A股三层选股模型 — 量化筛选 → 定性分析 → 择时操作。用于主动选股、持仓诊断、机会扫描。当用户说「选股」「帮我看看有哪些好股」「扫描市场」「符合什么条件才能买」「筛选强势股」时使用。
A股三层选股模型
功能概述
A股三层选股模型是一项面向实际任务的技能，主要用于基于「量化筛选 → 定性分析 → 择时操作」三层漏斗模型，从全市场5000+只A股中筛选出最优标的；第一层：量化筛选（机选）；
核心要点
- 读取 references/screening-rules.md ，按以下5维度等权重筛选：；
- 50~500亿；
- MA15 > MA60；
使用与执行
近5日均换手率 > 2%；MACD金叉且柱状体放大；股价在筹码低位或突破密集区；过滤规则： 满足。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。
结果检查与注意事项
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。该技能适合用于一次性任务，也可以接入自动化工作流，与其他技能或上层代理配合完成更完整的业务链路；在组合使用时，应明确每一步的输入输出关系，并避免不同步骤之间出现参数冲突。
A股三层选股模型
基于「量化筛选 → 定性分析 → 择时操作」三层漏斗模型，从全市场5000+只A股中筛选出最优标的。
工作流程
第一层：量化筛选（机选）
读取 references/screening-rules.md，按以下5维度等权重筛选：
| 维度 | 条件 | 权重 |
|---|---|---|
| 市值 | 50~500亿 | 20% |
| 动量 | MA15 > MA60 | 20% |
| 换手 | 近5日均换手率 > 2% | 20% |
| MACD | MACD金叉且柱状体放大 | 20% |
| 位置 | 股价在筹码低位或突破密集区 | 20% |
过滤规则： 满足 ≥3/5 项 → 进入第二层
数据获取： 使用 AkShare 接口（参考 references/akshare-guide.md）
第二层：定性分析（人选）
对通过第一层的标的，逐只进行定性验证：
- 基本面：净利润增速 > 15%、ROE > 12%、无明显财务恶化
- 行业：属于政策支持主线（AI/半导体/军工/新能源/消费）
- 催化：近期有实质利好（订单/政策/业绩超预期/重组）
- 筹码：主力筹码集中，上方套牢盘不重
- 龙头：细分行业龙头或技术领先优势
过滤规则： 满足 ≥4/5 项 → 进入第三层
第三层：择时操作
对通过第二层的标的，给出具体操作方案：
- 买入区间（精确价格）
- 止损价（结构失效位）
- 第一目标价
- 仓位建议
- 风险等级（低/中/高）
执行顺序
- 读取
references/screening-rules.md— 获取量化筛选参数 - 读取
references/analysis-framework.md— 获取定性分析框架 - 运行
scripts/screen.py— 执行全市场扫描（输出初筛名单） - 对初筛名单逐只做定性验证
- 输出最终买入名单（含操作方案）
输出格式
## 初筛结果 [满足条件的标的列表] ## 定性验证 [每只标的的5维度评分] ## 买入名单（含操作方案） | 股票 | 代码 | 行业 | 买入区间 | 止损 | 目标 | 仓位 | 风险 | |------|------|------|---------|------|------|------|------|
数据来源
- 实时行情：
stock_zh_a_spot_em（东方财富） - 日线历史：
stock_zh_a_hist（AkShare） - 财务数据：
stock_financial_analysis_indicator（如果能获取） - 资金流：
stock_individual_fund_flow（如果能获取） - 筹码分布：
stock_cyq_em（如果能获取）
详细接口用法见 references/akshare-guide.md
重要原则
- 量化初筛不选市值<50亿或>500亿的标的（流动性风险/壳价值）
- 只选有催化逻辑的标的，禁止盲目选"超跌"
- 择时方案必须带止损位，没有止损位的标的直接排除
- 每次选股输出不超过5只标的（聚焦）
- 如果市场整体趋势向下（如MA60空头排列），主动提示降低仓位
热门AI工具
相关专题
本专题介绍Gradle插件开发的基本流程，涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法，帮助你理解插件如何组织构建逻辑，减少多个项目之间的重复配置。
0
2026.10.22
本专题介绍Gradle Wrapper的基本作用，涵盖文件组成、生成方法、版本配置和任务调用，帮助你理解项目如何使用指定的Gradle版本，减少不同开发环境带来的构建差异。
0
2026.10.22
本专题整理Golangci-lint常用Linters的用途与配置方法，覆盖错误处理、无效代码、安全、复杂度、命名和依赖检查，帮助项目合理选规则。
0
2026.10.22
本专题介绍Gradle Java项目构建方法，涵盖Java插件配置、依赖声明、源码编译、测试执行和打包检查，帮助你理解各阶段的任务关系，逐步完成项目构建。
0
2026.10.22
本专题汇总PHP常见时间戳漏洞，包括2038年溢出、时区漂移、时间戳伪造、重放攻击、时间盲注与日志审计失效等，并给出升级64位环境、使用 DateTimeImmutable、统一UTC、严格超时校验、预处理绑定、hash_equals 比对等修复方案，帮助开发者快速排查和加固时间相关代码。
0
2026.10.22
本专题聚焦Golangci-lint YAML配置文件，讲清运行参数、规则启停、目录排除、问题过滤及严重级别设置，便于团队统一检查标准。
0
2026.10.22
本专题讲解Golangci-lint的安装、初始化、基础命令和首次代码检查，覆盖本地环境、Docker及多平台用法，帮助Go开发者快速上手。
0
2026.10.22
PHP2Shell漏洞是什么，哪些PHP版本和运行环境会受到影响，服务器应该如何检测与修复？本专题提供版本自查脚本、Linux与Docker升级命令、PHP-FPM和Apache排查步骤，以及修复验证、临时缓解和应急响应方案。
0
2026.10.22
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 | 161.5万人学习
共6课时 | 54.7万人学习
最新文章
