A Share Event

数据源#

bash

SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"

# 实时行情（事件发生后的市场反应）
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]

# K线（事件前后股价走势对比）
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [事件前30日]

# 财务指标（评估事件对基本面的影响）
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]

# 资金流向（机构对事件的反应）
python "$SCRIPTS/cn_stock_data.py" fund_flow --code [CODE] --days 30

补充 web 搜索：公告原文、政策全文、分析师点评、历史类似事件案例。

Workflow (5 steps):#

Step 1: 事件识别与分类

事件类型子类典型影响方向公司公告业绩预告/快报取决于超/低预期分红方案通常正面增发/配股短期偏负面（摊薄）回购正面（公司认为低估）大股东增持正面信号大股东减持/解禁负面信号股权激励通常正面（绑定管理层）并购重组取决于标的质量和价格关联交易需评估是否损害小股东利益政策事件行业政策（利好）板块普涨行业政策（利空）板块普跌货币/财政政策系统性影响监管政策取决于具体内容市场事件指数调整（纳入/剔除）纳入正面，剔除负面北向资金大幅增减信号意义融券/做空负面压力

Step 2: 事件详情获取

1. Web 搜索事件详情（公告原文/政策全文）
2. cn-stock-data 获取事件前后行情数据
3. Web 搜索分析师/媒体的初步解读

Step 3: 影响评估

定量评估：

• 事件对 EPS 的影响（增发摊薄多少/并购增厚多少）
• 事件对资产负债表的影响（回购减少现金/增发增加净资产）
• 事件对估值的影响（新业务带来的估值重塑）

定性评估：

• 影响范围：公司级 / 行业级 / 市场级
• 影响持续性：一次性 / 短期（1-3月）/ 中期（3-12月）/ 长期（>1年）
• 影响确定性：高（已落地）/ 中（已公告待执行）/ 低（传闻/预期）
• 市场预期差：事件是否已被预期？超出预期程度？

综合评级：

维度评分影响方向正面 / 中性 / 负面影响程度重大 / 中等 / 轻微持续时间一次性 / 短期 / 中长期确定性高 / 中 / 低

Step 4: 历史类比（可选） Web 搜索类似事件的历史案例：

• 同公司类似事件的历史反应
• 同行业类似事件的市场反应
• 提供参考但不做简单类推

Step 5: 输出

风格说明#

维度formal（机构事件点评）brief（个人事件笔记）篇幅2-4 页半页事件描述完整（含公告/政策原文引用）一段话概述定量影响详细计算（EPS/净资产影响）核心数字定性评估完整评级表一句话判断历史类比2-3 个案例无或 1 个结论客观分析正反面可加操作建议免责声明需要不需要

关键规则#

1. 先看公告原文：所有分析基于公告/政策原文，不基于二手解读
2. 区分"预期内"和"超预期"：市场已充分预期的事件影响有限
3. 短期反应 ≠ 长期影响：股价短期反应可能过度，长期取决于基本面实质变化
4. 关注细节：增发价格/回购价格区间/减持比例/激励条件等细节决定影响程度
5. 不做简单类推：历史类似事件仅供参考，不能直接预测本次结果
6. 与其他 skill 联动：事件分析后可用 a-share-earnings-analysis 评估财务影响，用 a-share-thesis 更新投资论点

使用示例#

示例 1: 基本使用#

python

# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})

示例 2: 命令行使用#

bash

python scripts/run_skill.py --input data.json