Stock Daily Analysis

核心用法

stock-daily-analysis 是一款面向股票投资者的智能分析 Skill，支持 A股、港股、美股三大市场的自选股分析。用户通过 Python API 调用 analyze_stock() 进行单只分析，或使用 analyze_stocks() 批量处理多只股票。系统内置技术面指标计算（MA5/10/20、MACD、RSI、乖离率），并接入 DeepSeek/Gemini/OpenAI 等 LLM 提供 AI 决策建议，输出包含趋势判断、买入信号评分、操作建议、目标价与止损位的完整决策仪表盘。

配置流程简单：复制 config.example.json 为 config.json，填入 API Key 即可运行。可选集成 market-data skill 获取更稳定的 ETF 数据，增强数据源可靠性。

显著优点

• 多市场覆盖：同时支持 A/H/美股，满足跨市场投资者需求
• 技术+AI 双引擎：传统技术指标与 LLM 深度分析结合，兼顾量化与主观判断
• 决策输出完整：不仅给买卖信号，还包含置信度、目标价、止损位等风控要素
• 开源灵活：MIT 协议，代码透明，支持自定义扩展

潜在缺点与局限性

• 数据源依赖：默认数据源稳定性未明确说明，需额外配置 market-data skill 提升可靠性
• AI 幻觉风险：LLM 分析基于历史数据和技术指标，可能产生过度拟合或错误推理
• 无实时行情：技术面分析依赖历史数据，非实时推送，存在滞后性
• 回测验证缺失：项目文档未提及历史回测框架，策略有效性未经严格验证

适合人群

• 具备 Python 基础的量化爱好者
• 希望快速获取技术面+AI 综合观点的散户投资者
• 已有自主选股体系、需要辅助决策工具的进阶用户

常规风险

• 投资风险：明确声明不构成投资建议，信号评分仅作参考
• API 成本：调用 DeepSeek 等 LLM 产生 token 费用，批量分析成本需预估
• 数据延迟：依赖第三方数据接口，行情延迟可能导致分析时效性不足
• 模型偏见：LLM 训练数据可能包含市场偏见，极端行情下建议可靠性下降

核心用法

该技能提供了一个完整的LLM驱动股票分析工作流。用户可直接通过Python代码调用，对A股、港股或美股代码进行技术面分析。它可计算并输出包含趋势状态（如强势多头/空头）、均线（MA5/10/20）数值、MACD金叉死叉状态、RSI超买超卖信号及乖离率等丰富技术指标，并基于此与事实库生成AI分析结果，包括操作建议、信心水平和目标价位。其典型应用场景是进行每日复盘，针对自选股快速生成决策参考。

显著优点

1. 多市场与多维度分析：一站式覆盖A股/港股/美股，综合运用均线、MACD、RSI等多重指标进行交叉验证，提供比单一指标更全面的信号。
2. AI增强决策：并不止步于指标计算，而是利用LLM（DeepSeek/Gemini/OpenAI）对技术数据进行解读，能生成接近人类分析师的逻辑推理和操作建议。
3. 高度可集成与可扩展：提供Python API，设计为可批量化处理，并能作为OpenClaw的Skill运行，同时支持通过桥接器与market-data skill集成，获取更稳定的数据源。
4. 结构清晰，代码安全规范：经CLS安全认证评级为A级，代码架构良好，无高危后门或数据外泄行为，所有必要的系统调用和网络请求均出于功能需要且设计安全。

潜在缺点或局限性

1. 技术分析固有风险：该技能交付的是基于技术面的分析建议，不构成投资决策，完全依赖技术指标可能在极端市场行情或政策影响下失效。
2. AI分析的“黑箱”与幻觉风险：尽管LLM可提供接近人类逻辑的分析，但其结果可能包含无法解释的偏差或幻觉，其信心水平可能过于乐观，需要与自身经验交叉判断。
3. 性能依赖网络与外部服务：技能核心的AI分析强依赖第三方API（DeepSeek/OpenAI/Gemini）的可用性和响应延迟，网络不稳定将直接影响分析速度。
4. 来源可信度限制为T3：项目是个人开发者基于原项目的适配版，尚未完成在GitHub的正式公开发布，其社区维护和长期更新能力有待验证。

适合的目标群体

具备一定编程基础（Python）和金融知识的中高级投资者或量化交易爱好者。他们能理解技术指标内涵，希望通过自动化工具和AI辅助来提升每日复盘效率和决策质量，而非将其视为一键式“印钞机”。同时，也适合对构建AI Agent金融助手感兴趣的开发者。

使用该技能可能存在的常规风险

1. 投资风险：技能生成的所有建议仅供学习研究，不能作为投资依据。过度依赖可能导致错误决策和财务损失。
2. 隐私与数据传输风险：股票代码和相关技术指标数据会通过网络发送至用户配置的第三方AI服务商进行处理，虽然不包含个人身份信息，但存在合规和信息暴露考量。
3. 系统兼容性与依赖风险：技能依赖于多个Python库（akshare, pandas等），可能因库版本冲突导致运行失败。其可选的market-data集成功能，依赖外部skill的路径正确性。
4. 单点故障风险：若用户配置的单一AI服务API Key失效、额度耗尽或服务故障，将导致整体AI分析功能不可用，缺乏降级策略。