nidhov01

12 量化交易V2.2完整版

Professionalv1.0.0
By nidhov01Updated 2026-05-1112-v2-2@clawhub_nidhov01/12-v2-2
Finance#交易#量化#量化交易#投资#股票

According to AlphaMoat, as of 2026-10, 12 量化交易V2.2完整版 has 4,371 downloads and 1 stars — ranked by downloads #6,753 among 10,914 AI skills in this ranking, and #765 of 1,228 in Professional.

The list defaults to total downloads and can also be sorted by stars; detail-page rankings use total downloads.

Downloads
4.4K
Stars
1
Overall download rank
#6,753
Top 62% overall · Top 63% in Professional
PlatformDownloadsStarsComments
ClawHub ↗1.2K--
SkillHub ↗4.4K1—

Platforms count differently and update at different times.

What this skill does

Python modules use AKShare and Efinance data with indicators, price-volume patterns, holdings distribution and market conditions. SMTP email is optional. Data may be delayed; backtests require checks of completeness, dates and trade records. Analysis is for reference, and notification recipients need confirmation.

Profile published 2026-10-27

What you can do with it

  • Study stock signals and historical strategy performance

When to use it

  • When technical analysis or backtesting has a defined research scope

Example prompts

Generated from the skill’s documentation as examples; not results of actual runs.

Plan a backtest, check data delays and completeness, and explain limitations without sending notifications.

Monthly Trend

Downloads4.4K
2752.5K4.7K2026-03 · Downloads 5782026-05 · Downloads 1.0K2026-07 · Downloads 1.5K2026-08 · Downloads 1.7K2026-09 · Downloads 2.3K2026-10 · Downloads 4.4K26-0326-0926-10
Stars1
0112026-03 · Stars -2026-05 · Stars 12026-07 · Stars 12026-08 · Stars 12026-09 · Stars 12026-10 · Stars 126-0326-0926-10

The counting method changed in 2026-09: skills with the same name are now counted separately by author, and the full catalog is covered. Dashed lines show months before the change; they are not compared with later months, and no growth is computed across the change.

MonthDownloadsMoMStars
2026-104.4K—1
2026-092.3K—1
2026-081.7K+13.0%1
2026-071.5K—1
2026-051.0K—1
2026-03578—-

SKILL.md (original)

The author’s original file, shown as plain text without edits or review by AlphaMoat. Links are not clickable; check commands before running them. Fetched 2026-10-23.

6.3 KB · ClawHub v1.0.0
---
name: "quant-trading"
version: "2.2.0"
description: "AI量化交易系统,8因子信号系统、多数据源容错、实时行情分析"
author: "AI Skills Team"
tags: ["量化", "股票", "交易", "投资", "回测"]
requires: []
---

# AI量化交易技能 v2.2
Show all (285 lines)

完整的量化交易系统,提供股票分析、信号生成、回测和实时行情监控。

## 技能描述

V2.2完整版量化交易系统,提供8因子信号系统、多数据源容错(AKShare+Efinance)、实时行情分析(量比/换手率)、筹码分布分析、大盘环境判断和邮件推送通知。

## 使用场景

- 用户:"分析贵州茅台" → 返回完整的技术分析报告
- 用户:"今天有哪些买入信号?" → 扫描市场返回符合条件的股票
- 用户:"回测这个策略" → 运行回测系统返回收益报告
- 用户:"大盘环境如何?" → 分析市场环境判断强势/震荡/弱势

## 工具和依赖

### 工具列表

位于 `core/` 和 `modules/` 目录:
- `core/分析流水线.py`:完整分析流程
- `modules/01-多数据源管理器.py`:AKShare+Efinance容错
- `modules/02-大盘环境分析器.py`:市场环境判断
- `modules/03-市场增强分析器.py`:恐慌贪婪指数
- `modules/04-实时行情分析器.py`:量比/换手率/量价关系
- `modules/05-筹码分布分析器.py`:集中度/获利盘/形态识别
- `modules/06-邮件通知器.py`:SMTP邮件推送
- `modules/07-通知中心.py`:多渠道统一接口

### API密钥

**可选**(邮件通知):
- SMTP邮箱配置

### 外部依赖

- Python 3.7+
- akshare
- efinance
- pandas
- numpy
- smtplib(邮件通知,可选)

## 配置说明

### 安装方法

```bash
cd 12-量化交易V2.2完整版
bash 一键部署脚本.sh
```

### 配置文件

编辑 `config/V2.2配置文件.yaml`:
```yaml
# 数据源配置
data_source:
  primary: akshare
  fallback: efinance

# 信号阈值
thresholds:
  strong_market: 8.5
  normal_market: 9.0
  weak_market: 9.5

# 邮件通知
email:
  enabled: true
  smtp_server: "smtp.qq.com"
  smtp_port: 587
  sender: "[email protected]"
  password: "your-password"
```

## 使用示例

### 场景1:分析单只股票

用户:"分析贵州茅台"

AI:
```python
from core.分析流水线 import analyze_stock

result = analyze_stock("600519")
# 返回:
# - 8因子信号评分 (0-10分)
# - 技术指标分析
# - 实时行情分析
# - 筹码分布分析
# - 买入/卖出建议
```

### 场景2:市场扫描

用户:"今天有哪些买入信号?"

