Agent Skills
返回列表
星耀数智技术面指标

星耀数智技术面指标

数据分析 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,将 @org-rwhv0nty/ad-technical-analysis 安装到 AI 助手中。

技能介绍

要解决的问题

A股技术面分析中,指标公式常分散在不同终端和资料里,批量复算、字段对齐与前复权容易出错。该技能面向工程师,把行情数据转成可检查的技术指标数值,只输出计算结果,不给出买卖信号或多空判断。

核心能力与流程

  • 输入范围:可按 category 选择超买超卖、趋势、能量、成交量、均线、路径、其他七类,也可指定单个 indicator。
  • 数据准备:基于 AmazingData 获取交易日历、K线与后复权因子;股票按 kline_time 对齐后计算前复权 OHLC。
  • 指标计算:依赖 MathFunction、StatisticsFunction、TimeSeriesFunction,输出每个指标的 Series 字典。
  • 适用对象:适合做数据校验、回测特征工程、量化研究辅助。

边界与注意点

  • 结果仅为技术指标数值,不构成投资建议。
  • 需要可用的 AmazingData 账号与运行环境;同一时间受单点登录限制。
  • 指数、基金不做前复权;股票数据最早追溯至 2013 年。

使用场景

  • 量化研究者在回测前批量计算 KDJ、MACD、OBV 等指标,统一输出为 Series 便于对齐。
  • 数据分析师校验某只 A 股 K 线前复权后的 RSI、BOLL 数值是否与内部模型一致。
  • 策略工程师按超买超卖、趋势、成交量等分类导出指标特征,构建回测输入表。
  • 投研助理核对 AmazingData K线成交额与 AMO、TAPI 指标计算结果,定位字段缺失。

适合人员

  • 量化策略工程师:需要把多只 A 股的 OHLCV 数据转成可回测的技术指标特征。
  • 数据分析师:需要按指标类别批量计算并核对 K 线前复权结果。
  • 投研支持人员:需要基于 AmazingData 行情输出 MACD、RSI 等指标数值做研究底稿。
  • 金融工程开发人员:需要验证算子函数库输出的时序指标与内部公式是否一致。