ByronNomad

A股信号

Professionalv1.0.3
By ByronNomadUpdated 2026-05-114 versions · latest released 2026-04-15a-share-signal@clawhub_byronwang2005/a-share-signal
FinanceIndustry Research

According to AlphaMoat, as of 2026-09, A股信号 has 2,403 downloads and 4 stars — ranked #4,176 of 5,078 AI skills overall, and #358 of 465 in Professional.

Installs
289
Downloads
2.4K
Stars
4
Overall Rank
#4,176
Top 83% overall · Top 77% in Professional
PlatformInstallsDownloadsStarsComments
ClawHub ↗481.8K1-
SkillHub ↗2892.4K4—

Platforms count differently and update at different times.

What this skill does

Uses known available mx-skills data for chip distribution, multiple timeframes, price-volume flows, Wyckoff, Chan theory and custom scoring. Requests are serial; mx-finance-data queries allow at most 5 stocks per batch. Report missing access, installation or fields. External visits, installation and fallback need user consent; try at least 3 different methods within a source before falling back in order from mx-skills to AkShare to BaoShare. KDJ(17,3,3) only flags overheating in ranging markets. Targets require structural premises and remain conditional before a confirmed breakout; failed structures get no bullish target. Missing data means partial scores, with sources and effects of gaps stated.

Profile published 2026-10-26

What you can do with it

  • Analyze a stock’s chip distribution, timeframes and invalidation conditions

When to use it

  • When stock data is available for a structured assessment

Example prompts

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

Analyze this stock’s structure and state data gaps and target-price conditions.

Monthly Trend

Downloads2.4K
4831.5K2.5K2026-03 · Downloads 6252026-05 · Downloads 1.2K2026-06 · Downloads 1.3K2026-07 · Downloads 1.6K2026-08 · Downloads 1.8K2026-09 · Downloads 2.4K26-0326-09
Stars4
1342026-03 · Stars 12026-05 · Stars 32026-06 · Stars 12026-07 · Stars 32026-08 · Stars 42026-09 · Stars 426-0326-09

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
2026-092.4K—4
2026-081.8K+11.5%4
2026-071.6K+24.7%3
2026-061.3K+12.3%1
2026-051.2K—3
2026-03625—1

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.

17 KB · ClawHub v1.0.3
---
name: a-share-signal
description: 基于结构化框架分析A股,结合筹码分布、三周期共振、优化KDJ、威科夫、缠论以及用户自定义评分规则,输出结构化分析结论与风险提示。
---

# A股信号

## 用途

用这个 skill 基于用户明确提供或当前会话中已知可用的 `mx-skills` 实时或近期数据,对单只A股进行可复用的结构分析。
Show all (277 lines)
默认输出结构化分析结论、关键证据、失效条件、后续观察点与风险提示。

## 工作流

1. 如果用户给了说明文档、笔记、截图或自定义体系,先读用户规则。
2. 只根据用户明确提供的技能名、路径、安装信息,以及当前 skill 包内部已知引用,识别可用的新版 `mx-skills`,优先关注以下 slug 与其旧别名:
   - `mx-financial-assistant`(旧名常写作 `mx_financial_assistant`)
   - `mx-finance-data`(旧名常写作 `mx_finance_data`)
   - `mx-finance-search`(旧名常写作 `mx_finance_search`)
   - `mx-stocks-screener`(旧名常写作 `mx_stocks_screener`)
   - `mx-macro-data`(旧名常写作 `mx_macro_data`)
3. 在 `mx-skills` 体系内尽量完成取数与分析;如缺少 key、权限、安装或调用方式不明确,先明确告诉用户缺了什么,不要主动扫描宿主环境的环境变量、agent 配置、无关 `README` 或其他系统文件。
4. 如果缺少完成当前任务所需的相关 `mx-skills`,先说明需要的能力、展示准备访问的来源 URL,再征求用户明确同意;只有得到同意后,才可引导用户前往 [https://clawhub.ai/u/financial-ai-analyst](https://clawhub.ai/u/financial-ai-analyst) 或 [https://ai.eastmoney.com/mxClaw](https://ai.eastmoney.com/mxClaw) 安装或更新。
5. 如果用户不同意访问外部来源或安装更新,只保留手动说明,不做任何下载、安装或写入动作。
6. 未经用户明确同意,不使用本 skill 内的 `scripts/stock_cli.py`、AkShare 接口或 BaoShare 作为回退。
7. 只有在用户明确同意后,才可启用本地回退方案;启用后再按需安装 `akshare` / `baostock` 等依赖。
8. 只拉取回答当前问题所需的数据。
9. 默认路由优先级如下:
   - 单票综合判断、问答式分析、趋势/消息/数据混合问题:优先 `mx-financial-assistant`
   - 需要结构化字段、财务表、行情表、资金表或多字段对比:优先 `mx-finance-data`
   - 需要最新公告、研报、新闻、政策催化:优先 `mx-finance-search`
   - 需要相对强弱、同板块比较、筛选对标样本:优先 `mx-stocks-screener`
   - 只有当宏观变量直接影响该股逻辑时,才补充 `mx-macro-data`
10. 所有 `mx-skills` 请求必须严格串行执行,禁止并行调用多个 skill,也禁止对同一个 skill 并发发起多次请求;只有前一次请求已完成并确认还需要补证据时,才能继续下一次调用,以避免限流、超时与结果口径漂移。
11. 按问题选择分析视角:
   - 筹码分布 / 成本结构
   - 日线、周线、月线三周期共振
   - 优化版 `KDJ(17,3,3)` 的过热风险提示
   - 量价资金共振
   - 主力洗盘 / 出货识别
   - 威科夫阶段与量价对应关系
   - 缠论结构、中枢、买卖点大致状态
   - 用户自定义评分体系
12. 输出判断,不要只罗列指标。

