Agent Skills
返回列表
⚖️

CANSLIM 全量成长股筛选

行业专业 更新于 2026.08.29

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 @org-eyw2ohcx/tradermonty-claude-trading-skills-canslim-screener。

技能介绍

要解决什么问题

成长型美股筛选往往靠零散指标:单看 PE、单看均线,很难对齐 William O'Neil 那套「盈利加速 + 价格领先 + 机构背书 + 大盘方向」的系统逻辑。手动拉 FMP 财报、算相对强度、再对照 52 周新高和量能,一轮下来既费 API 额度,也容易漏掉 S(供需)、I(机构持仓) 这类需要额外数据源的维度。

技能如何工作

本技能实现 Phase 3:7/7 全量 CANSLIM,采用两阶段流程:先用 FMP API(辅以 Finviz 在机构数据不完整时的兜底抓取)对股票池逐只计算 C/A/N/S/L/I/M 分项,再按 O'Neil 原始权重合成 0–100 综合分 并排序,输出 reports/ 下的 JSON 与 Markdown 报告。

核心能力包括:

  • 加权 RS(L):默认对标 ^GSPC,支持 SPY/QQQ 等,多窗口(3m/6m/12m)缺数据时有明确定义回退链
  • 量能供需(S):用涨跌日成交量比判断吸筹/派发
  • 大盘门控(M):基于指数与均线判断熊市信号,报告层会单独提示
  • 评级带:Exceptional+(90+)、Exceptional、Strong、Above Average,并附分项明细与数据质量说明

典型执行路径:确认 FMP_API_KEY → 选定股票池(默认大盘龙头或自定义列表,注意免费额度约 35 只 较稳妥)→ 运行 screen_canslim.py → 阅读 Markdown 里的市场摘要、候选排序与分项解读。

适用边界与注意点

  • 方法论偏 成长股动量,不适合价值/高股息主线(资料中建议换用其它 screener 技能)。
  • M=0 的熊市判定下,应把「现金比例」置于个股分数之上,而非机械追高。
  • 机构占比依赖 Finviz 时会受爬虫限速影响,整池 screening 需预留时间;L 分量需要较长历史 K 线,标的过短会直接得 0 分并标错。

使用场景

  • 复盘赛季度财报后,要在科技或医疗板块跑一轮七要素打分并拿到排序名单
  • 用户明确要求「用 O'Neil 方法找 CANSLIM 股」,需要综合分与分项明细而不只是 Finviz 链接
  • 筛选「盈利加速且股价靠近 52 周新高」的标的,并核对量能是否在吸筹区间
  • 开盘前先看大盘 M 分量与报告里的熊市提示,再决定是否缩小候选池或暂不建仓

适合人员

  • 按 CANSLIM 体系做美股成长股自研、需要可重复打分流程的个人投资者
  • 已有 FMP 免费或 Starter 额度、想把 API 调用收敛成固定 screening 脚本的量化爱好者
  • 做技术面+基本面结合的交易员,希望报告里直接给出 RS 分位与机构持仓兜底说明
  • 向客户或社群交付选股备忘录的研究者,需要 JSON 结构化结果与 Markdown 可读报告双格式