Agent Skills
返回列表
蜡烛图选股

蜡烛图选股

行业专业 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_9aa6fe11/lazhutuxuangu 技能到你的 AI 助手。

技能介绍

问题

面向 A 股/港股/美股的量化/半量化开发者,最大的痛点是:信号源太多,买卖理由却常常归结到一句「形态像」。我们在回测里看到一堆拟合出来的梦话——例如:「在某均线上缩量回踩制造突破」。语言很顺,但无法验证,也不可执行。

这类判断应当由确定性过滤器接管。异常信号、盘口噪声和个股记忆偏误,会主动屏蔽一切看起来像突破的信息;交易员复盘时只看结构,不看照片。

方案

把传统 K 线教程中的单根/多根组合,拆解成一组可执行的布尔测试与数值特征。先用 morning star、three bears 等规则模板完成横向一对多扫描,再用逐轮演化约束重用重叠流通市值。

Gate 1 形态测试:输入时间序列后,输出二次标识符(信号类型)与 20 根 bar 切片、量能排列;非模板不触发。
Gate 2 相对强度:横向过滤个股窄幅重叠形态,避免被大盘 β 误判吞掉。
Gate 3 日志化:按标准化输出字段落盘,方便后验。

{
  "符号": "002594.SZ",
  "信号": "evening_star",
  "置信": 0.72,
  "bars": "2025-05-20/2025-06-16"
}

边界条件

该技能读取原始 OHLCV 事件序列,不包含未来信息,也不承诺收益;只做接口触发,不处理资金账户及滑点建模。

使用场景

  • 量化团队在回测多因子策略前,需基于K线形态快速生成候选标的池,避免人工筛选遗漏关键信号。
  • 交易员在复盘阶段需对比历史K线形态与信号触发频率,验证特定形态在不同周期的市场有效性。
  • 机构投资者在构建组合时,需结合蜡烛图形态过滤低质量标的,优先布局符合技术面条件的个股。
  • 开发者在集成AI选股工具时,需通过结构化输出字段直接对接下游交易系统,减少人工解析成本。

适合人员

  • 量化策略开发者:需要将传统K线形态规则转化为机器学习模型的输入特征,提升模型泛化能力。
  • 技术分析研究员:在构建多因子模型时,需提取K线形态的量化指标作为因子,增强模型预测精度。
  • 交易系统工程师:在开发自动选股模块时,需通过结构化输出直接对接下游执行系统,避免人工干预延迟。
  • 金融数据分析师:在处理海量股票数据时,需批量生成技术面候选清单,支撑投资决策会快速筛选标的。