AI:
```python
from modules.市场扫描器 import scan_market

signals = scan_market(market="A股", threshold=9.0)
# 返回:信号评分 >= 9.0 的股票列表
# 包含股票代码、名称、信号评分、建议
```

### 场景3:大盘环境判断

用户:"大盘环境如何?"

AI:
```python
from modules.大盘环境分析器 import MarketAnalyzer

analyzer = MarketAnalyzer()
env = analyzer.analyze_market()
# 返回:
# - 市场环境:强势/震荡/弱势
# - 涨跌家数统计
# - 指数分析
# - 动态阈值建议
```

### 场景4:运行回测

用户:"回测这个策略"

AI:
```python
from tests.完整回测系统 import run_backtest

results = run_backtest(
    start_date="2023-01-01",
    end_date="2024-12-31",
    initial_capital=100000
)
# 返回:
# - 总收益率
# - 年化收益率
# - 最大回撤
# - 夏普比率
# - 交易明细
```

### 场景5:实时监控

用户:"监控我的自选股"

AI:
```python
from modules.实时监控器 import monitor_stocks

stocks = ["600519", "000858", "002475"]
monitor_stocks(stocks, interval=300)
# 每5分钟检查一次
# 有信号时发送邮件通知
```

## 8因子信号系统

```python
因子权重分配:
• 动量指标 (Momentum)     - 25%
• 均线偏离 (MA Deviation) - 20%
• 成交量 (Volume)         - 15%
• 波动率 (Volatility)     - 10%
• MACD                     - 10%
• 布林带 (Bollinger)       - 10%
• 实时量比 (Volume Ratio) - 5%  [V2.2新增]
• 筹码集中度 (Chip)       - 5%  [V2.2新增]
```

## 动态买入阈值

```python
强势市场: 信号 ≥ 8.5分
震荡市场: 信号 ≥ 9.0分
弱势市场: 信号 ≥ 9.5分
```

## 系统特色

### 1. 多数据源容错

- 主数据源:AKShare
- 备用源:Efinance
- 自动故障切换
- 熔断机制(3次失败=5分钟冷却)

### 2. 实时行情分析

- 量比5级分析(极度缩量~巨量)
- 换手率5级分析(死寂~高换手)
- 量价关系分析
- 信号评分(0-10分)

### 3. 筹码分布分析

- 价格分布计算
- 90%/70%集中度
- 获利盘比例
- 形态识别(单峰/双峰/多峰/吸筹/派发)
- 支撑压力位

### 4. 大盘环境判断

- 市场环境分类(强势/震荡/弱势)
- 动态阈值调整
- 涨跌家数统计
- 指数分析

### 5. 邮件推送通知

- 买入信号推送
- 卖出信号推送
- 风险警报推送
- 每日汇总报告

### 6. 通知中心

- 多渠道整合(邮件/微信/飞书/Telegram/钉钉)
- 优先级管理(低/普通/高/紧急)
- 失败重试机制
- 消息队列
- 频率控制

## 故障排除

### 问题1:数据获取失败

**解决**:
1. 检查网络连接
2. 系统会自动切换到备用数据源
3. 如仍失败,等待5分钟后重试(熔断机制)

### 问题2:邮件通知失败

**解决**:
1. 检查SMTP配置
2. 确认邮箱授权码正确
3. 检查网络连接
4. 查看日志获取详细错误

### 问题3:回测结果异常

**解决**:
1. 检查数据完整性
2. 确认日期范围正确
3. 验证初始资金设置
4. 查看交易明细定位问题

## 文档阅读顺序

### 新手入门

1. `docs/V2.2完整部署与使用指南.md` - 了解如何部署和使用
2. `docs/V2.2快速实施指南.md` - 了解分阶段实施方案
3. `tests/系统测试脚本.py` - 运行测试验证系统
4. `tests/完整回测系统.py` - 运行回测查看效果

### 进阶使用

5. `docs/V2.2集成架构设计.md` - 深入了解系统架构
6. `core/分析流水线.py` - 学习如何使用分析流水线
7. `modules/` - 各个模块的源代码

## 注意事项

1. **投资风险**:本系统仅供参考,不构成投资建议
2. **数据延迟**:可能有15-20分钟延迟
3. **零成本运行**:使用免费数据源,无需API费用
4. **邮件配置**:邮件通知为可选功能
5. **合规使用**:遵守相关法律法规,不得用于非法用途

