股票分析技能

快速分析（独立脚本）

脚本位置：.cursor/skills/stock-analysis/analyzestock.py（项目根目录也有一份副本 analyzestock.py）

当用户要求分析某只股票时，直接执行此脚本：

bash
python .cursor/skills/stock-analysis/analyze_stock.py <股票代码> [选项]

参数

示例

bash
python .cursor/skills/stock-analysis/analyze_stock.py META
python .cursor/skills/stock-analysis/analyze_stock.py AAPL --date 2025-02-20
python .cursor/skills/stock-analysis/analyze_stock.py 0700.HK --days 60
python .cursor/skills/stock-analysis/analyzestock.py TSLA -i rsi,macd,atr,close50_sma
python .cursor/skills/stock-analysis/analyze_stock.py NVDA -i all

数据源（多源容灾）

脚本按以下优先级获取数据，自动容灾切换：

1. 1. Stooq（免费、无需API key、不限速）
2. Yahoo Chart API（直接 HTTP 请求）
3. yfinance（Ticker.history）
4. 本地缓存（tradingagents/dataflows/data_cache/ 中已有的 CSV）

成功获取的数据会自动缓存到 data_cache/ 目录。

报告输出内容

1. 1. 近期行情 - 最近 15 个交易日 OHLCV + 涨跌统计
2. 技术指标 - 每个指标的时间序列趋势
3. 综合分析 - 趋势判断、动量分析、波动率分析、短期信号
4. 指标汇总表 - 所有指标的当前值和信号判断

分析逻辑

脚本内置的分析逻辑对应 market_analyst.py 的 prompt：

• - 趋势判断: 基于价格与 50SMA/200SMA 的位置关系（多头/空头排列 + 金叉/死叉）
• 动量分析: RSI 超买超卖（70/30 阈值）+ MACD 与信号线交叉 + 柱状图方向
• 波动率: ATR 占股价比例 + 布林带位置
• 短期信号: 价格与 10EMA 的关系

支持的全部指标

close50sma, close200sma, close10ema,
macd, macds, macdh,
rsi,
boll, bollub, bolllb,
atr,
vwma

依赖

yfinance, stockstats, pandas, requests

项目架构（LangGraph 分析师节点）

tradingagents/
├── agents/analysts/ # 分析师节点
│ ├── market_analyst.py # 市场/技术分析
│ ├── fundamentals_analyst.py # 基本面分析
│ ├── news_analyst.py # 新闻分析
│ └── socialmediaanalyst.py # 社交媒体情绪分析
├── dataflows/
│ └── interface.py # 数据接口（工具函数定义）
└── graph/
└── trading_graph.py # LangGraph 交易图

分析师节点结构

每个分析师遵循统一模式：createxxxanalyst(llm, toolkit) -> node_function

核心模板

python
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.messages import HumanMessage
from ...dataflows.interface import getmarkettype

def createxxxanalyst(llm, toolkit):
def xxxanalystnode(state):
currentdate = state[tradedate]
ticker = state[companyofinterest]
markettype = getmarket_type() # CN 或 US

# 1. 根据 markettype 设置 systemmessage 和 tools
if market_type == CN:
system_message = ...
tools = [toolkit.cntool1, toolkit.cntool2]
else:
system_message = ...
if toolkit.config[online_tools]:
tools = [toolkit.online_tool]
else:
tools = [toolkit.offlinetool1, toolkit.offlinetool2]

# 2. 构建 prompt（CN/US 可分别定义或共用）
prompt = ChatPromptTemplate.from_messages([
(system,
你是一个有帮助的AI助手，与其他助手协作完成任务。
使用提供的工具来推进回答问题。如果你无法完全回答，没关系；
其他拥有不同工具的助手会在你停下的地方继续帮忙。
你可以使用以下工具：{toolnames}\n{systemmessage}
供参考，当前日期是 {current_date}。我们正在分析的公司是 {ticker}),
MessagesPlaceholder(variable_name=messages),
])
prompt = prompt.partial(
systemmessage=systemmessage,
tool_names=, .join([t.name for t in tools]),
currentdate=currentdate,
ticker=ticker,
)

# 3. 调用 LLM
chain = prompt | llm.bind_tools(tools)
messages = state[messages].copy()

# 工具调用次数限制（防止无限循环）
toolcallcount = sum(
1 for msg in messages
if hasattr(msg, toolcalls) and msg.toolcalls
)
if toolcallcount >= 3:
finalprompt = ChatPromptTemplate.frommessages([
(system, system_message + \n\n重要提醒：请基于已获取的信息生成最终报告，不要再调用任何工具。),
MessagesPlaceholder(variable_name=messages),
])
result = (final_prompt | llm).invoke(messages)
else:
if not (messages and getattr(messages[-1], role, None) == user):
messages.append(HumanMessage(content=f请分析{ticker}的相关信息，并调用相关工具获取数据。))
result = chain.invoke(messages)

# 4. 返回结果（key 与 state schema 对应）
return {
messages: [result],
xxx_report: result.content,
}

return xxxanalystnode

State 返回字段映射

可用技术指标（市场分析师）

指标名称必须与以下精确匹配，否则工具调用会失败：

选择指标时最多 8 个，避免冗余（如不要同时选 rsi 和 stochrsi）。

数据工具对照表