stock-analysis git:20260912.808bcbcA

Immutable. This exact content is served forever at /api/v1/blob/7b47f4b952059138.

---
name: stock-analysis
description: >-
  A股个股完整诊断与威科夫结构研判框架。用于输入股票代码或名称后，基于市场、板块、催化、相对强度、量价结构、价格位置、风险收益和公司质量八层证据，输出可验证、可证伪的完整研究报告。适用于个股健康度、持仓逻辑、强弱原因、结构阶段和风险空间分析；不用于仅做板块复盘或盘前市场预测。
---

# A股个股完整诊断与威科夫结构研判引擎

> 基于“市场环境(L1) + 板块共振(L2) + 催化剂(L3) + 相对强度(L4) + 威科夫量价(L5) + 位置偏离(L6) + 空间盈亏比(L7) + 公司质量(L8)”八层证据的个股量化诊断框架。

执行分析前必须读取并遵循 [A股研究公共契约](references/common-research-contract.md) 与 [工具调用配方](references/tool-recipes.md)。

<!-- PROMPT_INCLUDE: references/common-research-contract.md -->

---

## 一、不可违反的研究原则与意图映射

```text
事实 > 结构 > 推断 > 评分 > 结论 ｜ 数据质量与结论方向分离 ｜ 逻辑健康度与交易位置分离
主假设必须配套竞争假设 ｜ 缺失数据记 N/A ｜ 分析纪律与表达方式分离：先说人话、再给详情
```

### 🗣️ 口语化自然语言意图映射 (Natural Language Intent Mapping)
当用户输入以下非标准化口语提问时，自动路由并激活本 Skill 执行个股深度诊断：
- **上车/买入**：“[股票名/代码]能买吗”、“[股票名/代码]明天能不能追”、“这只票现在能抄底吗”、“想买[股票名/代码]在什么位置接”
- **被套/减仓**：“[股票名/代码]被套了怎么办，成本xxx”、“这只票跌停了要割肉吗”、“[股票名/代码]反弹到多少能解套”
- **诊断/看票**：“帮我看一下[股票名/代码]”、“诊断[股票名/代码]”、“这只票怎么样/后市怎么走”
- **排雷/基本面**：“[股票名/代码]财务暴雷了吗/有没有解禁风险”、“[股票名/代码]龙虎榜是谁在买”

---

## 二、完整诊断工作流与上下文继承

1. **标的识别与上下文继承**：先通过 `handoff_store.py latest --subject <代码>` 查找标的短期快照，并继承当日复盘/轮动的 L1（市场）与 L2（板块）已确立事实；长期跟踪读取 `thesis_store.py get --stock-code <代码>`。
2. **数据采集与硬门槛预检**：优先调用 MCP `get_stock_diagnostic_context`（配方见 `references/tool-recipes.md`）。校验上市天数（$\ge 60$）、非 ST/*ST、非停牌且日K有效；硬门槛失败强制将 L4–L7 标记为 `N/A`，结构裁定“暂不评级”，置信度标记“数据不足”，不生成综合量化分。
3. **建立主假设与竞争假设**：对威科夫结构必须同时输出主假设与至少一个竞争假设，明确列出各自的确认信号与证伪信号。单根 K 线不得确认 Spring、SOS 或 UTAD。
4. **三轴独立裁决**：分别裁定逻辑健康度、结构位置与证据置信度。

---

## 三、八层证据体系 (L1–L8)

模型负责证据采集与定性判档，数值计算统一调用 `scripts/calculate.py` 纯函数（参见 `references/tool-recipes.md`）：

- **L1 市场环境 (10%)**：全市场流动性、指数趋势与 Market Regime；优先 MCP `get_index_kline` 与 `get_market_breadth`，禁用个股数据替代。
- **L2 板块与主线共振 (12%)**：行业及题材 5日/20日相对强度、板块资金延续性与个股在板块中的角色（龙头/中军/跟风）。
- **L3 催化剂质量 (10%)**：拆分为可信度（官方/传闻）、影响强度（业绩/估值）、持续周期（一次性/长周期）及计价程度（未计价/已兑现）。
- **L4 相对强度 RS (10%)**：相对宽基指数与所属行业的 5日/20日双基准超额收益，调用 `calculate_relative_strength`。
- **L5 威科夫与量价结构 (18%)**：基于复权 OHLCV 判定交易区间、放量/缩量测试；主假设证据等级分为 Confirmed / Probable / Possible / Not Supported。
- **L6 价格位置与过热 (10%)**：Bias MA20、Bias MA50、20日量比及分位数，调用 `calculate_price_position`。
- **L7 风险收益与空间不对称 (10%)**：基于明确结构位测算保守目标价、止损位与盈亏比，计入滑点与折价，调用 `calculate_risk_reward`。
- **L8 公司质量与重大风险 (20%)**：经营现金流、商誉、质押双比例（占总股本与占大股东）、解禁日期与公告、监管处罚。

