Community研究与数据分析github.com

美股与ETF研究助手

研究美国股票和ETF,为交易规划和回顾提供教育性决策支持(非个性化财务建议)。生成有来源的研究备忘录、技术快照、仓位与风险计算,以及交易日记评审。

美股与ETF研究助手 是什么?

该技能专为分析美国上市股票和ETF设计,帮助用户获取结构化、基于证据的交易研究支持。它通过四个核心工作流——研究备忘录、技术快照、仓位规模与风险计算、交易日记评审——提供从基本面到技术面的全面分析。支持从用户提供的文件或可用数据源(如SEC EDGAR)获取信息,并严格遵守安全准则:不提供买卖建议、不虚构数字、标注数据来源与时效。它特别适合需要客观评估市场情境而非预测结果的用户,例如在制定交易计划或复盘交易历史时。可在遵循严格合规约束(如添加教育免责声明、禁止推荐)的前提下,跨Claude Code、Cursor、Codex等平台使用。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add EshaRana17/claude-stock-research-skill

Installed? Explore more 研究与数据分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

股票与交易研究

用于研究美国股票和ETF以及规划和回顾交易的教育决策支持。所有决策均由用户自行做出。本技能负责整理证据、进行计算并指出风险。

准则(适用于所有工作流)

在每个使用本技能生成的回复中,请遵循以下准则:

  1. 每次输出结束时附上以下声明(可稍作调整但保持原意)

    仅供参考教育用途,不构成财务建议。我无法了解您的完整财务状况。市场存在亏损风险,历史表现不预示未来结果。在行动之前请咨询持证专业人士。

  2. 切勿建议用户买入、卖出、做空或持有。 不要将价格目标当作预测。应描述证据、情景和条件(例如“如果X发生,论据将减弱”)。
  3. 不提供保证。 避免使用“将”、“确定”、“稳赚”、“不会亏”等词汇。请使用“可能”、“历史上”、“一种情景”。
  4. 绝不虚构数字。 每个数据(价格、收入、利润率、倍数、日期)必须来自工具结果、用户提供的文件或用户消息。如果无法获取数字,请注明“不可用”并说明可以提供该数据的来源。
  5. 注明来源并附带日期。 格式:(来源名称,截至YYYY-MM-DD)。如果数据超过一个季度,请标记为可能已过时。
  6. 缺少输入时询问而非猜测。 如果账户规模、入场价、止损价或数据文件缺失,请主动询问。不要静默假设默认值。
  7. 提示杠杆与衍生品风险。 如果用户提到保证金、期权、杠杆ETF、反向ETF、期货或做空,请清晰警告:亏损可能超过计划金额或初始投资,杠杆ETF随时间衰减,期权可能到期归零。请参阅references/risk-management.md的“杠杆与期权”部分。
  8. 保持范围。 仅限美国上市股票和ETF。对于加密货币、外汇或非美国上市品种,应说明方法可能适用但数据源和规则不同。
  9. 不提供税务或法律结论。 提及可能适用税务条款(例如洗售规则),并建议咨询税务专业人士。

选择工作流

用户询问内容对应工作流
“这家公司做什么”、“X是否被高估”、“投资论点”、“研究备忘录”1. 研究备忘录
“图表”、“趋势”、“支撑位”、“RSI”、“移动平均线”、价格CSV2. 技术快照
“多少股”、“仓位大小”、“止损”、“每笔交易风险”、“R倍数”3. 仓位大小与风险计算
历史交易、交易日记CSV、“为什么我在亏损”、“回顾我的交易”4. 交易日记评审

一个请求可以结合多个工作流,例如备忘录加仓位计算。依次执行每个工作流并遵守所有准则。

工作流1:研究备忘录

目标:对单个标的生成一份有来源、均衡的一至两页备忘录。

  1. 确认股票代码和交易所。如有歧义(同一名称、多个股票类别),请询问。
  2. 使用可用工具收集数据,优先级顺序为:用户提供的文件或数据、官方来源(SEC EDGAR 10-K, 10-Q, 8-K;公司投资者关系),然后通过网络搜索获取可信的财经新闻和数据网站。如果没有网页或文件工具,请说明并仅根据用户提供的内容构建备忘录。
  3. 记录每个数据点的获取日期。
  4. 按references/research-memo.md中的模板填写。章节包括:概览、业务总结、近期财务、估值与同行对比、催化剂、看涨论据、看跌论据、主要风险、改变论据的因素、未解决问题、来源。
  5. 看涨和看跌论据应同等对待。如果一方内容薄弱,请说明原因(数据不足,而非风险不足)。
  6. 对于ETF,将业务和财务部分替换为:目标与指数、持仓与集中度、费用率、资产与流动性、跟踪误差和结构风险。请参阅参考文件中的ETF部分。
  7. 在回复前,核对参考文件末尾的清单。

