🐂 BigA · A股 智能选股（股票分析·投资分析·AI股票）

核心用法

BigA 是一套面向A股市场的量化选股与择时系统，通过「高科技×中小市值×好业绩」三轴筛选，动态维护最多30支股票池。用户可通过「大A/BigA」等触发词激活，获得三类服务：开盘前瞻（8:30）、盘中异动监测（9:30-14:30）、收盘复盘（15:30）。系统输出包含长线操作建议（买入/持有/减仓）与短线策略（做多/做T/回避），并配有-10~+10技术择时分辅助判断买卖点。

显著优点

规则清晰，执行纪律化：硬性排除ST、传统行业、PE>100无高增速标的，连3次评分<40自动淘汰，避免人性犹豫。双信号对齐机制确保池外推荐时，必须同时满足长线OK（BigA≥50）+短线入场OK（择时≥0或入场就绪≥6）+风控通过，大幅降低追高风险。数据源透明：实时行情对接腾讯API，评分维度（技术面20%+PE15%+基本面催化40%+热度25%）公开可追溯。安装后自动配置3条cron定时任务，实现「开盘-盘中-收盘」全时段覆盖。

潜在局限

数据依赖外部API：腾讯行情接口偶有延迟或限流，极端行情下数据质量不可控。模型评分部分主观：基本面催化（政策/产业/消息，共40分）与热度（板块/资金/情绪，共25分）依赖模型实时判断，不同版本模型可能产生评分漂移。中小市值偏好双刃剑：20-1000亿区间在流动性危机时回撤可能大于大盘蓝筹。无自动交易能力：仅输出信号，执行仍需用户手动下单，存在「看到信号来不及操作」的时差风险。

适合人群

• 有一定A股经验的主动投资者：能理解PE、均线金叉、放量突破等术语
• 无法盯盘的上班族：依赖定时推送获取开盘前瞻与收盘复盘
• 中小资金量（10万-500万）：股票池容量与中小市值策略匹配
• 追求系统交易纪律：愿意接受机械淘汰规则，不因个人情感持仓

常规风险

⚠️ 信号≠收益：技术面择时分与基本面评分均基于历史数据回测，未来表现不保证。⚠️ 中小市值流动性风险：100亿以下标的在熊市中可能出现「无量阴跌」，止损执行困难。⚠️ 模型升级兼容：clawhub update biga 后需同步检查cron timeout配置，否则可能导致推送中断。⚠️ 用户手动添加股票：跳过市值筛选后，系统不再自动风控，需用户自行承担高估值风险。

核心用法

BigA 是一款面向A股市场的智能量化选股工具，采用「高科技×中小市值×好业绩」三维筛选策略，动态维护最多30支股票的投资池。用户可通过触发词（如「大A」「BigA」「选股」）激活分析流程，系统自动调用 biga-scan.py 脚本获取实时行情、K线数据及技术指标，并结合模型层评分生成买卖建议。

工作流程：
1. 脚本层：python3 scripts/biga-scan.py 自动抓取腾讯/新浪财经API数据，计算技术面得分（0-20）、PE分（0-15）、择时分（-10~+10）、入场就绪度（0-10）及启动信号强度（0-3）
2. 模型层：整合脚本输出的技术指标，补充基本面催化剂（0-40分）与市场热度（0-25分），形成完整的BigA总分（0-100）
3. 推送层：按场景生成开盘前瞻（08:30）、盘中异动、收盘复盘（15:30）或股票池展示，支持定时cron任务自动推送

关键操作指令：

• biga-scan.py --segments：文本格式输出全池扫描
• biga-scan.py --codes 600XXX：指定代码池外扫描
• 触发「股票池」：展示完整持仓分析与操作建议
• 触发「选股」：执行双信号对齐的池外标的筛选

显著优点

1. 评分体系科学：采用「技术面+基本面+催化剂+热度」四维加权模型（20/25/25/30），避免单一指标失真；独立择时分（-10~+10）与BigA评分正交设计，分别回答「股票好不好」和「何时买卖」

2. 数据源可靠：直接对接腾讯财经（qt.gtimg.cn）和新浪财经官方API，覆盖实时行情、K线、PE、换手率等核心字段，数据延迟低且免费稳定

3. 风险控制完善：内置多重复合风控——5日涨幅>15%禁止追高、恐慌杀跌标记、ST/传统行业/高PE剔除、池容量硬上限30支自动淘汰机制

4. 场景化推送：区分开盘前瞻、盘中异动、收盘复盘、手动触发四种模式，输出格式自适应（股票池展示无字数限制，常规分析≤1200字分3段），避免信息过载

5. 零第三方依赖：纯Python标准库实现，无pip安装风险，MIT-0开源协议保障代码可审计性

潜在缺点与局限性

1. 数据协议非加密：当前使用HTTP明文传输股票代码至腾讯/新浪服务器（RISK-001），虽股票代码本身敏感度低，但存在中间人截获关注标的的理论风险

2. 子进程调用风险：通过 subprocess.Popen 执行 openclaw message send 推送消息（RISK-002），虽参数来源受控，但特殊字符可能导致意外行为

3. 评分模型黑箱：基本面催化剂（40分）和热度（25分）完全依赖模型主观判断，缺乏透明计算规则，不同模型版本可能产生评分漂移

4. A股市场的局限性：

• 依赖T+1交易制度下的日线数据，对高频/日内策略支持有限
• 无法获取Level-2逐笔成交数据，量价分析基于分钟级K线
• 小盘股流动性风险未纳入量化指标

5. 定时任务配置门槛：cron任务创建后持续运行（RISK-004），用户需自行确认channel/target配置正确， SKILL.md未提供便捷的卸载指令

适合的目标群体

• 上班族投资者：需要定时推送（早8:30/晚15:30）替代盯盘，依赖「接近买点」「启动信号」等简化指标快速决策
• 量化入门者：希望理解技术面评分（均线/量价/相对强弱）与基本面筛选（PE/营收增速）的结合逻辑
• 行业主题投资者：聚焦半导体/AI/新能源/光模块/液冷等高科技赛道，接受20-1000亿中小市值波动特征
• 风险控制型用户：重视止损位设定、目标价跟踪、自动淘汰连低分股的机制

不适用人群：追求高频交易、需要港股/美股数据、或期望完全自动化下单执行的用户。

使用风险

1. 投资风险：Skill明确标注「仅供参考，不构成投资建议」，但量化信号的易读性可能诱导过度交易，用户需知悉所有投资决策后果自担

2. 数据准确性风险：第三方API可能存在延迟或异常，脚本输出的change_pct/market_cap等字段需与交易所官方数据交叉验证，尤其在除权除息日

3. 定时推送误发风险：安装时创建的cron任务若channel/target配置错误，可能导致股票分析消息发送至非预期 recipient，建议首次安装后验证推送目标

4. 模型幻觉风险：「基本面催化剂」和「板块热度」评分依赖模型的信息检索与综合判断，可能存在催化剂误判或时效性偏差（如政策利好已兑现却被重复计分）

5. 系统依赖风险：脚本硬编码 ~/.openclaw/workspace/memory/ 路径（RISK-003），跨平台迁移或权限变更可能导致文件读写失败；纯标准库设计虽安全，但也意味着缺乏pandas/numpy等数据处理优化，极端行情下（如千股跌停）批量扫描性能可能下降