技能介绍

它解决什么问题

A股投研的典型工作流里，一只股票的完整分析往往要在多个数据源之间来回切换：基本面数据从财报库导出，技术面数据从行情接口拉取，新闻与舆情散落在资讯平台，风险敞口只能靠人工翻查公告。资料中提到的一组对比很直白——手工完成一只股票的数据收集约需 2 小时，分析报告 1 小时，风险预警 30 分钟，整个流程重复、低效，且容易因人为遗漏导致分析视角单一。

技能如何工作

@zcwl/multi-research 将这套流程固化为一条流水线，输入只有股票代码（如 600519）和所选分析维度，覆盖基本面、技术面、新闻面、风险面四个视角：

多维度数据融合：使用深度学习模型对多维数据做融合分析，处理各维度之间的交叉影响；
风险辩论：基于贝叶斯网络构建风险辩论机制，结合新闻与社交媒体的情感分析结果识别风险信号，输出风险预警；
综合评分：采用加权平均法计算最终评分，公式为 S(t) = Σ(w_i · F_i(t))，各维度评分范围 0–100，权重在 0–1 之间，支持自定义维度与权重。

输出包括综合评分、风险辩论结论、投资建议，以及按申万行业分类的行业分析报告。边界情况也有预案：数据缺失时用其他数据或默认值填充，异常值会被识别剔除，市场剧烈波动时分析结果会相应调整。

适用边界与注意点

综合评分公式只覆盖四个维度，资料中明确承认其未纳入市场情绪、政策变化等因子，因此它更适合作为投研流程中的辅助参考，而非独立的交易依据。实际效果高度依赖数据源（如 Tushare Pro、AKShare）的覆盖度与准确性，新闻情绪分析的质量也受文本源质量影响。性能数字（响应时间、吞吐量）基于特定环境测得，在真实业务负载下需自行压测验证。