股票分析技能

快速分析（独立脚本）

脚本位置：.cursor/skills/stock-analysis/analyze_stock.py（项目根目录也有一份副本analyze_stock.py）

当用户要求分析某只股票时，直接执行此脚本：

python .cursor/skills/stock-analysis/analyze_stock.py <股票代码> [选项]

参数

数据源（多源容灾）

python .cursor/skills/stock-analysis/analyze_stock.py META
python .cursor/skills/stock-analysis/analyze_stock.py AAPL --date 2025-02-20
python .cursor/skills/stock-analysis/analyze_stock.py 0700.HK --days 60
python .cursor/skills/stock-analysis/analyze_stock.py TSLA -i rsi,macd,atr,close_50_sma
python .cursor/skills/stock-analysis/analyze_stock.py NVDA -i all

脚本按以下优先级获取数据，自动容灾切换：

Stooq

1. （免费、无需API key、不限速）Yahoo Chart API
2. （直接 HTTP 请求）yfinance
3. （Ticker.history）本地缓存
4. （tradingagents/dataflows/data_cache/中已有的 CSV）成功获取的数据会自动缓存到

data_cache/目录。报告输出内容

近期行情

1. - 最近 15 个交易日 OHLCV + 涨跌统计技术指标
2. - 每个指标的时间序列趋势综合分析
3. 综合分析- 趋势判断、动量分析、波动率分析、短期信号
4. 指标汇总表- 所有指标的当前值和信号判断

分析逻辑

脚本内置的分析逻辑对应market_analyst.py的 prompt：

• 趋势判断: 基于价格与 50SMA/200SMA 的位置关系（多头/空头排列 + 金叉/死叉）
• 动量分析: RSI 超买超卖（70/30 阈值）+ MACD 与信号线交叉 + 柱状图方向
• 波动率: ATR 占股价比例 + 布林带位置
• 短期信号: 价格与 10EMA 的关系

支持的全部指标

close_50_sma, close_200_sma, close_10_ema,
macd, macds, macdh,
rsi,
boll, boll_ub, boll_lb,
atr,
vwma

依赖

yfinance, stockstats, pandas, requests

项目架构（LangGraph 分析师节点）

tradingagents/
├── agents/analysts/           # 分析师节点
│   ├── market_analyst.py      # 市场/技术分析
│   ├── fundamentals_analyst.py # 基本面分析
│   ├── news_analyst.py        # 新闻分析
│   └── social_media_analyst.py # 社交媒体情绪分析
├── dataflows/
│   └── interface.py           # 数据接口（工具函数定义）
└── graph/
    └── trading_graph.py       # LangGraph 交易图

分析师节点结构

每个分析师遵循统一模式：create_xxx_analyst(llm, toolkit) -> node_function

核心模板

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.messages import HumanMessage
from ...dataflows.interface import get_market_type

def create_xxx_analyst(llm, toolkit):
    def xxx_analyst_node(state):
        current_date = state["trade_date"]
        ticker = state["company_of_interest"]
        market_type = get_market_type()  # "CN" 或 "US"

        # 1. 根据 market_type 设置 system_message 和 tools
        if market_type == "CN":
            system_message = "..."
            tools = [toolkit.cn_tool_1, toolkit.cn_tool_2]
        else:
            system_message = "..."
            if toolkit.config["online_tools"]:
                tools = [toolkit.online_tool]
            else:
                tools = [toolkit.offline_tool_1, toolkit.offline_tool_2]

        # 2. 构建 prompt（CN/US 可分别定义或共用）
        prompt = ChatPromptTemplate.from_messages([
            ("system",
             "你是一个有帮助的AI助手，与其他助手协作完成任务。"
             "使用提供的工具来推进回答问题。如果你无法完全回答，没关系；"
             "其他拥有不同工具的助手会在你停下的地方继续帮忙。"
             "你可以使用以下工具：{tool_names}\n{system_message}"
             "供参考，当前日期是 {current_date}。我们正在分析的公司是 {ticker}"),
            MessagesPlaceholder(variable_name="messages"),
        ])
        prompt = prompt.partial(
            system_message=system_message,
            tool_names=", ".join([t.name for t in tools]),
            current_date=current_date,
            ticker=ticker,
        )

        # 3. 调用 LLM
        chain = prompt | llm.bind_tools(tools)
        messages = state["messages"].copy()

        # 工具调用次数限制（防止无限循环）
        tool_call_count = sum(
            1 for msg in messages
            if hasattr(msg, 'tool_calls') and msg.tool_calls
        )
        if tool_call_count >= 3:
            final_prompt = ChatPromptTemplate.from_messages([
                ("system", system_message + "\n\n重要提醒：请基于已获取的信息生成最终报告，不要再调用任何工具。"),
                MessagesPlaceholder(variable_name="messages"),
            ])
            result = (final_prompt | llm).invoke(messages)
        else:
            if not (messages and getattr(messages[-1], "role", None) == "user"):
                messages.append(HumanMessage(content=f"请分析{ticker}的相关信息，并调用相关工具获取数据。"))
            result = chain.invoke(messages)

        # 4. 返回结果（key 与 state schema 对应）
        return {
            "messages": [result],
            "xxx_report": result.content,
        }

    return xxx_analyst_node

State 返回字段映射

可用技术指标（市场分析师）

指标名称必须与以下精确匹配，否则工具调用会失败：

选择指标时最多 8 个，避免冗余（如不要同时选 rsi 和 stochrsi）。

数据工具对照表

工具函数定义在tradingagents/dataflows/interface.py。

市场类型配置

通过get_market_type()获取，返回"CN"或"US"。配置来源于tradingagents/dataflows/config.py。

修改指南

新增技术指标

1. 在interface.py的 stockstats 工具中添加指标定义
2. 在market_analyst.py的system_message中添加指标描述
3. 指标名需与 stockstats 库一致

新增分析师类型

1. 在tradingagents/agents/analysts/创建新文件
2. 遵循上方核心模板
3. 在trading_graph.py中注册新节点
4. 返回值 key 需在 state schema 中定义

修改报告格式

所有分析师system_message末尾已要求附加 Markdown 表格总结。如需修改格式，调整system_message的指令即可。

注意事项

• 工具调用上限默认 3 次，超出后强制生成报告（防死循环）
• online_tools配置决定使用在线/离线数据源
• 所有分析师输出中文，system_message统一用中文编写
• 报告末尾需附 Markdown 表格，方便前端展示