# 中短期A股选股辅助系统 — 项目计划

## 一、项目定位

基于 opencode + Skill/Custom Tool 机制构建的 **A股选股分析辅助工具**。利用 AI 辅助多维度分析，
帮助用户做出更有信息量的选股决策。**不涉及自动交易，仅做分析推荐，人工下单。**

## 二、核心原则

1. **验证优先** — 任何策略上线前必须经过历史回测，不依赖未经数据验证的经验法则
2. **辅助决策，而非替代决策** — 输出结构化分析报告，给出评分和依据，最终决策权归用户
3. **数据驱动** — 所有分析基于可量化的数据指标，避免主观模糊的语言
4. **增量迭代** — 先建回测引擎，再建选股工具，最后补舆情分析

## 三、技术架构

```
┌──────────────────────────────────────────────┐
│                   opencode TUI               │
│                                               │
│  ┌──────────┐  ┌──────────┐  ┌────────────┐ │
│  │ Skills   │  │ Skills   │  │ Skills      │ │
│  │ Screener │  │ Analyzer │  │ Overview/   │ │
│  │          │  │          │  │ Backtest    │ │
│  └────┬─────┘  └────┬─────┘  └──────┬──────┘ │
│       │              │               │         │
│  ┌────▼──────────────▼───────────────▼──────┐ │
│  │         Custom Tools (TypeScript)        │ │
│  │  stock-data / stock-screen / backtest    │ │
│  └──────────────────┬───────────────────────┘ │
└─────────────────────┼─────────────────────────┘
                      │ Bun.$ `python3 ...`
┌─────────────────────▼─────────────────────────┐
│              Python Scripts                    │
│  ┌───────────┐ ┌──────────┐ ┌──────────────┐ │
│  │ AKShare   │ │ Screener │ │ Backtest     │ │
│  │ Data      │ │ Engine   │ │ Engine       │ │
│  └───────────┘ └──────────┘ └──────────────┘ │
└───────────────────────────────────────────────┘
```

### 数据源

| 数据类别 | 来源 | 说明 |
|----------|------|------|
| 日K/周K行情 | AKShare | `stock_zh_a_hist` |
| 实时行情 | AKShare | `stock_zh_a_spot_em` |
| 财务报表 | AKShare | `stock_financial_analysis_indicator` |
| 资金流向 | AKShare | `stock_individual_fund_flow` |
| 龙虎榜 | AKShare | `stock_sina_lhb_detail_daily` |
| 新闻舆情 | AKShare + 自建爬虫 | `stock_news_em` |
| 板块数据 | AKShare | `stock_board_industry_*` |

## 四、分阶段实施计划

### 阶段 0：环境与框架搭建 ✅

- [x] 初始化项目目录结构
- [ ] 安装 Python 环境与依赖
- [x] 编写 AGENTS.md 供 opencode 理解项目
- [x] 搭建 Custom Tool 骨架（TypeScript → Python 桥接）
- [x] 搭建 Skill 文件骨架
- [x] 适配小资金（5万）场景约束

### 阶段 1：回测引擎（高优先级）

**目标：** 任何策略可以输入规则 + 参数，输出回测报告。

- [ ] 实现回测引擎核心 `backtest_engine.py`
  - 模拟交易（按收盘价成交）
  - 计算收益曲线、胜率、最大回撤、夏普比率
  - 支持多策略对比
- [ ] 实现 `stock-backtest` 工具（TypeScript 包装）
- [ ] 实现回测 Skill（指导 LLM 如何设计、运行、解读回测）
- [ ] 用历史数据跑几个经典策略验证引擎正确性

**验证标准：** 能跑出 60日均线上穿120日均线 这个经典策略在沪深300上的回测结果。

### 阶段 2：选股引擎

**目标：** 多因子打分，输出 Top N 推荐列表。

- [ ] 实现选股筛选器 `stock_screener.py`
  - 技术因子：趋势强度、均线排列、量价配合、RSI、MACD
  - 资金因子：主力净流入（3/5/10日）、北向资金变化
  - 基本面因子：PE 分位、ROE、营收/利润增速
  - 消息因子：近期新闻数量、机构评级变化（后续补充）
  - 加权打分公式
- [ ] 实现 `stock-screen` 工具
- [ ] 实现选股 Skill（工作流：大盘评估 → 多因子筛选 → 排序输出）

### 阶段 3：单股深度分析

**目标：** 对任意股票生成结构化分析报告。

- [ ] 实现个股分析器 `stock_analyzer.py`
  - 技术面：趋势定位、均线状态、支撑/阻力位、技术形态识别
  - 资金面：近期主力资金行为模式
  - 基本面：PE/PB 历史分位、杜邦分析摘要
  - 消息面：近30天关键公告、新闻情绪评分
- [ ] 实现 `stock-analyzer` Skill

