tushare

核心用法

本Skill是面向中文自然语言的Tushare金融数据研究工具，核心能力是将"看看这只股票最近怎么样""帮我查财报趋势""北向资金在买什么"等口语化请求，自动转换为数据获取、清洗、对比、筛选、导出与简要分析的完整工作流。

典型任务类型：

• 行情趋势：单标的价格走势、区间涨跌、波动与量能分析
• 财务研究：多季度营收/利润趋势、ROE/毛利率/现金流质量评估
• 横向对比：多标的估值、涨幅、财务指标对比排序
• 板块轮动：行业/概念板块强弱排行、成分股梳理、资金关注度
• 资金流追踪：北向资金、主力资金、龙虎榜动向分析
• 公告事件：公告、新闻、研报、政策线索梳理
• 宏观数据：CPI/PPI/PMI/社融/利率等跨市场数据
• 数据导出：CSV/Parquet格式行情/财务数据批量下载

显著优点

1. 自然语言优先：无需记忆接口名和字段名，理解"最近""财报""强不强"等模糊表达并给出合理默认口径
2. 工作流模板化：9大核心模板覆盖80%研究场景，先理解任务再选接口，避免直接从API想起
3. 数据工程规范：自动分段拉取、合并去重、元信息记录、断点续跑、缓存复用
4. 输出结构化：优先给"一句话结论"，再附数据范围、关键指标、异常点、文件路径
5. 安全边界清晰：明确声明不提供买卖建议、不自动交易、不伪造数据

局限性与注意事项

• 权限依赖：部分高级接口需Tushare积分/付费权限，权限不足时会明确提示而非硬编数据
• 非实时性：行情数据有延迟，不适合毫秒级交易决策场景
• 数据质量：需区分空结果的原因（非交易日、未上市、参数错误、权限不足）
• 计算边界：复杂回测引擎、组合优化系统本身不在本Skill范围内

适合人群

• 量化研究员、基金经理、财经分析师进行日常数据查询与研究准备
• 个人投资者快速获取股票、基金、板块的财务与行情快照
• 数据工程师批量导出标准化金融数据集用于后续建模

常规风险

• 积分消耗：高频或大范围数据请求可能快速消耗Tushare积分配额
• 数据解读：Skill提供的是原始数据加工，不构成投资建议，需用户自主判断
• token安全：TUSHARE_TOKEN需妥善保管，建议使用环境变量而非硬编码

核心功能

Tushare Data Skill 是一款面向中文自然语言的金融数据研究工具，充当用户与 Tushare Pro 金融数据库之间的智能翻译层。其核心能力是将口语化的投资研究请求——如"看看这只股票最近怎么样""帮我查财报趋势""北向资金在买什么"——转化为结构化的数据获取、清洗、对比与导出流程。

显著优点

自然语言理解优先：Skill 采用"先理解任务，再选接口"的设计理念，将模糊表达如"最近""强不强""财报"自动映射为合理的数据口径（如20个交易日、相对强弱指标、近8个季度财务数据），大幅降低金融数据检索的认知门槛。

完整的研究工作流支持：覆盖10大类研究场景，包括单票行情分析、多标的横向对比、财务质量快照、估值筛选、资金流追踪、板块轮动分析、公告事件梳理、宏观数据查询及数据导出。每个场景均配备标准化工作流模板，确保输出的一致性和实用性。

数据工程最佳实践：内置分段拉取、增量更新、缓存复用、断点续跑等机制，避免大数据量请求导致的超时或限流问题。输出格式智能适配任务复杂度，从 Markdown 摘要到 CSV/Parquet 文件再到可复用 Python 脚本。

安全合规设计：仅需用户自行配置的 TUSHARE_TOKEN，无敏感信息硬编码，无系统级权限要求，网络流量全部指向官方可信域名。

潜在局限

数据权限依赖：Tushare 采用积分制权限体系，高阶接口（如实时行情、Level2 资金流、完整财务数据）需要较高积分或付费权限，Skill 无法绕过此限制，可能在执行中遇到"积分不足"中断。

非实时交易决策：设计定位为研究辅助而非实时交易工具，分钟级延迟和 API 限流机制使其不适用于毫秒级决策场景，也不提供买卖建议或自动下单功能。

A 股市场聚焦：虽然支持港股、美股、宏观等跨市场数据，但核心功能和接口优化仍以中国 A 股为主，海外市场的深度分析能力有限。

数据质量边界：Skill 负责数据获取和格式化，但不保证原始数据的准确性或完整性，用户需自行验证关键数据点，特别是涉及财务重述或退市整理期的标的。

适合人群

• 个人投资者进行日常标的研究和组合跟踪
• 量化研究者快速获取标准化数据用于回测准备
• 财经内容创作者生成数据驱动的市场分析
• 金融学习者通过自然语言探索数据接口能力

常规风险

API 服务稳定性：依赖 Tushare Pro 官方服务的可用性，极端行情期间可能出现限流或响应延迟。

数据解读责任：Skill 输出结构化数据和研究摘要，但所有投资决策责任完全由用户承担，不构成投资建议。

积分消耗管理：高频或大范围数据请求可能快速消耗账户积分，建议利用内置缓存机制减少重复调用。