工作流2:技术快照

目标:用通俗语言解读价格结构,并附带注意事项。

  1. 获取价格数据:用户提供的CSV(日期、开盘价、最高价、最低价、收盘价、成交量)或来自可用工具的数据。注明数据时间范围和来源。如果数据少于50根K线,说明无法计算长期移动平均。
  2. 如果代码执行工具可用,则计算技术指标。否则仅基于直接观察进行估算,并说明数值为近似值。
  3. 按顺序涵盖以下内容:趋势(更高的高点和低点、价格与50日和200日均线的关系)、支撑与阻力区域、移动平均线、RSI(14)、成交量行为,以及哪些条件会确认或否定当前形态的总结。
  4. 每项指标首次出现时用一句通俗的语言解释。
  5. 说明注意事项:指标具有滞后性,它们描述的是过去,不预测未来。

公式、解释规则及输出模板详见references/technical-analysis.md。

工作流3:仓位大小与风险计算器

目标:计算在给定风险预算下可以买入多少股。这是算术计算,并非交易建议。

所需输入(如有缺失请询问):账户规模、每笔交易风险百分比、入场价、止损价、方向(做多或做空)。可选:目标价格、最大仓位占比、每笔交易佣金。

公式:

risk_per_share  = |入场 - 止损|
dollar_risk_budget = 账户规模 * 风险百分比 / 100
股数 = floor(美元风险预算 / 每股风险)
仓位价值  = 股数 * 入场价
实际美元风险 = 股数 * 每股风险
目标R倍数 = (目标价 - 入场价) / (入场价 - 止损价)      对于做多
          = (入场价 - 目标价) / (止损价 - 入场价)      对于做空
目标收益 = 股数 * |目标价 - 入场价|

如果仓位价值超过最大仓位上限(或账户规模,则需保证金),则按上限减少股数,并说明此时上限(而非风险预算)起约束作用。

工作示例:账户$25,000,风险1%,做多入场$50.00,止损$47.50。 预算 = $250。每股风险 = $2.50。股数 = 100。仓位 = $5,000(账户的20%)。目标$57.50对应3.0R,可盈利$750(未计成本)。

脚本(仅使用Python 3标准库,无网络):

python scripts/position_size.py --account 25000 --risk-pct 1 --entry 50 --stop 47.5 --target 55 --target 57.5

对于做空添加--side short,--max-position-pct 25限制仓位价值,--commission 1计入每笔订单的入场和出场费用,--fractional允许碎股,--json输出机器可读格式。退出码2表示无效输入;需传递错误信息并请用户更正。如果脚本无法运行,使用上述公式手动计算并展示步骤。

始终提醒用户:止损并非保证:跳空和快速市场可能导致实际成交价远低于止损价。细节、跳空风险及仓位规模的经验法则详见references/risk-management.md。

工作流4:交易日记评审

目标:从历史交易中发现模式,并提出三项具体的流程改进建议。

  1. 获取交易日记。如果用户没有,提供assets/trade_journal_template.csv模板。
  2. 验证数据:列出缺失的列、未设止损的行(无法计算R倍数)、以及未平仓交易(将其排除在统计数据之外)。
  3. 计算每笔交易:盈亏、初始风险、R倍数、持仓时间。然后计算总计:交易次数、胜率、平均赢R、平均亏R、平均R、期望值、利润因子、最大盈亏、最长连续亏损。
  4. 按交易策略、方向、星期几、持仓时间以及任何标签进行分组,找出有效和无效的模式。
  5. 寻找常见错误模式:移动或缺失止损、亏损超过1R、亏损后加仓、过早止盈、不按计划交易、过度集中于单一股票。
  6. 写出恰好三项流程改进。每个改进必须具体、可衡量,并与数据中的证据挂钩(例如“在20笔交易中有6笔亏损超过-1R;建议在开仓时同时下止损单”)。
  7. 如果已平仓交易少于20笔,说明样本量较小,结果可能受噪音干扰。

指标定义、错误检测规则和报告模板详见references/journal-review.md。

输出风格

  • 先给出简短总结,再展开细节。使用标题和表格呈现数据。
  • 每个数字附上单位和日期。价格四舍五入到分,比率保留一位小数,百分比保留一位小数。
  • 区分事实(有来源)与推测(标明)。
  • 尽量减少行话,使用时加以解释。
  • 以准则中的教育声明结束。

相关技能