AlphaMoatによると、2026-10時点で股票量化分析PRO-双趋势共振量化选股系统GMMA+一目均衡图+ADX+流动性过滤のダウンロード数は41,109、スター数は48で、累計ダウンロード数で今回のランキング対象AIスキル10,914件中633位、専門分野では1,228件中49位です。
一覧の初期表示は累計ダウンロード数順で、スター数順にも並べ替えできます。詳細ページの順位は累計ダウンロード数で計算しています。
| プラットフォーム | ダウンロード数 | スター数 | コメント |
|---|---|---|---|
| SkillHub ↗ | 4.1万 | 48 | — |
プラットフォームごとに集計方法と集計時点が異なります。
GMMA、一目均衡表、ADX を通達信の日足や CSV に適用し、信号区分と損切り参考値を出します。更新済みの十分な履歴と売買代金が必要です。信号は分析資料で、収益実績や取引許可ではありません。
資料公開日 2026-10-27
スキルのドキュメントをもとに生成した例であり、実際の実行結果ではありません。
2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。
| 月 | ダウンロード数 | 前月比 | スター数 |
|---|---|---|---|
| 2026-10 | 4.1万 | — | 48 |
| 2026-09 | 1.7万 | — | 47 |
| 2026-08 | 1.2万 | — | 44 |
| 2026-06 | 3741 | +77.7% | 25 |
| 2026-05 | 2105 | — | 10 |
| 2026-03 | 96 | — | 1 |
作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-10-23。
--- name: "stock-lianghuafenxi-tdx" description: "双趋势共振量化选股系统,基于GMMA+一目均衡图+ADX+流动性过滤,输出S/A/B/C四级信号与动态止损。支持通达信本地数据和CSV数据扫描。当用户需要量化选股、趋势分析、双趋势共振扫描、股票筛选时调用此技能。" --- # 双趋势共振量化选股系统 基于GMMA+一目均衡图+ADX+流动性过滤的三层架构量化选股系统,支持QClaw智能体调用。 ## 功能特性
- ✅ GMMA顾比均线多头排列检测
- ✅ 一目均衡图云层分析(9-26-52标准参数)
- ✅ ADX趋势强度过滤(无TA-Lib依赖)
- ✅ 流动性前置过滤(默认1亿门槛)
- ✅ S/A/B/C四级信号评级
- ✅ 动态止损位计算
- ✅ 通达信本地数据扫描
- ✅ CSV数据扫描
- ✅ 批量分析支持
- ✅ 自动过滤科创板和北交所
## 系统架构
**核心逻辑**:流动性(>1亿) → ADX(>20) → 技术形态(GMMA+Ichimoku)
**输出**:S/A/B/C四级信号 + 动态止损位
**数据要求**:60日+前复权K线(OHLCV+Amount)
## API接口
### 分析单只股票
**调用方式**:
```python
result = call_skill("stock-lianghuafenxi-tdx", {
"action": "analyze",
"code": "600519"
})
```
**返回数据格式**:
```json
{
"success": true,
"data": {
"code": "600519",
"name": "贵州茅台",
"signal": "A级",
"desc": "🟢 推荐",
"score": 80,
"position": "10%",
"stop_loss": 1680.50,
"risk_pct": 3.25,
"close": 1736.80,
"adx": 32.5,
"gmma_disp": "3.25%",
"above_cloud": true,
"tk_bull": true,
"details": [
"GMMA多头排列+30",
"GMMA离散度3.25%>2%+10",
"价格在云层上方+20",
"转换线>基准线+15",
"ADX=32.5 30-40中趋势+15"
],
"date": "2026-04-11"
},
"count": 1,
"message": "分析完成: 600519 A级"
}
```
### 批量分析多只股票
**调用方式**:
```python
result = call_skill("stock-lianghuafenxi-tdx", {
"action": "batch_analyze",
"codes": ["600519", "000858", "601318", "600036"]
})
```
**返回数据格式**:
```json
{
"success": true,
"data": [
{"code": "600519", "signal": "A级", "score": 80, ...},
{"code":000858", "signal": "B级", "score": 65, ...}
],
"count": 2,
"message": "批量分析完成,共 4 只股票"
}
```
### 扫描通达信本地数据
**调用方式**:
```python
result = call_skill("stock-lianghuafenxi-tdx", {
"action": "scan_tdx",
"tdx_path": "D:\\new_tdx",
"max_count": 0
})
```
**返回数据格式**:
```json
{
"success": true,
"data": [...],
"report": "完整文本报告",
"count": 500,
"scanned": 4500,
"valid": 4200,
"message": "扫描完成: 扫描4500只, 有效4200只"
}
```
### 扫描CSV数据目录
**调用方式**:
```python
result = call_skill("stock-lianghuafenxi-tdx", {
"action": "scan_csv",
"data_dir": "C:\\data\\stocks"
})
```
### 测试模式
**调用方式**:
```python
result = call_skill("stock-lianghuafenxi-tdx", {
"action": "test"
})
```
## 评分与分级系统
### 评分规则(满分100)
| 条件 | 分值 | 说明 |
|------|------|------|
| GMMA多头排列 | +30 | 短期组>长期组 |
| GMMA离散度>2% | +10 | 确保发散非粘合 |
| 云层上方 | +20 | 价格>云层上轨 |
| 转换>基准 | +15 | 多头动能 |
| TK金叉 | +5 | 当日金叉触发 |
| 云层厚度>3% | +5 | 支撑强度 |
| ADX>40 | +20 | 强趋势 |
| ADX 30-40 | +15 | 中趋势 |
| ADX 20-30 | +10 | 弱趋势 |
| 成交额>10亿 | +5 | 流动性溢价 |
