A股数据结构化

要解决的问题

分析A股时，很多人会先去东方财富网页翻个股行情或财报，再手动把价格、成交量、PE、ROE等数据复制到Excel。这个过程容易出问题：指标口径不统一，历史数据经常被网页截断，跨年份取值还要反复切换页面，复制粘贴多了还会漏掉单位或更新日期。更麻烦的是，当你想把结果交给模型进一步处理时，粘贴的表格往往格式混乱，后续计算很难复用。

这个技能的目标是把这些查询变成一次自然语言请求：你说清楚标的、指标和时间范围，它直接从Eastmoney MX取数，并输出结构统一的Excel和JSON文件，减少人工整理的中间环节。

核心能力与工作流程

• 覆盖常见市场与财务字段：开盘/收盘/最高/最低价、成交量、成交额、PE、PB、ROE、营收、利润、资产负债表项目、分红、股东、高管、公司简介、板块/指数/基金行情。
• 支持自然语言输入：输入“贵州茅台 2024-01-01 到 2024-03-31 的收盘价和成交额”这类请求即可，不需要手写字段名或接口参数。
• 输出结果可复用：默认写入 ~/.codex/skills-output/mx_data/output，返回表格时会说明哪些行/列重要，并指向生成的 .xlsx 与 _raw.json。
• 明确标注口径：回答中会说明数据来自 Eastmoney MX，并带上单位、日期以及粒度（实时、日度、年度等），避免把不同口径的数据混在一起。

工作流很直接：先把请求规范化成“标的+指标+时间”的单一查询；然后执行 mx_data.py；接着先看终端预览，只有需要更细解析时才打开Excel/JSON；如果原始JSON字段结构会影响后续处理，再参考 references/result-fields.md。最后，它会把数据来源、实际查询条件、时间范围、关键数值和文件路径一起反馈给你。

适用边界与注意点

它适合“确定要什么数”的场景，而不是解释市场为什么波动。事件解读、新闻归因、公告、研报、政策文本或叙事分析，应该先用 mx-search。按条件筛选股票，例如“ROE > 15% 且 PE < 20”，不属于它的职责，请用 mx-xuangu。

环境变量 MX_APIKEY 必须存在；没有 key 时应当提示配置，而不是猜测数值。查询区间越大，日度数据越容易生成巨大文件并挤占上下文，建议优先用更窄的时间段或减少指标。遇到API限流、鉴权失败、网络错误时，只按规则重试一次；如果仍然失败，要保留原始输出路径，方便排查。

最后，它输出的是数据，不是投资建议。除非你明确要求做分析，否则不要把结构化结果直接转成结论；即使做了分析，也要把数据事实和主观判断分开写。