---

## 四、三轴独立裁决体系

分析必须解耦为三轴独立裁决，严禁混淆：
1. **逻辑健康度**：`强化 / 稳定 / 弱化 / 证伪 / 暂不评级`
2. **结构与位置**：`吸筹观察 / 等待确认 / 推进 / 过热 / 派发警戒 / 破位 / 暂不评级`
3. **证据置信度**：`高 / 中 / 低 / 数据不足`（仅反映数据完整性，不代表看多或看空）

---

## 五、报告输出模版与术语白话化

输出严格按以下结构组织（缺失项标 `N/A`）：
1. **首屏摘要卡（必须置顶）**：固定输出 `summary`、逻辑健康度、结构位置、置信度、覆盖率、数据状态、最大风险和 `next_actions`；先让用户看懂结论，再展开详情。可继续操作至少包含“查看 L1–L8 证据”“查看确认与失效条件”“生成研报长图”。
2. **白话速览（第一屏，禁止未解释行话）**：用日常语言解答“现在发生了什么”、“为什么这么看”、“什么情况说明看错了”。
3. **三轴诊断结论与核心矛盾**：输出三轴结论及白话对照说明。
4. **研判基准与硬门槛审计**：数据时点、来源链接、硬门槛状态与数据覆盖率。
5. **L1–L8 证据链表**：逐层事实、推断、反证与分档。
6. **威科夫结构双假设**：主假设与竞争假设的推演依据、下一项确认/证伪信号。
7. **公司质量与重大事件排雷清单**：质押、解禁、财报审计与商誉。
8. **综合评分与裁决理由**：各层得分与综合排序分（硬门槛失败则无）。
9. **关键价位矩阵**：结构确认位、假设失效位（止损止盈参考）与时间窗口。
10. **后续跟踪变量与触发器**：待验证事件与下一次复核条件。
11. **跨 Skill 交接摘要**：输出下述 JSON，供其他 Skill 或后续跟踪继承：

```json
{
  "report_type": "stock",
  "subject": {"type": "stock", "id": "股票代码", "name": "股票简称"},
  "as_of": "YYYY-MM-DD 15:00",
  "source_count": 0,
  "coverage": "0%",
  "scored_weight": "0%",
  "confidence": "高 | 中 | 低 | 数据不足",
  "regime_namespace": "stock-structure",
  "market_regime": "吸筹观察",
  "structure_position": "吸筹观察",
  "primary_sectors": ["所属行业"],
  "watchlist": ["股票代码"],
  "risk_flags": ["硬门槛通过", "质押风险正常"],
  "next_triggers": [{"id": "TRG-代码-01", "condition": "放量突破结构位确认 / 跌破失效位证伪", "status": "pending"}]
}
```

### 术语白话化规则（强制）
专业术语首次出现必须附一句话白话解释：
- **吸筹**（主力在底部区间悄悄低吸买入筹码）；**派发**（主力在高位把股票卖给追高的散户）；
- **Spring**（假摔洗盘，跌破下沿后迅速拉回）；**SOS**（放量突破箱体的强势上涨信号）；
- **Bias**（股价偏离均线的幅度，偏离太远容易回调或反弹）。

---

## 六、交付、Thesis 管理与卡片渲染

1. **交接摘要落盘**：调用 `python scripts/handoff_store.py write --stdin`（自动双写 stock_diagnostic Artifact）。
2. **长期 Thesis 管理**：需长期跟踪时，调用 `python scripts/thesis_store.py write --stdin` 更新个股逻辑档案。
3. **可选战报长图**：用户要求生成卡片时，调用 `python scripts/generate_report_card.py --type stock --json report.json`。