Agent Skills
返回列表
星耀数智A股基本面指标

星耀数智A股基本面指标

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 @org-rwhv0nty/ad-fundamental-analysis。

技能介绍

解决的问题

A 股基本面分析常被卡在口径不一致:同样是 ROE、经营现金流、PEG,可能混用单季、TTM、累计值,或用未来公告日的数据回填历史交易日。这个技能把这类计算收敛为一套可执行脚本,覆盖 9 大类 90 个指标,从盈利能力、成长、营运效率、盈余质量、安全性,到治理、估值、股东、规模,给出指标名、频率和计算口径。

如何工作

技能通过 Bash 调用 scripts/run_fundamental_analysis.py,按 category 输出不同指标集,如 profitability、growth、efficiency、valuation,也可用 all 生成全部 90 项。计算逻辑包含几类关键处理:

  • 季频财务指标:使用合并报表,按 REPORTING_PERIOD 匹配同期/上期,计算 TTM、单季度值、同比和环比。
  • 安全计算:除法通过 safe_div 处理分母为 0 或 NaN;变动类指标用 _safe_diff 检查相邻报告期间隔是否在 75–110 天。
  • 日频指标:估值、股东、规模等基于交易日历、收盘价、股本、分红、股东户数、十大股东等数据生成,并用 point-in-time 前向填充,避免未来函数。
  • 数据口径:总股本按 AmazingData 的“万股”单位换算市值;财务表只保留 STATEMENT_TYPE='1' 的合并报表,同一报告期取最新记录。

适用边界

该技能偏重于结构化财务数据计算,适合批量生成指标序列,而不是替代财报事件研究或定性分析。使用前需准备 Python 环境、AmazingData 依赖和认证环境变量;部分指标依赖分红、股东户数、十大股东等接口,字段缺失时会返回 NaN。同一时间只允许一个 AmazingData 登录连接,且数据可用性受接口覆盖范围限制。

使用场景

  • 在构建多因子选股模型前,批量生成盈利、成长、估值等季度和日频基本面因子序列。
  • 回测历史选股策略时,按公告日填充估值、股息率、股东户数等日频基本面字段。
  • 撰写个股基本面报告时,从利润表、现金流和股本结构计算 ROE、PEG、自由现金流/市值等指标。
  • 检查公司财务口径时,对比 TTM、单季、同比和环比增速,定位指标变动来源。

适合人员

  • 量化研究员:需要批量生成可复现的 A 股基本面因子序列。
  • 个股分析师:要从三表、股本结构和分红数据计算估值与股东指标。
  • 金融数据工程师:需要统一 TTM、单季、同比环比与公告日填充口径。
  • 策略回测工程师:需要在历史交易日内取得无未来函数的基本面字段。