## 数据拉取

优先做单只股票的定向查询,不要默认拉取整个市场的大范围数据。

默认数据源顺序:

1. `mx-skills`
2. 经用户同意后的 `AkShare`
3. 经用户同意后的 `BaoShare`

执行要求:
- 默认只能使用 `mx-skills`;不要把 `AkShare`、`BaoShare` 或其他非 `mx-skills` 数据源当成隐式兜底。
- 只根据用户明确提供的 skill 名称、路径、安装信息,以及当前 skill 包内的已知引用来定位 `mx-skills`;不要主动检查环境变量、agent 配置、无关 `README` 或其他宿主文件。
- 能用 `mx-skills` 时,优先用它获取个股行情、K线、资金流、财务、公告或研报等数据,并尽量遵守新版能力分工:
  - `mx-financial-assistant`:单票综合问答、结构判断、热点归因、消息与数据混合研判
  - `mx-finance-data`:结构化字段、财务指标、行情/估值/资金等定向查数
  - `mx-finance-search`:最新公告、研报、新闻、交易所动态、政策催化
  - `mx-stocks-screener`:同板块横向比较、风格筛选、相对强弱样本池
  - `mx-macro-data`:必要时补充宏观变量,不要默认调用
- 所有 `mx-skills` 调用都必须串行,不论是不同 skill 之间的路由切换,还是同一个 skill 内的连续补数,都必须等待上一请求完整返回后再继续;不要为了提速而并行发起多个查询。
- 当需要借助 `mx-finance-data` 做批量股票信息查询时,按每批最多 `5` 只股票拆分请求。
- 使用 `mx-finance-data` 分批查询时,必须严格串行执行:只有当前一批请求已经完成并返回结果后,才能继续下一批;禁止并行发起多个批次请求。
- 即便是对单个 skill 的多次请求,也必须串行执行;同一时刻只允许存在一个在途请求,避免命中限流、并发熔断或返回顺序错乱。
- 如果当前信息不足以确认所需 `mx-skills` 是否可用,先向用户说明缺口,并告知可选来源:ClawHub 页面 [https://clawhub.ai/u/financial-ai-analyst](https://clawhub.ai/u/financial-ai-analyst) 与官网 [https://ai.eastmoney.com/mxClaw](https://ai.eastmoney.com/mxClaw)。
- 只有在用户明确同意后,才可访问这些来源协助安装或更新;访问前应先说明将使用的来源 URL 与目的,未获同意前不得擅自访问、下载、安装或写入。
- 只有在用户明确同意后,且当前环境没有相关 `mx-skills`,或 `mx-skills` 无法覆盖当前所需字段时,才回退到 `AkShare`。
- 只有在用户明确同意且 `AkShare` 也不可用时,才尝试 `BaoShare` 获取基础行情或历史数据。
- 此类端口限流或接口频率限制默认视为正常现象,不应在首次失败后立刻认定当前数据源不可用。
- 在同一数据源内,必须先用不同方法尝试获取数据至少 3 次,确认仍然失败或仍拿不到所需字段后,才能切换到下一个数据源作为回退。
- “不同方法”包括但不限于更换接口、调整查询粒度、改查相邻字段、切换脚本或调用方式;不要对同一失败请求机械重试 3 次充数。
- 回答里不必铺陈数据源切换过程,但最终输出必须明确标出关键数据来源;如果切换影响了数据口径、时效性或结论置信度,也必须点明。