Popular in Professional

AIGC过程存证服务Professional

AIGC创作过程自动存证技能。自动识别创作平台与生成工具,将创作过程记录存证并盖有公安备案电子印章,具备可信时间戳,可以在全国电子印章互认平台核验。

↓ 3.9M★ 7u_c2c77b5f
防诈专家Professional

反电信网络诈骗(反诈)专家技能。当用户描述一个疑似诈骗的场景、短信、电话、链接、聊天记录、App、投资平台、招聘信息或转账要求,并询问「这是不是诈骗」「要不要转钱」「怎么止损」「钱还能不能追回来」,或需要识别诈骗话术、拆解骗局结构、生成报案材料与取证清单时使用。同时在对话中主动嗅探「转账、验证码、屏幕共享、安全账户、保证金、刷单、稳赚、百万保障、跑分」等风险词并插入预警,即使对方并未询问反诈。适用场景还包括:家属求助劝阻疑似被骗的亲人、企业/银行/支付机构/互联网平台做涉诈账户识别与交易监测规则、涉诈资金链(跑分、卡四件套、GOIP)分析、反诈合规与员工培训、反诈实战演练。

↓ 1.7M★ 4user_e9185b15
全国电子印章互认平台Professional

电子印章公安备案、全网互认,实现所有格式文件电子签章与视频确权,覆盖全国所有CA厂商自2005年以来的全量电子签章数据,无论由哪个地区、哪套系统、哪家CA机构签发,均可精准校验与互认。

↓ 1.4M★ 8u_c2c77b5f
baozheng-skillsProfessional

包拯.Skills你身边的专家律师团 — 专业法律咨询 + 要素式/通用起诉状起草 + 刑事专项材料辅助 + 法条分析与法规检索。flk.npc.gov.cn API实时法条优先,不可用时AI知识库降级兜底,**法条来源按四档标注可核验(已核验-flk API / 已核验-单源 / 已引-离线库 / 未核验-模型生成),交付末尾附法条/事实/金额/程序分项置信度**;以22类法律领域覆盖矩阵约束路由边界;支持35个起诉状模板、5类刑事专项材料辅助;内置Logic Doctor逻辑自检、诉讼时效追踪及10类异常容错处理(含连续失败熔断);渐进式意图收敛协议(3轮状态机);混合意图自动任务拆解(按依赖排序→合并→顺序执行);含反模式清单与危机干预出口(自杀/家暴/未成年人侵害先于一切法律分析)。非标准案由自动使用通用模板。

↓ 526.8K★ 2user_814dbe54
律师助手Professional

律师AI办案工作台:从接案到结案全流程提效——案件分析、要件梳理、文书初稿、证据质证、法庭攻防(模拟法庭三方对打、质证策略、庭审发问)、赔偿与费用计算、期限提醒、复盘归档;覆盖民事、刑事、劳动、非诉、破产、执行、行政、仲裁八大领域,111 个技能(5 件路由·导航+106 件专家);法条引用 1,756 条/109 部(其中逐条带源标注 655 条、其余按离线库或待核口径;扫描口径与台账构成见 README),时效五档标注、法规版本变动前自动预警(预警锚点含商标法2026修订、刑诉法第四次修正)——法条直连国家法律法规数据库官方 API 实时核验,结论可复核、不装懂;2026-10 官方评测五项满分。不用记命令或技能名,直接说人话:欠钱不还、被车撞、被辞退、离婚分财产、合同违约。

↓ 506.9K★ 77user_cd0fcd93
包拯.SKILLProfessional

包拯.Skills你身边的专家律师团 — 专业法律咨询 + 要素式/通用起诉状起草 + 刑事专项材料辅助 + 法条分析与法规检索。flk.npc.gov.cn API实时法条优先,不可用时AI知识库降级兜底,**法条来源按四档标注可核验(已核验-flk API / 已核验-单源 / 已引-离线库 / 未核验-模型生成),交付末尾附法条/事实/金额/程序分项置信度**;以22类法律领域覆盖矩阵约束路由边界;支持35个起诉状模板、5类刑事专项材料辅助;内置Logic Doctor逻辑自检、诉讼时效追踪及10类异常容错处理(含连续失败熔断);渐进式意图收敛协议(3轮状态机);混合意图自动任务拆解(按依赖排序→合并→顺序执行);含反模式清单与危机干预出口(自杀/家暴/未成年人侵害先于一切法律分析)。非标准案由自动使用通用模板。

↓ 424.0K★ 41user_741dc82b
专利初稿助手Professional

当用户上传交底材料、研发报告、技术方案文档,并要求撰写专利、撰写初稿,或请专利代理师视角输出可申请的专利文件时触发。也涵盖如下说法:'帮我把这份交底写成专利''生成专利文件''生成初稿''专利撰写'等,无论是否明确说'生成专利文件'。

↓ 368.6K★ 48user_9c63fdb4
露禾论文写作助手(免费版pro)Professional

露禾论文写作助手(免费版):一句话生成引用可溯源、不编造的专业学术论文,按国标 GB/T 7714 插入真实文献引用,中英文 3000/5000/8000 字,一键导出 Word。说「写论文 / 帮我写论文」即可使用。

↓ 349.5K★ 18u_a3c224a2

More from nidhov01

Data as of 2026-10. Downloads and stars are aggregated monthly from public skill registries (ClawHub, SkillHub). See data methodology.