### 阶段 4：大盘环境评估

**目标：** 每次选股前判断当前是否适合操作。

- [ ] 实现大盘分析 `market_overview.py`
  - 主要指数趋势判断
  - 市场宽度（上涨/下跌家数比）
  - 成交量趋势
  - 板块轮动热力图
  - 仓位建议（轻仓/中等/重仓）
- [ ] 实现 `market-overview` Skill

### 阶段 5：舆情分析增强

- [ ] 新闻爬取与解析
- [ ] 关键词/情绪评分
- [ ] 机构研报监控

## 五、因子体系设计（初版）

### 多因子打分权重

| 维度 | 权重 | 子因子 |
|------|------|--------|
| 技术面 | 35% | 趋势强度、均线排列、量价配合、RSI位置 |
| 资金面 | 30% | 主力净流入趋势、北向资金、大单占比 |
| 基本面 | 25% | PE分位、ROE、利润增速、营收增速 |
| 消息面 | 10% | 新闻热度、机构评级方向 |

### 每个因子标准化为 0-100 分，加权求和得综合分。

## 六、风险与应对

| 风险 | 应对方案 |
|------|----------|
| AKShare 接口变动 | 封装统一数据层，多数据源 fallback |
| LLM 分析幻觉 | 所有数据由 Python 脚本计算，LLM 仅做解读和呈现 |
| 策略过拟合 | 回测引擎支持样本外检验（滚动窗口） |
| 市场风格切换 | 多因子框架允许动态调整权重 |

## 七、目录结构

```
stock/
├── .opencode/
│   ├── tools/                  # Custom Tools (LLM 可调用的函数)
│   │   ├── stock-data.ts       # 数据获取工具组
│   │   ├── stock-screen.ts     # 选股筛选工具组
│   │   └── stock-backtest.ts   # 回测工具组
│   └── skills/                 # Agent Skills (工作流指令)
│       ├── stock-screener/     # 选股工作流
│       ├── stock-analyzer/     # 单股分析工作流
│       ├── market-overview/    # 大盘评估工作流
│       └── stock-backtest/     # 回测工作流
├── scripts/                    # Python 实现
│   ├── market_data.py          # 数据获取 (AKShare)
│   ├── stock_screener.py       # 多因子选股引擎
│   ├── stock_analyzer.py       # 个股深度分析
│   ├── backtest_engine.py      # 回测引擎
│   └── sentiment.py            # 舆情分析
├── docs/
│   └── PLAN.md                 # 本文件
├── requirements.txt
├── AGENTS.md                   # opencode 项目理解
└── README.md
```

## 八、小资金（5万）场景适配

### 约束条件

| 约束 | 影响 | 设计调整 |
|------|------|----------|
| 每股单价限制 | 股价 >500 元直接买不起1手 | 选股池自动过滤高价股，优先 10-50 元区间 |
| 集中持仓 | 5万只能分散到 2-4 只 | 选股输出 Top 3-5，附带仓位分配建议 |
| 手续费敏感 | 单次交易 ~60 元（0.12%） | 每次推荐附带交易成本估算，避免过度拆分 |
| 心理因素 | 5% = 2500 元，感受强烈 | 所有风控指标同时用百分比和绝对金额展示 |
| 收益预期 | 年化 20% = 10000 元 | 目标定位为学习验证，非财富增长 |

### 仓位分配参考

| 大盘环境 | 总仓位 | 单只最大 | 持有数量 |
|----------|--------|----------|----------|
| 强势（重仓） | 3.5-4万（70-80%） | 1-1.5万/只 | 3-4只 |
| 中性（中等） | 1.5-2.5万（30-50%） | 0.5-1万/只 | 2-3只 |
| 弱势（轻仓） | <1.5万（<30%） | <0.5万/只 | 1-2只 |

### 价格可买性校验

每只推荐股票前校验：`股价 × 100 ≤ 计划仓位`

## 九、里程碑时间线

| 阶段 | 预计可交付 | 里程碑 |
|------|-----------|--------|
| 阶段 0 | ✅ 框架搭建 | 项目骨架可运行，上下文齐全 |
| 阶段 1 | 回测引擎 | 可验证任意策略历史表现 |
| 阶段 2 | 选股引擎 | 每天可生成 Top N 推荐 |
| 阶段 3 | 单股分析 | 可对任意股票出详细分析报告 |
| 阶段 4 | 大盘评估 | 判断市场可操作性 |
| 阶段 5 | 舆情分析 | 消息面因子补充 |

---

*最后更新：2026-07-01*