`mx-skills` 可用时,优先使用其自然语言查询能力获取个股相关数据。
如果查询对象超过 `5` 只股票,优先按 `mx-finance-data` 的配额拆批处理。

### 新版 `mx-skills` 路由规则

默认先问自己:当前问题是“综合判断”还是“定向补证据”。

- 路由补证据时必须串行推进:先得到上一步结果,再决定下一步是否继续,不要同时并发调用多个 `mx-skills` 后再回拼结论。
- 如果用户直接问“这只票现在怎么看 / 能不能参与 / 帮我分析”,先走 `mx-financial-assistant`,把它作为首选综合入口。
- 如果 `mx-financial-assistant` 的回答里需要更细的财务、行情、估值、资金表格,再补 `mx-finance-data`。
- 如果结论强依赖“最新”公告、研报、新闻、政策或交易所动态,必须补 `mx-finance-search`。
- 如果用户要求和同板块、同风格、同市值样本做比较,或需要找可比股票池,再用 `mx-stocks-screener`。
- 如果用户逻辑明显受利率、汇率、通胀、地产、社融、出口等宏观变量驱动,再补 `mx-macro-data`。
- 除非用户明确要求,不要把 `mx-macro-data` 或 `mx-stocks-screener` 当成单票分析的默认第一入口。
- 回答中可同时使用新版 slug 与旧别名,但优先写新版 slug,避免继续固化旧命名。

经用户同意后,如需回退到 `AkShare` / `BaoShare`,可优先参考这些接口:
- 基本信息:`stock_individual_info_em`
- 实时行情:`stock_zh_a_spot_em`
- 日线或周线历史:`stock_zh_a_hist` 或 `stock_zh_a_hist_tx`
- 月线历史:必要时由日线重采样
- 筹码分布:`stock_cyq_em`
- 资金流向:`stock_individual_fund_flow`
- 财务恶化排查:`stock_financial_abstract_ths`
- 财务分析指标:`stock_financial_analysis_indicator`
- 行业板块:`stock_board_industry_name_em`
- 概念板块:`stock_board_concept_name_em`
- 板块成分股:`stock_board_industry_cons_em`
- 龙虎榜:`stock_lhb_detail_em`
- 融资融券:`stock_margin_sse`、`stock_rzrq_detail_em`
- 板块 / 概念背景:必要时调用相关 AkShare 接口

如果某个数据源出现限流、不稳定或单次接口失败,先在该数据源内换至少 3 种方法继续尝试;只有得到用户同意后,才按 `mx-skills -> AkShare -> BaoShare` 的顺序切换,不要直接中断。优先给出结构级判断,而不是依赖单一脆弱接口追求伪精确。

## 判断顺序

除非用户明确要求,否则默认按下面顺序判断:

1. 筛选条件:流动性、市值区间、题材催化、是否存在明显基本面恶化。
2. 多周期结构:日线、周线、月线是否同向或至少不冲突。
3. 触发质量:突破、放量、资金流是否形成确认。
4. 结构健康度:筹码是否集中、成本带是否上移、上方抛压是否杂乱。
5. 阶段判断:威科夫和缠论怎么定性。
6. 目标价判断:是否已经具备按主升段测算目标价的前提。
7. 风险与执行:适不适合参与、失效位在哪、如何加减仓。

## 三周期共振视角

当用户问趋势是否确认、是否形成共振、多周期是否同向时,使用这个视角。

重点看:
- 日线、周线、月线结构是否一致偏多或偏空
- 每个周期收复了多少关键均线
- 共振属于弱共振、强共振还是完全共振
- 价格变化是否得到成交量和资金流确认

如果只是日线转强,而周线或月线仍然偏弱,不要把它定义成高质量共振。

## KDJ视角

`KDJ(17,3,3)` 的唯一用途:在震荡行情中观察过热风险。

- 只在震荡区间、箱体往复或缺乏明确趋势延续时参考它
- 如果 `J` 值大于 `100`,要显著提醒回调风险
- 不把 `KDJ(17,3,3)` 当作通用的买点确认、趋势判断或金叉强弱分级工具

## 量价资金视角

当问题和买点、突破有效性、强度确认有关时,重点检查:
- 成交量是否相对近期均量放大
- 换手率是否活跃
- 价格突破后是被市场接受还是迅速回落
- 资金流是否配合

如果缩量上涨,或突破后立刻跌回原区间,应判定为低质量触发或触发失败。

## 筹码视角

当用户问这只票值不值得参与、筹码结构是否健康时,结合 [references/chip-framework.md](references/chip-framework.md) 使用。

