stock-analysis
股票个股分析，实时获取价格涨跌幅，计算技术指标和支撑位，识别缺口并判断支撑压力，智能预测未来3天走势并给出操作建议
npx skills add anbeime/skill --skill stock-analysis --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 股票个股分析 ## 任务目标 - 本 Skill 用于：对指定股票进行全面的技术分析，包括实时数据获取、技术指标计算、支撑位压力位分析、缺口识别分析 - 能力包含：实时行情获取、技术指标计算（均线、MACD、RSI）、支撑位压力位识别、缺口识别（向上/向下缺口及支撑压力作用）、趋势判断、未来走势预测 - 触发条件：用户提供股票代码并要求分析走势、预测未来、获取操作建议 ## 前置准备 - 依赖说明： ``` requests>=2.28.0 numpy>=1.24.0 pandas>=2.0.0 ``` ## 操作步骤 ### 标准流程 1. **获取股票代码并验证** - 用户提供股票代码，如：000001（平安银行）、sh600000（浦发银行）、000001.SZ（深交所格式） - 参考股票代码格式文档，确保代码格式正确 2. **获取实时行情数据** - 调用 `scripts/fetch_stock_data.py` 获取实时行情和历史K线数据 - 参数： - `--stock_code`: 股票代码 - `--days`: 获取历史数据天数（默认30天） - 返回包含：当前价格、涨跌幅、成交量、历史K线数据 3. **计算技术指标和支撑位** - 调用 `scripts/analyze_stock.py` 进行技术分析 - 参数： - `--data_file`: 上一步获取的数据文件路径 - 计算结果： - MA5/MA10/MA20/MA60 均线 - MACD 指标 - RSI 指标 - 支撑位和压力位 - **缺口分析**（向上缺口和向下缺口） - 成交量分析 - 趋势判断 4. **分析当前走势** - 基于技术指标进行多维度分析： - 均线排列（多头排列/空头排列/缠绕） - MACD金叉死叉状态 - RSI超买超卖状态 - 成交量配合情况 - K线形态分析 - **缺口分析**： - 向上缺口：通常构成支撑位（回调时缺口上沿可能成为支撑） - 向下缺口：通常构成压力位（反弹时缺口下沿可能成为压力） - 缺口大小和位置对走势的影响 5. **预测未来3天走势** - 综合技术指标和趋势分析，对未来3天走势进行判断 - 考虑因素：趋势方向、支撑压力位、**缺口支撑压力**、成交量变化、市场情绪 - 给出概率评估：上涨/下跌/横盘的概率和强度 6. **生成操作建议** - 根据分析结果和预测，给出明确的操作建议： - 买入/持有/卖出/观望 - 建议的买入/卖出价格区间 - 止损位和止盈位设置 - **缺口相关的操作提示**（如：向上缺口未回补前可作为支撑参考） - 风险提示和注意事项 ## 资源索引 - 获取数据：见 [scripts/fetch_stock_data.py](scripts/fetch_stock_data.py
- 任务目标
- 前置准备
- 操作步骤
- 标准流程
- 资源索引
- 注意事项
- 使用示例
- 示例1：A股股票分析
- 示例2：港股股票分析
- 示例3：美股股票分析
What does the stock-analysis skill do?
股票个股分析，实时获取价格涨跌幅，计算技术指标和支撑位，识别缺口并判断支撑压力，智能预测未来3天走势并给出操作建议
How do I install it?
Run `npx skills add anbeime/skill --skill stock-analysis --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From anbeime/skill, a repository with 4,714 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.