数据源
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
# 实时行情（事件发生后的市场反应）
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]
# K线（事件前后股价走势对比）
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [事件前30日]
# 财务指标（评估事件对基本面的影响）
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]
# 资金流向（机构对事件的反应）
python "$SCRIPTS/cn_stock_data.py" fund_flow --code [CODE] --days 30
补充 web 搜索：公告原文、政策全文、分析师点评、历史类似事件案例。
Workflow (5 steps):
Step 1: 事件识别与分类
| 事件类型 | 子类 | 典型影响方向 |
|---|
| 公司公告 | 业绩预告/快报 | 取决于超/低预期 |
|
分红方案 | 通常正面 |
| | 增发/配股 | 短期偏负面（摊薄） |
| | 回购 | 正面（公司认为低估） |
| | 大股东增持 | 正面信号 |
| | 大股东减持/解禁 | 负面信号 |
| | 股权激励 | 通常正面（绑定管理层） |
| | 并购重组 | 取决于标的质量和价格 |
| | 关联交易 | 需评估是否损害小股东利益 |
|
政策事件 | 行业政策（利好） | 板块普涨 |
| | 行业政策（利空） | 板块普跌 |
| | 货币/财政政策 | 系统性影响 |
| | 监管政策 | 取决于具体内容 |
|
市场事件 | 指数调整（纳入/剔除） | 纳入正面，剔除负面 |
| | 北向资金大幅增减 | 信号意义 |
| | 融券/做空 | 负面压力 |
Step 2: 事件详情获取
- 1. Web 搜索事件详情（公告原文/政策全文）
- cn-stock-data 获取事件前后行情数据
- Web 搜索分析师/媒体的初步解读
Step 3: 影响评估
定量评估：
- - 事件对 EPS 的影响（增发摊薄多少/并购增厚多少）
- 事件对资产负债表的影响（回购减少现金/增发增加净资产）
- 事件对估值的影响（新业务带来的估值重塑）
定性评估：
- - 影响范围：公司级 / 行业级 / 市场级
- 影响持续性：一次性 / 短期（1-3月）/ 中期（3-12月）/ 长期（>1年）
- 影响确定性：高（已落地）/ 中（已公告待执行）/ 低（传闻/预期）
- 市场预期差：事件是否已被预期？超出预期程度？
综合评级：
重大 / 中等 / 轻微 |
| 持续时间 | 一次性 / 短期 / 中长期 |
| 确定性 | 高 / 中 / 低 |
Step 4: 历史类比（可选）
Web 搜索类似事件的历史案例：
- - 同公司类似事件的历史反应
- 同行业类似事件的市场反应
- 提供参考但不做简单类推
Step 5: 输出
风格说明
| 维度 | formal（机构事件点评） | brief（个人事件笔记） |
|---|
| 篇幅 | 2-4 页 | 半页 |
| 事件描述 |
完整（含公告/政策原文引用） | 一段话概述 |
| 定量影响 | 详细计算（EPS/净资产影响） | 核心数字 |
| 定性评估 | 完整评级表 | 一句话判断 |
| 历史类比 | 2-3 个案例 | 无或 1 个 |
| 结论 | 客观分析正反面 | 可加操作建议 |
| 免责声明 | 需要 | 不需要 |
关键规则
- 1. 先看公告原文：所有分析基于公告/政策原文，不基于二手解读
- 区分"预期内"和"超预期"：市场已充分预期的事件影响有限
- 短期反应 ≠ 长期影响：股价短期反应可能过度，长期取决于基本面实质变化
- 关注细节：增发价格/回购价格区间/减持比例/激励条件等细节决定影响程度
- 不做简单类推：历史类似事件仅供参考，不能直接预测本次结果
- 与其他 skill 联动：事件分析后可用 a-share-earnings-analysis 评估财务影响，用 a-share-thesis 更新投资论点
使用示例
示例 1: 基本使用
CODEBLOCK1
示例 2: 命令行使用
CODEBLOCK2
数据源
bash
SCRIPTS=$SKILLS_ROOT/cn-stock-data/scripts