重点看:
- 这只股票是否通过用户的筛选条件
- 主筹码区是单峰还是杂乱多峰
- 成本带是在上移还是下移
- 当前价格在主筹码区上方、内部还是下方
- 突破条件是真突破还是假突破

最后要落成直接判断,例如:
- 优先关注
- 仅观察
- 触发失败
- 结构失效
- 不适合这个体系

## 洗盘视角

当用户体系里明确提到“洗盘”时,要区分良性洗盘和主力出货:
- 良性洗盘通常表现为回撤可控、抛压收缩、价格靠近成本带或支撑位后迅速有承接
- 破坏性下跌通常表现为反复放量阴线、成本带下移、反弹始终过不了前方压力

不要因为价格大跌就直接说是洗盘,必须看到抛压被消化、结构仍然成立的证据。

## 威科夫视角

把股票尽量归入实际可用的阶段:
- 吸筹
- 拉升
- 派发
- 下跌
- 只有证据很清楚时才使用再吸筹 / 再派发

重点看:
- 区间震荡行为
- 弹簧式下探或上冲诱多一类的试探与失败
- 放量K线附近是否体现量价匹配
- 反弹是创新高,还是只是弱势二次测试
- 最近几次放量突破是被接受还是被否定

如果一只票急拉之后开始不断降低高点、反弹反复失败,优先判断为派发转下跌,而不是重新吸筹。

## 缠论视角

表达保持实用,不要在数据只支持粗粒度判断时,硬做过度形式化拆解。

至少说明:
- 当前分析周期的主导方向
- 是否存在中枢 / 重叠区
- 中枢是稳定、扩张还是下移
- 价格在中枢上方、中枢内部还是中枢下方
- 更接近一买、二买、三买的可能,还是卖点 / 跌破延续结构

避免伪精确。如果趋势已经跌破最近中枢,且反弹始终过不了前高,就直接说结构偏弱,不是买点。

## 目标价视角

目标价只能建立在结构判断之后,严格按缠论 + 威科夫的共同证据测算,不允许脱离阶段判断直接拍目标价。

先判断是否已经进入主升:
- 威科夫上,至少要看到吸筹或再吸筹后的有效上破,且突破被市场接受,而不是仍在区间内来回震荡
- 缠论上,至少要看到中枢上沿被有效离开,离开段占优,且更接近三买后的主升延续,而不是仍在中枢内震荡

如果已经进入主升,可给相对明确的结构目标价,优先使用:
- 箱体或交易区间高度向上等幅投射
- 最近一个有效中枢震荡高度向上投射
- 吸筹区完成后的 markup 第一目标位

输出时要说明目标价来自哪个结构,例如:
- “按最近箱体高度等幅上移,第一目标位在 xx 元附近”
- “按中枢离开后的主升段测算,第一目标位在 xx 元附近”

如果没有进入主升,不要把目标价写成无条件结论,必须明确提示:
- 该目标价仅在后续向上突破箱体 / 中枢上沿并确认后才成立
- 当前仍属于条件性目标价,前提是假定后续完成向上突破并进入主升

如果结构仍在箱体内,默认写法应类似:
- “当前未确认进入主升,目标价只能按箱体向上突破后的等幅量度预估;若后续有效突破 xx 元箱体上沿,则目标位可看 xx 元附近,否则该目标价不成立。”

如果已经出现派发、跌破中枢、上破反复失败或量价不接受,不提供积极目标价,只说明结构失效或仅保留反弹修复空间判断。

## 自定义评分

当用户给出打分体系时,只对当前能被数据支持的项目打分。

- 明确总分和评分依据
- 区分硬性通过项和偏主观的加分项
- 如果某个必要数据拿不到,要说明这是部分评分,不要伪造精确结果

## 输出格式

默认按这个顺序回答:
1. 结论
2. 评分或通过 / 不通过摘要
3. 三周期共振、KDJ 过热风险、量价资金的证据
4. 筹码结构证据
5. 威科夫和缠论证据
6. 目标价或条件性目标价,以及该目标价成立的结构前提
7. 交易含义、失效条件,以及后面要看到什么才会转强
8. 数据来源,以及未获取 / 不完整数据的风险警告

提到关键拐点时,始终给出具体日期和价格位。
输出结果时,必须标出本次判断依赖的数据来源,例如 `mx-financial-assistant`、`mx-finance-data`、`mx-finance-search`、`mx-stocks-screener`、`mx-macro-data`、`AkShare`、`BaoShare` 或用户提供材料。
对于任何未获取、接口失败、字段缺失、时间区间不完整、口径可能偏差的数据,必须明确警告用户这些缺口会影响哪些判断,不能把不完整数据包装成完整结论。
如果数据质量有限或某个接口失败,简要说明后继续用现有最强证据完成判断,但结论中必须降低置信度并保留风险提示。

