量化选股系统 - 基于 AKShare + 多因子模型的 A 股选股工具

Name: 量化选股系统 - 基于 AKShare + 多因子模型的 A 股选股工具
Author: Jeckygo

量化选股系统 - 基于 AKShare + 多因子模型的 A 股选股工具【核心功能】 - 六大维度综合评分（技术面 30%+ 基本面 25%+ 资金面 15%+ 筹码峰 10%+90% 集中度 10%+ 成交量震荡 10%） - 消息面分析（财联社 + 新浪财经，自动去重） - 每日自动选股（Top 3 推荐）...

Jeckygo

@jeckygo

Install

$ openclaw skills install @jeckygo/quant-stock-selector

⚠️ 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-selector

2. 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.txt

3. 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 001207

OpenClaw 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！ 📈

Top skills in this category

Stock Analysis

@udiedrichsen

Analyze stocks and cryptocurrencies using Yahoo Finance data. Supports portfolio management, watchlists with alerts, dividend analysis, 8-dimension stock scoring, viral trend detection (Hot Scanner), and rumor/early signal detection. Use for stock analysis, portfolio tracking, earnings reactions, crypto monitoring, trending stocks, or finding rumors before they hit mainstream.

25758k

Stock Market Pro

@kys42

Yahoo Finance (yfinance) powered stock analysis skill: quotes, fundamentals, ASCII trends, high-resolution charts (RSI/MACD/BB/VWAP/ATR), plus optional web a...

15532k

A股量化 AkShare

@mbpz

A股量化数据分析工具，基于AkShare库获取A股行情、财务数据、板块信息等。用于回答关于A股股票查询、行情数据、财务分析、选股等问题。

10131k

Stock Watcher

@robin797860

Manage and monitor a personal stock watchlist with support for adding, removing, listing stocks, and summarizing their recent performance using data from 10jqka.com.cn. Use when the user wants to track specific stocks, get performance summaries, or manage their watchlist.

8736k

Intelligent Stocks Screener

@financial-ai-analyst

基于东方财富数据库，支持通过自然语言输入筛选A港美股、基金、债券等多种资产，支持多元指标筛选，含技术面、消息面、基本面及市场情绪等，可用于全球资产速筛、跨市场监控、投资组合构建、策略回测等场景。返回结果包含数据说明及 csv 文件。Natural language screener for investment...

10626k