Kanchi 美股股息五步法
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-kanchi-dividend-sop。
技能介绍
要解决什么问题
美股股息投资里,常见痛点是:靠零散研报或主观「高股息」扫票,缺少常规 forward 股息率与 payout 安全性的统一门槛,也缺少从筛选到限价分批建仓、再到监控交接的可复现流程。本技能把 Kanchi 方法收敛成确定性工作流,优先安全与可重复执行,而不是追逐异常收益率。
技能如何工作
流程从投资约束(收益目标、仓位上限、账户类型)锁定开始,再构建质量偏好的股票池,并支持接入 value-dividend-screener、dividend-growth-pullback-screener 输出或用户自选代码列表。
核心步骤对应 Kanchi 五步并扩展校验层:
- Step 1:用
dividend_basis.py计算常规 forward 股息率,应用收益率门槛,并处理 special/variable/cut/suspension/freeze 等陷阱与数据新鲜度(近门槛未确认 →STEP1-RECHECK,非硬 FAIL)。 - Step 2:
payout_safety.py按行业分发 GAAP/Adjusted/FCF payout 三元组,银行、公用事业等与消费类口径分离。 - Step 3~4:行业映射估值与一次性利润过滤;Step 4b 用
event_scanner.py扫描待发生/近期结构性事件,重大事件将结论封顶为HOLD-REVIEW。 - Step 5:
build_entry_signals.py生成收益率/估值触发与 40%-30%-30% 分批计划;存在pre_order_blockers或事件扫描失败时限制首笔仓位。
产出包括带 actionable verdict tier 的筛选表、一页承销 memo(含 provenance 与失效条件)、限价单计划,以及带 run_context 的报告,便于与 kanchi-dividend-review-monitor、kanchi-dividend-us-tax-accounting 交接。
适用边界与注意点
- 入场信号脚本依赖 FMP API;无 API 时可用用户代码列表跑部分流程,但数据完备性会受限。
- 运行 Step 5 时
--yield-floor为必填,否则无法正确通过 Step 1 门槛。 - Step 4b 在 WebSearch/离线场景会悲观处理,禁止在结构性事件未扫清时对 TRIGGERED 名称静默放行。
- 本技能输出研究与执行计划,不构成投资建议;高股息必须在覆盖质量与安全校验通过后再讨论「价值」。
使用场景
- 每月需把 FMP 或自选美股列表跑完 Kanchi 五步筛选并输出可执行 verdict 表
- 回调建仓前要为通过筛查的标的生成收益率/估值触发与 40-30-30 限价分批计划
- 建仓前需对候选股做 Step 4b 结构性事件扫描,避免并购/增发等重大事项被遗漏
- 筛选结束后要产出带 provenance 与失效条件的一页承销 memo,交给后续监控技能跟踪
适合人员
- 自管美股股息组合、希望用固定门槛替代临时看研报选股的个人投资者
- 管理股息策略 book、需要统一 screening memo 与分批下单规则的可重复流程的研究员
- 使用 FMP 数据做红利因子研究、要把 screener 输出接入确定性 SOP 的量化或基本面分析师
- 关注应税 vs IRA 账户配置的股息投资者,需在本技能产出后交接税务与账户归类工作流