环境变量
- 如果memory.md中不存在API Key,需要提示用户先配置
- 环境变量名必须是
COZE_GUOSEN_API_KEY_7627056463827140634,不能更改
输出说明
脚本会在 /workspace/projects/gs-etf-filter/scripts/output/ 目录下生成中间结果文件(xlsx、txt),这些文件仅用于数据存储,不应向用户展示文件路径或文件内容。
智能体输出要求
智能体在脚本执行完成后,必须:
- 读取脚本输出的txt或xlsx文件,解析其中的数据
- 直接将筛选到的全部ETF以表格或列表形式完整呈现给用户(最多100只),不得省略或截断,仅需展示以下字段:
- ETF名称(产品名称)
- ETF代码(产品代码)
- ETF价格(最新价)
- ETF最新涨跌幅(实时涨跌)
- ETF规模(最新规模/规模(亿))
- ETF成立年限
- 首行说明筛选到的ETF只数和本次筛选条件
- 末行固定输出:筛选结果展示满足条件的前100只ETF。
- 不得向用户展示文件路径、文件名等中间文件信息
使用示例
专业榜单调用
python /workspace/projects/gs-etf-filter/scripts/get_data.py --list-id 21 --class-id 2 python /workspace/projects/gs-etf-filter/scripts/get_data.py --list-id 13 --class-id 1 --order-col nowrange
自定义筛选调用
# 筛选规模>10亿且管理费率<0.5%的宽基ETF python /workspace/projects/gs-etf-filter/scripts/get_data.py --class1 2 --endamt "10,100000" --tgfandglf "0,0.5" # 筛选近1年业绩排名前25%的行业ETF python /workspace/projects/gs-etf-filter/scripts/get_data.py --class1 1 --profitrank "profit1yrank:25" # 按夏普比率排序 python /workspace/projects/gs-etf-filter/scripts/get_data.py --class1 1 --order-col sharpe1yrank --order-type 1
补充说明
- 本技能面向ETF筛选分析,不提供投资建议
- 支持中英文输入
- 筛选结果最多返回满足条件的前100只ETF
- 脚本取数完成后,智能体应读取结果文件,直接向用户呈现数据表格和分析报告,不得展示文件路径
- 智能体在首次配置API Key后,必须将API Key写入memory.md进行持久化存储
- 后续使用时,智能体应从memory.md读取API Key,无需用户重复提供
必须输出的声明内容
每次调用本SKILL后,智能体必须在输出末尾附上以下风险提示:
风险提示:筛选结果展示满足条件的前100只ETF。
热门AI工具
相关专题
本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。
0
2026.11.17
本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。
0
2026.11.17
本专题整理GoFrame框架的入门知识,从模块化设计理念、环境准备到跑通第一个Web服务,讲清目录分层、配置加载、日志与中间件的用法,并对比Gin、Go-Zero的差异,帮助Go开发者建立整体认知。
0
2026.11.17
SQLAlchemy 一对多关系怎么建立?本专题整理父子表外键、relationship 双向映射、关联查询、级联删除和加载优化等相关文章,帮助你理解并实现常见的 ORM 关系建模。
0
2026.11.17
SQLAlchemy 如何增删改查?本专题整理 ORM 新增记录、条件查询、更新和删除、Session 事务提交与批量处理等实用文章,帮助你掌握 Python 数据库操作流程。
0
2026.11.17
SQLAlchemy ORM 模型怎么写?本专题整理模型类定义、Mapped 字段映射、主键与约束、表结构创建和常见报错的相关文章,帮助你从基础配置到实际建模逐步掌握 SQLAlchemy。
0
2026.11.17
本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。
0
2026.11.12
本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。
0
2026.11.12
本专题整理Go-Zero的入门知识,从框架定位、环境准备到跑通第一个API服务,讲清目录分层、配置加载、日志与中间件的基本用法,并对比Gin、Kratos的差异,帮助Go开发者建立整体认知,判断它是否适合当前项目。
0
2026.11.12
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.9万人学习
共6课时 | 54.7万人学习