---
name: stock-analysis
description: 股票个股分析，实时获取价格涨跌幅，计算技术指标和支撑位，识别缺口并判断支撑压力，智能预测未来3天走势并给出操作建议
dependency:
  python:
    - requests>=2.28.0
    - numpy>=1.24.0
    - pandas>=2.0.0
---

# 股票个股分析

## 任务目标
- 本 Skill 用于：对指定股票进行全面的技术分析，包括实时数据获取、技术指标计算、支撑位压力位分析、缺口识别分析
- 能力包含：实时行情获取、技术指标计算（均线、MACD、RSI）、支撑位压力位识别、缺口识别（向上/向下缺口及支撑压力作用）、趋势判断、未来走势预测
- 触发条件：用户提供股票代码并要求分析走势、预测未来、获取操作建议

## 前置准备
- 依赖说明：
  ```
  requests>=2.28.0
  numpy>=1.24.0
  pandas>=2.0.0
  ```

## 操作步骤

### 标准流程

1. **获取股票代码并验证**
   - 用户提供股票代码，如：000001（平安银行）、sh600000（浦发银行）、000001.SZ（深交所格式）
   - 参考股票代码格式文档，确保代码格式正确

2. **获取实时行情数据**
   - 调用 `scripts/fetch_stock_data.py` 获取实时行情和历史K线数据
   - 参数：
     - `--stock_code`: 股票代码
     - `--days`: 获取历史数据天数（默认30天）
   - 返回包含：当前价格、涨跌幅、成交量、历史K线数据

3. **计算技术指标和支撑位**
   - 调用 `scripts/analyze_stock.py` 进行技术分析
   - 参数：
     - `--data_file`: 上一步获取的数据文件路径
   - 计算结果：
     - MA5/MA10/MA20/MA60 均线
     - MACD 指标
     - RSI 指标
     - 支撑位和压力位
     - **缺口分析**（向上缺口和向下缺口）
     - 成交量分析
     - 趋势判断

4. **分析当前走势**
   - 基于技术指标进行多维度分析：
     - 均线排列（多头排列/空头排列/缠绕）
     - MACD金叉死叉状态
     - RSI超买超卖状态
     - 成交量配合情况
     - K线形态分析
     - **缺口分析**：
       - 向上缺口：通常构成支撑位（回调时缺口上沿可能成为支撑）
       - 向下缺口：通常构成压力位（反弹时缺口下沿可能成为压力）
       - 缺口大小和位置对走势的影响

5. **预测未来3天走势**
   - 综合技术指标和趋势分析，对未来3天走势进行判断
   - 考虑因素：趋势方向、支撑压力位、**缺口支撑压力**、成交量变化、市场情绪
   - 给出概率评估：上涨/下跌/横盘的概率和强度

6. **生成操作建议**
   - 根据分析结果和预测，给出明确的操作建议：
     - 买入/持有/卖出/观望
     - 建议的买入/卖出价格区间
     - 止损位和止盈位设置
     - **缺口相关的操作提示**（如：向上缺口未回补前可作为支撑参考）
     - 风险提示和注意事项

## 资源索引
- 获取数据：见 [scripts/fetch_stock_data.py](scripts/fetch_stock_data.py)（用途：获取股票实时行情和历史K线）
- 技术分析：见 [scripts/analyze_stock.py](scripts/analyze_stock.py)（用途：计算技术指标和支撑位压力位）
- 代码格式：见 [references/stock_code_format.md](references/stock_code_format.md)（用途：股票代码格式参考）

## 注意事项
- 股票市场存在风险，所有分析仅供参考，不构成投资建议
- 技术分析基于历史数据，不能保证未来表现
- 建议结合基本面分析和市场环境进行综合判断
- 实时数据可能存在延迟，请以实际交易数据为准
- **缺口分析要点**：
  - 向上缺口（跳空高开）：通常在回调时可能构成支撑，关注缺口是否回补
  - 向下缺口（跳空低开）：通常在反弹时可能构成压力，关注缺口是否回补
  - 缺口越大，其支撑或压力作用通常越强
  - 成交量配合的缺口更具参考意义
  - 近期缺口的参考价值高于远期缺口
- 必须在所有建议中包含风险提示

## 使用示例

### 示例1：A股股票分析
```
用户：分析000001平安银行
执行：
1. 调用 fetch_stock_data.py --stock_code 000001 --days 30
2. 调用 analyze_stock.py --data_file stock_data_000001.json
3. 基于分析结果生成走势预测和操作建议
```

### 示例2：港股股票分析
```
用户：分析腾讯控股 00700.HK
执行：
1. 调用 fetch_stock_data.py --stock_code 00700.HK --days 30
2. 调用 analyze_stock.py --data_file stock_data_00700.HK.json
3. 生成分析报告和操作建议
```

### 示例3：美股股票分析
```
用户：分析AAPL苹果公司
执行：
1. 调用 fetch_stock_data.py --stock_code AAPL --days 30
2. 调用 analyze_stock.py --data_file stock_data_AAPL.json
3. 提供全面的技术分析报告
```