- name
- quant-stock-selector
- description
- |
- homepage
- https://github.com/quant-dev/quant-stock-skill
- metadata
⚠️ 重要风险提示 ⚠️
在使用本量化选股系统前，请务必仔细阅读以下风险提示：
1. 投资风险
- 股市有风险，投资需谨慎：股票市场存在固有风险，可能导致本金损失
- 历史业绩不代表未来收益：过往回测数据和胜率仅供参考，不代表未来表现
- 无收益保证：本系统不保证任何收益，使用者应自行承担投资风险
- 市场波动风险：股市受宏观经济、政策、国际局势等多重因素影响，波动较大
2. 工具局限性
- 数据延迟：AKShare 数据可能存在 15 分钟延迟
- 模型风险：量化模型基于历史数据，可能无法适应市场变化
- 技术风险：系统可能出现故障、数据错误等技术问题
- 消息面风险：周末消息可能影响周一开盘，系统无法预测突发消息
3. 使用建议
- 止损纪律：建议设置 -8% 止损，严格执行
- 仓位控制：单只股票不超过 20% 仓位，总仓位不超过 60%
- 分散投资：不建议全仓单吊一只股票
- 独立判断：本系统推荐仅供参考，请结合独立判断
- 风险承受能力：请根据自身风险承受能力合理使用
4. 免责声明
- 仅供参考：本系统提供的信息仅供参考，不构成投资建议
- 自主决策：使用者应自主决策，自行承担投资风险
- 无连带责任：作者不对使用本系统造成的任何损失承担责任
- 合法合规：使用者应遵守当地法律法规，合法合规使用
5. 适用人群
- ✅ 有一定股票投资经验的投资者
- ✅ 能够承受一定投资风险的投资者
- ✅ 能够严格执行止损纪律的投资者
- ❌ 不适合投资新手
- ❌ 不适合风险承受能力低的投资者
- ❌ 不适合期望保本保收益的投资者
使用本系统即表示您已阅读并理解以上风险提示，愿意自行承担投资风险。
量化选股系统 Skill
基于 AKShare + 多因子模型的 A 股量化选股工具，六大维度综合评分，每日自动推荐 Top 3 个股。
功能特点
六大维度综合评分
| 因子 | 权重 | 说明 |
|---|---|---|
| 技术面 | 30% | 均线、MACD、RSI、布林带、成交量 |
| 基本面 | 25% | PE、PB、ROE、增长率 |
| 资金面 | 15% | 主力流入、成交量放大 |
| 筹码峰 | 10% | 上方压力、获利盘、近期涨幅 |
| 90% 集中度 | 10% | 主力控盘程度（<10% 为优秀） |
| 成交量震荡 | 10% | 2 周内放量 2-5 倍 + 短期震荡 |
核心功能
- 每日选股推荐（周一至周五 14:00 自动）
- 从 5830 只 A 股中筛选 Top 3 - 详细推荐理由（技术面/基本面/资金面/筹码面/热点题材） - 买入价、卖出价、止损价、持有天数
- 胜率统计面板（周一至周五 15:30 自动）
- 累计推荐数量 - 胜率统计 - 平均收益 - 历史对比
- 消息面分析
- 财联社 + 新浪财经 - 自动去重 - 热点题材提取
- 周末消息分析（周日 20:00 自动）
- 周末重要消息整理 - 受益个股分析 - 周一操作建议
- 邮件推送
- 推荐结果详细报告 - 胜率统计面板 - 周末消息分析
安装
1. 通过 ClawHub 安装（推荐）
clawhub install quant-stock-selector2. 手动安装
cd ~/.openclaw/skills
git clone https://github.com/quant-dev/quant-stock-skill.git
cd quant-stock-skill
pip3 install -r requirements.txt3. 配置邮箱
编辑 config/email_config.py：
EMAIL_ACCOUNT = "your_email@163.com"
EMAIL_PASSWORD = "your_auth_code" # 163 邮箱授权码（非登录密码）
EMAIL_TO = "your_email@163.com"获取 163 邮箱授权码：
- 登录 163 邮箱
- 设置 → POP3/SMTP/IMAP
- 开启 SMTP 服务
- 生成授权码
4. 设置定时任务
# 每日选股推荐（周一至周五 14:00）
0 14 * * 1-5 cd ~/.openclaw/skills/quant-stock-skill && python3 tools/daily_recommender.py
# 胜率统计（周一至周五 15:30）
30 15 * * 1-5 cd ~/.openclaw/skills/quant-stock-skill && python3 tools/performance_tracker.py
