Tradingview Quantitative

核心功能与用法

tradingview-quantitative 是一套基于TradingView MCP工具构建的专业量化投资分析专家系统，面向专业投资者和量化交易需求设计。其核心能力包括：

1. 智能选股与筛选：通过get_leaderboard多列集组合（overview/performance/valuation/profitability等）实现多维股票筛选，支持技术+基本面双轮驱动筛选
2. 深度个股分析：整合实时行情（quote）、多时间框架K线（price）、详细技术指标（TA含RSI/MACD/支撑阻力）、新闻事件（news）与财经日历（calendar）的全方位分析
3. 技术形态识别：基于价格数据与TA指标，结合内置形态库（双底、头肩顶、三角形、旗形、蜡烛图等）进行模式匹配
4. 风险管理：波动率计算、仓位管理、止损止盈策略，支持Kelly公式等专业风控方法
5. 事件驱动分析：追踪经济数据、财报、IPO等日历事件，结合新闻解读市场情绪

显著优点

• Metadata First设计：强制先调用get_metadata获取市场代码、标签页、列集等参数，确保API调用准确性，降低无效请求
• 工作流化设计：提供14+个标准化工作流（deep-stock-analysis、smart-screening、pattern-recognition等），覆盖完整投研场景
• 多资产支持：股票、加密货币、外汇全覆盖
• 专业级数据：TradingView数据源，技术指标丰富，支持500条历史数据回测
• 本地化支持：含A股实战案例（china-a-stock-examples.md），对中国市场有针对性优化

潜在局限

• 数据源依赖：完全依赖TradingView API，若服务受限则功能失效
• 非实时决策：虽有实时行情，但分析结论需人工判断，无法直接执行交易
• 学习曲线：需理解metadata体系、列集概念、时间戳格式等专业知识
• 数据覆盖限制：部分小众市场或个股可能数据不全

适合人群

• 专业量化投资者与私募研究员
• 技术分析交易者与形态交易爱好者
• 需要多因子选股策略的资产管理人
• 对A股、美股、加密市场进行系统性研究的个人投资者

常规风险

• 投资风险：明确声明"仅供参考，不构成投资建议"，所有决策需用户自担风险
• 数据延迟风险：行情数据可能存在分钟级延迟，不适合高频交易
• API依赖风险：过度调用可能触发TradingView API限制
• 模型局限：技术面分析在历史极端行情中可能失效，需结合基本面判断

核心功能与用法

该 Skill 是一套完整的量化投资分析框架，通过 MCP 协议调用 TradingView Data API 实现专业级市场分析。核心用法遵循"元数据优先"原则：调用排行榜前必须先获取市场代码、标签和列集等元数据参数。

主要分析能力包括：

• 深度个股分析：整合实时报价、多时间框架 K 线、详细技术指标、新闻和财经日历
• 智能选股：基于多列集（估值/盈利能力/股息/技术面）的批量筛选
• 形态识别：结合价格数据、技术指标与经典形态库（双底、头肩顶、三角形等）
• 多时间框架确认：日线/周线/月线趋势一致性验证
• 风险管理：历史波动率计算、仓位管理与止损策略
• 事件驱动分析：财报、经济数据、IPO 等日历事件追踪

显著优点

1. 专业方法论支撑：内置完整的技术分析评分模型、形态识别库和风险管理体系（含凯利公式等），而非简单数据展示
2. 结构化工作流：12 个预定义工作流覆盖从个股深度分析到板块轮动的完整投资场景
3. 数据维度丰富：整合行情、技术指标、基本面、新闻、财经日历五大数据源
4. 来源可信：GitHub 组织账号维护，MIT 开源，社区活跃
5. 安全透明：纯文档型 Skill，无可执行代码，数据流向明确

局限性与风险

1. 外部 API 依赖：必须通过 RapidAPI 注册获取 TradingView API Key，免费套餐有调用限制
2. 学习成本：需要理解 RSI、MACD、PE 等投资概念，以及 MCP 协议配置
3. 非实时决策工具：技术分析基于历史数据，无法预测黑天鹅事件
4. 地域限制：部分市场数据可能覆盖不全，A 股案例需结合实际验证

适合人群

• 有量化分析基础的个人投资者
• 需要多市场数据（股票/加密/外汇）的研究者
• 希望系统化投资流程的进阶用户

常规风险

投资风险：明确声明"不构成投资建议"，所有决策需用户独立判断。金融市场不确定性意味着技术分析不能保证收益。

API 成本风险：RapidAPI 超出免费配额后需付费，高频使用可能产生费用。

配置风险：API Key 管理不当可能导致密钥泄露，需使用环境变量而非硬编码。