实时行情（事件发生后的市场反应）
python $SCRIPTS/cn
stockdata.py quote --code [CODE]
K线（事件前后股价走势对比）
python $SCRIPTS/cn
stockdata.py kline --code [CODE] --freq daily --start [事件前30日]
财务指标（评估事件对基本面的影响）
python $SCRIPTS/cn
stockdata.py finance --code [CODE]
资金流向（机构对事件的反应）
python $SCRIPTS/cn
stockdata.py fund_flow --code [CODE] --days 30
补充 web 搜索：公告原文、政策全文、分析师点评、历史类似事件案例。
Workflow (5 steps):
Step 1: 事件识别与分类
| 事件类型 | 子类 | 典型影响方向 |
|---|
| 公司公告 | 业绩预告/快报 | 取决于超/低预期 |
|
分红方案 | 通常正面 |
| | 增发/配股 | 短期偏负面（摊薄） |
| | 回购 | 正面（公司认为低估） |
| | 大股东增持 | 正面信号 |
| | 大股东减持/解禁 | 负面信号 |
| | 股权激励 | 通常正面（绑定管理层） |
| | 并购重组 | 取决于标的质量和价格 |
| | 关联交易 | 需评估是否损害小股东利益 |
|
政策事件 | 行业政策（利好） | 板块普涨 |
| | 行业政策（利空） | 板块普跌 |
| | 货币/财政政策 | 系统性影响 |
| | 监管政策 | 取决于具体内容 |
|
市场事件 | 指数调整（纳入/剔除） | 纳入正面，剔除负面 |
| | 北向资金大幅增减 | 信号意义 |
| | 融券/做空 | 负面压力 |
Step 2: 事件详情获取
- 1. Web 搜索事件详情（公告原文/政策全文）
- cn-stock-data 获取事件前后行情数据
- Web 搜索分析师/媒体的初步解读
Step 3: 影响评估
定量评估：
- - 事件对 EPS 的影响（增发摊薄多少/并购增厚多少）
- 事件对资产负债表的影响（回购减少现金/增发增加净资产）
- 事件对估值的影响（新业务带来的估值重塑）
定性评估：
- - 影响范围：公司级 / 行业级 / 市场级
- 影响持续性：一次性 / 短期（1-3月）/ 中期（3-12月）/ 长期（>1年）
- 影响确定性：高（已落地）/ 中（已公告待执行）/ 低（传闻/预期）
- 市场预期差：事件是否已被预期？超出预期程度？
综合评级：
重大 / 中等 / 轻微 |
| 持续时间 | 一次性 / 短期 / 中长期 |
| 确定性 | 高 / 中 / 低 |
Step 4: 历史类比（可选）
Web 搜索类似事件的历史案例：
- - 同公司类似事件的历史反应
- 同行业类似事件的市场反应
- 提供参考但不做简单类推
Step 5: 输出
风格说明
| 维度 | formal（机构事件点评） | brief（个人事件笔记） |
|---|
| 篇幅 | 2-4 页 | 半页 |
| 事件描述 |
完整（含公告/政策原文引用） | 一段话概述 |
| 定量影响 | 详细计算（EPS/净资产影响） | 核心数字 |
| 定性评估 | 完整评级表 | 一句话判断 |
| 历史类比 | 2-3 个案例 | 无或 1 个 |
| 结论 | 客观分析正反面 | 可加操作建议 |
| 免责声明 | 需要 | 不需要 |
关键规则
- 1. 先看公告原文：所有分析基于公告/政策原文，不基于二手解读
- 区分预期内和超预期：市场已充分预期的事件影响有限
- 短期反应 ≠ 长期影响：股价短期反应可能过度，长期取决于基本面实质变化
- 关注细节：增发价格/回购价格区间/减持比例/激励条件等细节决定影响程度
- 不做简单类推：历史类似事件仅供参考，不能直接预测本次结果
- 与其他 skill 联动：事件分析后可用 a-share-earnings-analysis 评估财务影响，用 a-share-thesis 更新投资论点
使用示例
示例 1: 基本使用
python
调用 skill
result = run_skill({
param1: value1,
param2: value2
})
示例 2: 命令行使用
bash
python scripts/run_skill.py --input data.json