# 周末消息分析（周日 20:00）
0 20 * * 0 cd ~/.openclaw/skills/quant-stock-skill && python3 tools/weekend_news_analyzer.py使用方法
命令行使用
# 每日选股推荐
python3 tools/daily_recommender.py
# 胜率统计
python3 tools/performance_tracker.py
# 周末消息分析
python3 tools/weekend_news_analyzer.py
# 手动选股（指定股票代码）
python3 tools/stock_analyzer.py --code 001207OpenClaw 中使用
# 选股推荐
openclaw skill run quant-stock-selector --action recommend
# 胜率统计
openclaw skill run quant-stock-selector --action stats
# 周末消息
openclaw skill run quant-stock-selector --action weekend-news邮件订阅
系统会自动发送邮件到配置的邮箱：
- 周一至周五 14:00：选股推荐详细报告
- 周一至周五 15:30：胜率统计面板
- 周日 20:00：周末消息分析
输出示例
选股推荐
📈 量化选股推荐 - 2026-03-29
1. 联科科技 (001207) ⭐⭐⭐【70 分 - 首选】
当前价：30.86 元
建议买入价：28.93 元（5 日线支撑）
目标价：33.27 元（+15%）
止损价：26.62 元（-8%）
预期收益：+15%
风险收益比：1:2.5
详细理由：
- 技术面：均线多头，MACD 金叉，RSI 合理
- 基本面：PE 合理，ROE 良好
- 资金面：成交量放大，主力净流入
- 筹码面：上方压力小，获利盘多
- 热点题材：锂电池/半导体材料
2. 德新科技 (603032) ⭐⭐【60 分 - 次选】
...
3. 永太科技 (002326) ⭐⭐【60 分 - 次选】
...胜率统计
📊 胜率统计面板 - 2026-03-29
累计推荐：15 只
盈利数量：11 只
亏损数量：4 只
胜率：73.3%
平均收益：+12.5%
历史统计：
日期 推荐数 盈利数 胜率 平均收益
2026-03-29 3 2 66.7% +8.5%
2026-03-28 3 3 100% +15.0%
...选股逻辑
筛选流程
1. 获取全部 A 股（5830 只）
↓
2. 初步筛选（排除 ST/高价/高 PE/仅主板）
↓
3. 约 2500-3000 只
↓
4. 计算六大因子得分
↓
5. 综合得分排序
↓
6. 选取 Top 3
↓
7. 生成详细推荐报告评分标准
| 得分 | 评级 | 操作建议 |
|---|---|---|
| ≥80 分 | ✅ 强烈推荐 | 优先买入 |
| 70-79 分 | ✅ 推荐 | 可买入 |
| 60-69 分 | 🟡 观望 | 谨慎买入 |
| <60 分 | ❌ 不推荐 | 放弃 |
预期效果
| 指标 | 传统选股 | 本系统 | 提升 |
|---|---|---|---|
| 胜率 | 50-60% | 70-80% | +20% |
| 平均收益 | +2-5% | +10-20% | +15% |
| 封板概率 | 5-10% | 30-40% | +30% |
| 主力控盘股比例 | 30-40% | 70-80% | +40% |
⚠️ 注意：以上数据为历史回测结果，不代表未来收益。
风险提示
⚠️ 使用本系统前，请务必阅读以下风险提示：
1. 投资风险
- 股市有风险，投资需谨慎：股票市场存在固有风险，可能导致本金损失
- 历史业绩不代表未来收益：过往回测数据和胜率仅供参考，不代表未来表现
- 无收益保证：本系统不保证任何收益，使用者应自行承担投资风险
- 市场波动风险：股市受宏观经济、政策、国际局势等多重因素影响，波动较大
2. 工具局限性
- 数据延迟：AKShare 数据可能存在 15 分钟延迟
- 模型风险：量化模型基于历史数据，可能无法适应市场变化
- 技术风险：系统可能出现故障、数据错误等技术问题
- 消息面风险：周末消息可能影响周一开盘，系统无法预测突发消息
3. 使用建议
- 止损纪律：建议设置 -8% 止损，严格执行
- 仓位控制：单只股票不超过 20% 仓位，总仓位不超过 60%
- 分散投资：不建议全仓单吊一只股票
- 独立判断：本系统推荐仅供参考，请结合独立判断
- 风险承受能力：请根据自身风险承受能力合理使用
4. 免责声明
- 仅供参考：本系统提供的信息仅供参考，不构成投资建议
