據 AlphaMoat 統計,截至 2026-10,股票量化分析PRO-雙趨勢共振量化選股系統GMMA+一目均衡圖+ADX+流動性過濾 累計下載 41,109 次、獲 48 個星標,按累計下載量在本次參與排名的 10,914 個 AI 技能中排名第 633 位,在「專業領域」分類(1,228 個)中排名第 49 位。
列表預設按累計下載量排序,也可按星標排序;詳情頁排名按累計下載量計算。
| 平台 | 累計下載 | 星標 | 評論 |
|---|---|---|---|
| SkillHub ↗ | 4.1萬 | 48 | — |
各平台的計數口徑不同,統計時間不一致。
組合 GMMA、一目均衡圖與 ADX,讀取通達信本地日線或 CSV,輸出訊號等級和止損參考。需足夠且已更新的歷史行情與成交額欄位;訊號屬於量化分析參考,不是已驗證收益或執行交易的授權。
資料釋出於 2026-10-27
以下是根據技能文件生成的示例,不代表實際執行結果。
2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。
| 月份 | 累計下載 | 環比 | 星標 |
|---|---|---|---|
| 2026-10 | 4.1萬 | — | 48 |
| 2026-09 | 1.7萬 | — | 47 |
| 2026-08 | 1.2萬 | — | 44 |
| 2026-06 | 3741 | +77.7% | 25 |
| 2026-05 | 2105 | — | 10 |
| 2026-03 | 96 | — | 1 |
以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 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創作過程自動存證技能。自動識別創作平台與生成工具,將創作過程記錄存證並蓋有公安備案電子印章,具備可信時間戳,可以在全國電子印章互認平台核驗。
反電信網路詐騙(反詐)專家技能。當用戶描述一個疑似詐騙的場景、簡訊、電話、連結、聊天記錄、App、投資平台、招聘資訊或轉賬要求,並詢問「這是不是詐騙」「要不要轉錢」「怎麼止損」「錢還能不能追回來」,或需要識別詐騙話術、拆解騙局結構、生成報案材料與取證清單時使用。同時在對話中主動嗅探「轉賬、驗證碼、螢幕共享、安全帳戶、保證金、刷單、穩賺、百萬保障、跑分」等風險詞並插入預警,即使對方並未詢問反詐。適用場景還包括:家屬求助勸阻疑似被騙的親人、企業/銀行/支付機構/網際網路平台做涉詐帳戶識別與交易監測規則、涉詐資金鍊(跑分、卡四件套、GOIP)分析、反詐合規與員工培訓、反詐實戰演練。
電子印章公安備案、全網互認,實現所有格式檔案電子簽章與影片確權,覆蓋全國所有CA廠商自2005年以來的全量電子簽章資料,無論由哪個地區、哪套系統、哪家CA機構簽發,均可精準校驗與互認。
包拯.Skills你身邊的專家律師團 — 專業法律諮詢 + 要素式/通用起訴狀起草 + 刑事專項材料輔助 + 法條分析與法規檢索。flk.npc.gov.cn API即時法條優先,不可用時AI知識庫降級兜底,**法條來源按四檔標註可核驗(已核驗-flk API / 已核驗-單源 / 已引-離線庫 / 未核驗-模型生成),交付末尾附法條/事實/金額/程式分項置信度**;以22類法律領域覆蓋矩陣約束路由邊界;支援35個起訴狀模板、5類刑事專項材料輔助;內建Logic Doctor邏輯自檢、訴訟時效追蹤及10類異常容錯處理(含連續失敗熔斷);漸進式意圖收斂協議(3輪狀態機);混合意圖自動任務拆解(按依賴排序→合併→順序執行);含反模式清單與危機干預出口(自殺/家暴/未成年人侵害先於一切法律分析)。非標準案由自動使用通用模板。
律師AI辦案工作臺:從接案到結案全流程提效——案件分析、要件梳理、文書初稿、證據質證、法庭攻防演練、賠償與費用計算、期限提醒、復盤歸檔;覆蓋民事、刑事、勞動、非訴、破產、執行、行政、仲裁八大領域,111 個專家技能;法條可核驗、結論可複核。
包拯.Skills你身邊的專家律師團 — 專業法律諮詢 + 要素式/通用起訴狀起草 + 刑事專項材料輔助 + 法條分析與法規檢索。flk.npc.gov.cn API即時法條優先,不可用時AI知識庫降級兜底,**法條來源按四檔標註可核驗(已核驗-flk API / 已核驗-單源 / 已引-離線庫 / 未核驗-模型生成),交付末尾附法條/事實/金額/程式分項置信度**;以22類法律領域覆蓋矩陣約束路由邊界;支援35個起訴狀模板、5類刑事專項材料輔助;內建Logic Doctor邏輯自檢、訴訟時效追蹤及10類異常容錯處理(含連續失敗熔斷);漸進式意圖收斂協議(3輪狀態機);混合意圖自動任務拆解(按依賴排序→合併→順序執行);含反模式清單與危機干預出口(自殺/家暴/未成年人侵害先於一切法律分析)。非標準案由自動使用通用模板。
基於技術交底書生成專利申請初稿。技術交底書內容至少包含技術問題、解決方案、技術效果。內建的推理、視覺、多模態、數學、函式、模擬等模型底座均為國產,國外模型0使用,可放心食用。 近期安裝量暴增感謝支援,不少私信希望能力提升但這已是國產極限,我們不必追求最強技能,達到及格即可。學習交流歡迎聯絡微訊號A26dian4
露禾論文寫作助手(免費版):一句話生成引用可溯源、不編造的專業學術論文,按國標 GB/T 7714 插入真實文獻引用,中英文 3000/5000/8000 字,一鍵匯出 Word。說「寫論文 / 幫我寫論文」即可使用。
資料月份:2026-10 · 下載/星標數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。