金多多股票策略分析 Skill

任务目标

• 本 Skill 用于：根据技术指标和K线形态分析股票，匹配6种交易策略
• 能力包含：技术指标计算、形态识别辅助、策略评分与推荐
• 触发条件：用户提供股票数据或询问买卖时机、策略分析时

前置准备

• 依赖说明：scripts 脚本所需的依赖包

  pandas>=2.0.0
  numpy>=1.24.0
  

• 输入数据准备：准备股票历史数据，包含以下字段
  • 日期、开盘价、最高价、最低价、收盘价、成交量
  • 支持 CSV 文件或 JSON 格式
  • 数据格式说明见 references/strategy-guide.md

操作步骤

• 标准流程：

  1. 数据准备：用户提供股票历史数据（CSV 文件或 JSON 格式）
  2. 指标计算：调用 scripts/technical_indicators.py 计算技术指标
     • 该脚本会计算移动平均线（MA5/10/20/60）、MACD 指标、成交量分析
     • 输出结构化的指标数据
  3. 形态识别与策略匹配：智能体根据计算结果和 K 线数据，识别技术形态
     • 识别 K 线形态（出水芙蓉、金针探底、看跌吞没等）
     • 匹配策略条件（见 references/strategy-guide.md）
  4. 评分与推荐：根据策略条件计算得分，输出匹配的策略和操作建议
  5. 生成报告：输出包含策略类型、操作建议、关键信号、风险提示的分析报告

• 可选分支：

  • 当 数据不足（少于20个交易日）→ 提示用户补充数据，策略判断可能不准确
  • 当 信号模糊（多个策略条件接近）→ 标记为"观望等待"（策略六），建议继续观察
  • 当 满足多个买入策略 → 选择得分最高的策略，并列出次要信号

资源索引

• 必要脚本：见 scripts/technical_indicators.py（用途：计算 MA、MACD、成交量等技术指标）
• 领域参考：见 references/strategy-guide.md（何时读取：策略匹配、形态识别时）
• 输出资产：无固定模板，根据分析结果动态生成报告

注意事项

• 本 Skill 仅基于技术分析，不构成投资建议
• 所有技术指标计算由脚本完成，确保数据准确性
• K 线形态识别和策略判断由智能体基于数据分析完成
• 评分机制仅供参考，实际操作需结合市场环境和个人风险偏好
• 建议至少提供 60 个交易日的数据以获得更准确的分析结果

使用示例

示例1：从 CSV 文件分析股票

• 功能说明：读取股票 CSV 数据，计算指标并匹配策略
• 执行方式：调用脚本 + 智能体分析
• 关键步骤：

  python scripts/technical_indicators.py --input stock_data.csv
  

• 指导要点：CSV 需包含日期、开盘、最高、最低、收盘、成交量字段

示例2：从 JSON 数据快速分析

• 功能说明：直接传入 JSON 格式的股票数据进行分析
• 执行方式：调用脚本 + 智能体分析
• 关键步骤：

  echo '{"data":[{"date":"2024-01-01","open":10.0,"high":10.5,"low":9.8,"close":10.2,"volume":1000000}]}' | 
  python scripts/technical_indicators.py --input-format json
  

• 指导要点：JSON 数组需包含完整的 OHLCV 数据

示例3：策略条件查询

• 功能说明：用户询问特定策略的判断条件
• 执行方式：仅智能体（无需脚本）
• 关键步骤：读取 references/strategy-guide.md 中的策略定义，解释给用户
• 指导要点：策略六（观望等待）是所有其他策略不匹配时的默认选项