## 参考资料

当用户要严格按筹码体系判断时,读取 [references/chip-framework.md](references/chip-framework.md)。
当用户的说明文档或问题涉及以下内容时,读取 [references/quant-trading-theory.md](references/quant-trading-theory.md):
- 三周期共振
- `KDJ(17,3,3)` 规则
- 量价共振
- 洗盘判断
- 评分体系

当需要明确 AkShare 接口、快速查询方式或备用数据方案时,读取 [references/akshare-interfaces.md](references/akshare-interfaces.md)。
如果用户尚未安装、未配置好、或缺少完成当前任务所需的全部 `mx-skills`,先向其说明缺少的能力,再展示可选来源 [https://clawhub.ai/u/financial-ai-analyst](https://clawhub.ai/u/financial-ai-analyst) 与 [https://ai.eastmoney.com/mxClaw](https://ai.eastmoney.com/mxClaw);只有在用户明确同意后,才可引导其安装或更新,以便优先获得更完整的个股数据。
当需要明确新版 `mx-skills` 的能力分工与路由顺序时,读取 [references/mx-skills-routing.md](references/mx-skills-routing.md)。

使用量化理论参考时,先看相关章节标题,只加载必要部分,不要默认整篇读入上下文。

Popular in Professional

A股量化 AkShareProfessional

A data-interface skill that pulls A-share quotes, financials, and sector data through the AkShare library.

↓ 94.9K★ 255ttbb
All-Market Financial Data HubProfessional

基于东方财富数据库,支持自然语言查询金融数据,覆盖A港美、基金、债券等多种资产,含实时行情、公司信息、估值、财务报表等,可用于投资研究、交易复盘、市场监控、行业分析、信用研究、财报审计、资产配置等场景,适配机构与个人多元需求。返回结果包含 xlsx 与 Markdown 文件。Natural language q...

↓ 69.0K★ 164Financial AI Analyst
中国专利.skillProfessional

中国专利技能:挖掘专利点与编写交底书(发明/实用/外观),按著录字段检索公布公告,通俗解读专利,对照审查口径出政策简报,辅助审查答复。| China patents skill: mine patent points and draft disclosures, search CNIPA bibliographic records, explain patents, brief examination-policy changes for disclosures, and assist office-action responses.

↓ 57.6K★ 109user_9610c87f
腾讯自选股-金融数据查询Professional

金融市场结构化数据查询的权威入口。支持股票(A股/港股/美股)、ETF、指数、板块、期货、外汇、可转债的 K 线、技术指标、筹码、财报、研报、公告、风险事件、股东、分红、ETF 持仓、新股/投资日历、龙虎榜等数据查询(不同标的与市场支持的维度不同);同时支持行业经营数据、申万行业估值/盈利预测/财务、全球宏观经济等数据查询;微信搜索"腾讯微证券"小程序,获取更多专业服务~

↓ 55.7K★ 178u_88c62808
Stock Market ProProfessional

A local-first market research skill that reads Yahoo Finance data for quotes and fundamentals and renders charts with technical panels.

↓ 54.4K★ 182ClawMaker
股票价值投资分析系统Professional

A股和港股价值投资分析系统。基于价值投资经典方法论,提供完整的投资分析框架:护城河分析、财务健康检查、DCF估值、管理层评估、行业分析、投资决策整合。适用于以下场景:(1) 全面分析股票投资价值,(2) 评估经济护城河与竞争优势,(3) 评估财务健康与会计质量,(4) 使用DCF模型计算内在价值,(5) 评估管理层质量,(6) 分析行业结构与动态,(7) 整合做出投资决策。

↓ 52.2K★ 197user_a38fd8a2
A股分时量能分析Professional

提供A股实时行情、分时成交量分布及主力资金动向分析,支持持仓管理和盈亏监控。

↓ 41.7K★ 128CNyezi
Stock MonitorProfessional

全功能智能股票监控预警系统。支持成本百分比、均线金叉死叉、RSI超买超卖、成交量异动、跳空缺口、动态止盈等7大预警规则。符合中国投资者习惯(红涨绿跌)。

↓ 40.7K★ 115THIRTYFANG

Data month: 2026-09 · Downloads, stars and installs are aggregated monthly from public skill registries (ClawHub, SkillHub). See methodology.