量化选股系统：基于 AKShare 与多因子模型，对技术面、基本面、资金面、筹码峰、集中度、成交量六大维度综合评分，融合财联社与新浪财经消息并去重，每日自动推荐 Top3 股票。
在使用本量化选股系统前，请务必仔细阅读以下风险提示：
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。
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。
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
bash
clawhub install quant-stock-selector
bash
cd ~/.openclaw/skills
git clone https://github.com/quant-dev/quant-stock-skill.git
cd quant-stock-skill
pip3 install -r requirements.txt
编辑 config/email_config.py：
python
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：
bash
# 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
bash
# 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
bash
# 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
系统会自动发送邮件到配置的邮箱：
text
📈 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】
...
text
📊 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%
...
text
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
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
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。
⚠️ 使用本系统前，请务必阅读以下风险提示：
text
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）
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。
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。
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。
A: 检查以下几点：
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：
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。
MIT License
详见 LICENSE 文件。
本 Skill 仅供参考，不构成投资建议。
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。
如有问题，请通过以下方式联系：
感谢使用量化选股系统！祝投资顺利！ 📈
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。
基于雅虎财经数据，分析股票与加密货币。支持投资组合管理、自选股预警、股息分析、8维评分、热门趋势扫描及传闻/早期信号探测。适用于股票分析、持仓追踪、财报异动、加密监控、热门股追踪或提前发掘非主流传闻。
基于东方财富数据库，支持自然语言查询金融数据，覆盖A股、港股、美股、基金、债券等资产，提供实时行情、公司信息、估值、财务报表等，适用于投资研究、交易复盘、市场监控、行业分析、信用研究、财报审计、资产配置等场景，满足机构与个人需求。返回结果为xlsx和Markdown文件。