- 自主决策：使用者应自主决策，自行承担投资风险
- 无连带责任：作者不对使用本系统造成的任何损失承担责任
- 合法合规：使用者应遵守当地法律法规，合法合规使用
5. 适用人群
- ✅ 有一定股票投资经验的投资者
- ✅ 能够承受一定投资风险的投资者
- ✅ 能够严格执行止损纪律的投资者
- ❌ 不适合投资新手
- ❌ 不适合风险承受能力低的投资者
- ❌ 不适合期望保本保收益的投资者
文件结构
quant-stock-skill/
├── SKILL.md # Skill 描述文件
├── README.md # 使用说明
├── requirements.txt # 依赖
├── LICENSE # 许可证
├── .gitignore # Git 忽略文件
├── tools/
│ ├── daily_recommender.py # 每日选股推荐
│ ├── performance_tracker.py # 胜率统计
│ ├── weekend_news_analyzer.py # 周末消息分析
│ ├── news_analyzer.py # 消息面分析
│ ├── stock_analyzer.py # 个股分析
│ └── send_email.py # 邮件发送
├── factors/
│ ├── factor_calculator.py # 综合因子计算
│ ├── chip_distribution.py # 筹码峰 +90% 集中度
│ └── volume_spike_oscillation.py # 成交量震荡
├── data/
│ └── akshare_data.py # AKShare 数据获取
├── config/
│ └── email_config.py # 邮箱配置
├── docs/
│ ├── WEIGHT_ALLOCATION.md # 权重分配说明
│ ├── CONCENTRATION_90_RULE.md # 90% 集中度规则
│ ├── STOCK_SELECTION_LOGIC.md # 选股逻辑
│ └── VOLUME_SPIKE_OBSERVATION.md # 成交量震荡
├── examples/
│ └── sample_output.md # 输出示例
├── recommendations/ # 推荐记录（自动生成）
└── performance_stats/ # 统计面板（自动生成）常见问题
Q: 为什么推荐的都是主板股票？
A: 创业板（300/301）和科创板（688）波动大，风险高，系统默认只推荐主板股票。如需修改，请编辑 tools/daily_recommender.py 中的筛选条件。
Q: 胜率如何统计？
A: 每日 15:30 自动统计当日推荐个股表现，计算收益率和胜率。统计数据保存在 performance_stats/ 目录。
Q: 如何调整选股标准？
A: 编辑 factors/factor_calculator.py 中的权重分配。建议保持默认设置，除非您有充分的理由。
Q: 邮件发送失败怎么办？
A: 检查以下几点：
- 邮箱配置是否正确
- 163 邮箱需要使用授权码而非登录密码
- 是否开启了 SMTP 服务
- 防火墙是否阻止了 465 端口
Q: 胜率低于预期怎么办？
A: 这是正常现象。历史回测胜率 70-80% 不代表实际使用也能达到。建议：
- 严格执行止损纪律
- 控制仓位，不要全仓单吊
- 结合独立判断，不要盲目跟随
- 持续学习，提高投资水平
Q: 能否保证收益？
A: 不能。任何声称能保证收益的都是骗局。股市有风险，投资需谨慎。本系统仅供参考，不构成投资建议。
更新日志
v1.0.0 (2026-03-29)
- ✅ 初始版本发布
- ✅ 六大维度综合评分
- ✅ 每日自动选股推荐
- ✅ 胜率统计面板
- ✅ 消息面分析
- ✅ 邮件推送
- ✅ 周末消息分析
- ✅ 详细风险提示
作者
- Author: Quant Developer
- Email: quant_dev@example.com
- GitHub: https://github.com/quant-dev
许可证
MIT License
详见 LICENSE 文件。
免责声明
本 Skill 仅供参考，不构成投资建议。
- 股市有风险，投资需谨慎
- 历史业绩不代表未来收益
- 使用者应自行承担投资风险
- 作者不对使用本系统造成的任何损失承担责任
使用本系统即表示您已阅读并理解以上风险提示，愿意自行承担投资风险。
支持
如有问题，请通过以下方式联系：
- GitHub Issues: https://github.com/quant-dev/quant-stock-skill/issues
- Email: quant_dev@example.com
感谢使用量化选股系统！祝投资顺利！ 📈