Daily Stock Analysis

核心用法

Daily Stock Analysis 是一款面向全球股票市场的确定性每日分析技能，核心功能包括：

• 次日收盘价格预测（pred_close_t1）
• 历史预测回顾与误差分析（AE绝对误差、APE百分比误差）
• 滚动精度追踪（1/3/7/30日窗口）
• 自我进化机制：从预测失误中提取1-3项具体改进行动，用于优化未来假设

标准执行流程：
1. 运行 report_manager.py plan 规划输出路径并收集历史报告
2. 运行 calc_accuracy.py 计算多窗口滚动精度
3. 按模板渲染报告，保存至 YYYY-MM-DD-<TICKER>-analysis.md
4. 执行自我复盘，记录 improvement_actions

兼容模式：当Python脚本不可用时，降级为极简模式，最多读取3份历史报告，仅输出核心字段。

显著优点

• 闭环反馈设计：强制性的"预测→验证→复盘→改进"机制，实现持续迭代优化
• 确定性输出：严格的文件命名、路径规范和必填字段约束，避免执行漂移
• 精度可量化：1/3/7/30日多窗口滚动精度，便于用户评估长期可靠性
• 双模式适配：标准脚本模式与极简兼容模式，适应不同环境限制
• 合规内置：自动附加风险提示，符合金融内容监管要求

潜在局限与风险

| 维度 | 说明 |

|------|------|

| **预测本质** | 所有价格预测均为概率推断，非确定性结果，存在固有预测误差 |

| **历史依赖** | 滚动精度依赖历史报告完整性，早期数据缺失时统计意义有限 |

| **模型限制** | 兼容模式下信息源缩减（仅1官方+1市场数据源），分析深度受限 |

| **市场极端事件** | 黑天鹅事件、政策突变等不可预测因素可能使历史模式失效 |

| **用户误用风险** | 需明确区分"研究参考"与"投资建议"，避免用户过度依赖 |

适合人群

• 量化研究者：需要系统化追踪预测精度的数据驱动型用户
• 职业投资者：建立个人股票跟踪体系，要求可审计的决策记录
• 金融开发者：需要结构化、可程序化处理的投资分析报告
• 自律型交易者：愿意每日执行固定分析流程，重视复盘改进

常规风险提示

⚠️ 技能强制附加合规声明：内容仅供研究参考，不构成投资建议或收益保证。市场存在风险，投资需谨慎。建议设置为工作日定时任务（如10:00），保持预测-复盘窗口连续性。

Daily Stock Analysis 是一款面向全球股票市场的确定性分析工具，专为需要每日市场研判、次日收盘价预测及预测准确性追踪的用户设计。其核心工作流程遵循严格的脚本化协议：首先通过 report_manager.py 规划输出路径并收集历史报告，再利用 calc_accuracy.py 计算 1/3/7/30 日窗口的滚动精度指标，最终生成包含推荐方向、预测价格、历史误差分析（AE/APE）及改进动作的 Markdown 结构化报告。

该技能的显著优点在于其"自进化机制"——每次运行强制要求输出 1-3 条基于近期预测偏差的 improvement_actions，并在下一轮预测中应用，形成持续优化的闭环。报告采用版本化命名（支持 -v2、-v3 等后缀），避免覆盖历史数据，同时兼容"精简模式"以适配无 Python 环境或模型能力受限的场景。安全边界控制严格，所有文件操作被限定在用户指定的 working_directory 内，通过 is_within_workdir() 函数进行路径校验，不跟随符号链接，杜绝目录遍历风险。

潜在局限性包括：作为 T3 来源的个人开发者作品，长期维护稳定性存疑；依赖 Agent 的搜索能力获取实时市场数据，本身无网络调用能力意味着数据延迟或质量受外部工具制约；滚动精度计算需要至少 60 份历史报告支撑，对新建用户存在冷启动期；股票预测本质具有不确定性，即使历史精度较高也不代表未来表现。

目标用户群体主要为量化投资研究者、个人交易者及金融数据分析团队，尤其适合需要系统化记录预测历史、追踪自身判断准确率并持续迭代策略的进阶用户。该技能不适用于寻求投资建议的普通散户或无法承受市场风险的保守型投资者。

使用风险方面：虽无恶意代码，但 T3 来源需持续关注更新；无第三方依赖降低了供应链攻击面，但也意味着功能扩展受限；报告模板和指标计算逻辑的版本变更可能影响历史数据可比性；建议在工作目录启用文件变更监控，并在生产环境部署前进行额外人工审查。