### 四级信号
- **S级(90+分)**:🔥 强烈推荐,仓位20%,立即买入
- **A级(75-89分)**:🟢 推荐,仓位10%,择机买入
- **B级(60-74分)**:🟡 观察,仓位5%,等待确认
- **C级(<60分)**:❌ 放弃,仓位0%
### 止损位计算
```python
stop_loss = max(cloud_bottom, ema_60) # 云层下轨与60EMA取高者
risk_pct = (close - stop_loss) / close * 100
```
## 算法详解
### 流动性过滤(前置硬性)
```python
turnover_ma20 = df['amount'].rolling(20).mean()
if turnover_ma20 < 100_000_000: # 1亿门槛
return {"signal": "REJECT", "reason": "流动性不足"}
```
### ADX趋势强度(无TA-Lib实现)
```python
tr = pd.concat([high-low, abs(high-close.shift(1)), abs(low-close.shift(1))], axis=1).max(axis=1)
atr = tr.ewm(alpha=1/14).mean()
plus_di = 100 * (plus_dm.ewm(alpha=1/14).mean() / atr)
minus_di = 100 * (minus_dm.ewm(alpha=1/14).mean() / atr)
dx = 100 * abs(plus_di - minus_di) / (plus_di + minus_di)
adx = dx.ewm(alpha=1/14).mean()
```
### GMMA顾比均线
```python
short_terms = [3, 5, 8, 10, 12, 15]
long_terms = [30, 35, 40, 45, 50, 60]
gmma_bullish = (ema_15 > ema_30) & (short_avg > long_avg)
```
### 一目均衡图(9-26-52标准参数)
```python
tenkan = (high.rolling(9).max() + low.rolling(9).min()) / 2
kijun = (high.rolling(26).max() + low.rolling(26).min()) / 2
senkou_a = ((tenkan + kijun) / 2).shift(26)
senkou_b = ((high.rolling(52).max() + low.rolling(52).min()) / 2).shift(26)
above_cloud = close > max(senkou_a, senkou_b)
```
## 数据格式要求
### 通达信本地数据
- 自动扫描 `vipdoc/sh/lday` 和 `vipdoc/sz/lday` 目录
- 支持 `.day` 二进制格式
- 自动过滤科创板(688)和北交所(8开头)
### CSV数据
- 文件名格式:`{股票代码}.csv`(如 `600519.csv`)
- 支持的列名:date/日期, open/开盘, high/最高, low/最低, close/收盘, volume/成交量, amount/成交额
## 使用示例
### QClaw智能体调用示例
```python
# 示例1:分析单只股票
result = call_skill("stock-lianghuafenxi-tdx", {
"action": "analyze",
"code": "600519"
})
if result["success"]:
stock = result["data"]
print(f"{stock['name']}: {stock['signal']} {stock['desc']}, 评分{stock['score']}")
# 示例2:批量分析
result = call_skill("stock-lianghuafenxi-tdx", {
"action": "batch_analyze",
"codes": ["600519", "000858", "601318"]
})
if result["success"]:
for stock in result["data"]:
if stock.get("score", 0) >= 60:
print(f"{stock['code']} {stock['name']}: {stock['signal']} 评分{stock['score']}")
# 示例3:通达信全市场扫描
result = call_skill("stock-lianghuafenxi-tdx", {
"action": "scan_tdx",
"tdx_path": "D:\\new_tdx"
})
if result["success"]:
print(result["report"])
# 示例4:自定义参数分析
result = call_skill("stock-lianghuafenxi-tdx", {
"action": "analyze",
"code": "600519",
"tdx_path": "D:\\new_tdx",
"liquidity": 500000000,
"adx_threshold": 25
})
```
## 注意事项
1. **数据来源**:优先使用通达信本地数据,其次CSV数据
2. **数据时效**:通达信数据需要先在通达信软件中下载日线数据
3. **流动性门槛**:默认1亿,可通过 `liquidity` 参数调整
4. **ADX门槛**:默认20,可通过 `adx_threshold` 参数调整
5. **数据要求**:至少60个交易日数据才能产生有效信号
6. **风险提示**:本系统仅供量化分析参考,不构成投资建议
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。
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。
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。
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。
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。
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。
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'。
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。
データ月:2026-10 · ダウンロード数とスター数は公開スキルレジストリ(ClawHub、SkillHub)から月単位で集計しています。詳しくはデータの方法論をご覧ください。