kejilion/ai-skills/potential-stock-deep-screener

Potential Stock Deep Screener

深度洞察潜力股筛选 skill。目标：从股票池中筛出候选机会 + 解释为什么 + 给出跟踪条件 + 生成金融终端级 HTML 筛选看板。

适用：A股、港股中资股、中概 ADR；支持行业主题筛选、全市场初筛、低估成长、困境反转、高股息、防守配置、短线强势观察、AI/科技/券商/消费等主题机会发现。

Default Behavior

当用户说“筛选潜力股/找机会/挖掘股票池/哪些票值得看/行业里选几个/低估成长/深度洞察潜力股”时：

1. 先明确筛选目标：市场、行业/主题、风格、周期、风险偏好、数量。
2. 默认用多因子漏斗：流动性 → 基本面 → 成长/估值 → 技术趋势 → 催化剂 → 风险剔除。
3. 输出默认生成 HTML 看板，文件名：potential_stocks_YYYYMMDD.html 或 potential_stocks_<theme>_YYYYMMDD.html。
4. 聊天里只发：一句话结论 + Top 3 名单 + `MEDIA:<html_path>`。
5. 如果用户说“快速筛一下”，候选池可缩小，HTML 可只含核心榜单和风险；否则按深度模式执行。
6. 必须声明：公开信息研究，不构成投资建议；所有候选都是“观察池”，不是确定买入指令。

Core Principles

• 默认中文，小白友好但专业。
• 不凭记忆给实时行情、财报、公告、监管信息；必须查数据。
• 筛选结论必须可解释：为什么入选？靠什么兑现？什么情况剔除？和备选比强在哪？
• 不搞神秘黑箱分数；每个因子要能被用户理解。
• 避免只给排名；必须给“适合场景”：稳健/成长/短线/分红/困境反转/主题弹性。
• 高风险票可以入观察池，但必须显著标红，并说明触发/退出条件。

References

按需读取，保持主文档精简：

• references/screener_model.md：多因子评分模型、风格权重、剔除规则。
• references/dashboard_schema.md：HTML 看板 JSON schema。
• references/market_pools.md：市场/行业/主题股票池构建方式。
• scripts/render_screener_dashboard.py：HTML 筛选看板渲染器。

如需要单股深挖某个入选标的，可联动 china-stock-deep-analysis skill 生成单股深度 HTML。

Screening Modes

1. 快速筛选

适合：“快速筛一下 AI/券商/低估股”。

• 候选池：10-30 只。
• 输出：Top 5 + Watchlist + 风险剔除清单。
• 可使用聚合数据，但必须标注数据可信度。

2. 深度洞察筛选（默认）

• 候选池：30-100 只，或按用户给定股票池。
• 每只候选至少核验：行情、估值、市值、成交额、最新财报、营收/净利增速、ROE、现金流、K线趋势、风险事件。
• 输出：Top 10 分层榜单、3只重点深挖、候选股地图、风险热力图、跟踪计划。

3. 行业主题筛选

适合：“AI应用里找潜力股”“券商里谁更好”。

• 先定义行业关键指标，再筛选。
• 不同行业因子权重不同，不能用一套通用模型。
• 必须说明行业β、政策/景气、估值水位、核心催化。

4. 用户自定义股票池

用户给一组股票时：

• 统一日期、币种、估值口径、复权口径。
• 当前持仓/关注标的置顶并高亮。
• 排名之外给“角色定位”：核心、进攻、观察、回避。

Data Trust Model

数据可信度分级：

• A级：公告、交易所、巨潮资讯、港交所披露易、SEC、年报/季报原文。
• B级：东方财富/F10、同花顺、腾讯财经、新浪、Yahoo Finance。
• C级：新闻、研报、行业报告，仅作线索。
• D级：论坛、传闻、自媒体，不得作为结论依据。

强制校验：

• 行情至少双源；差异 >2% 标异常。
• 财报重要结论优先公告或 F10 原始字段，估算/TTM/预测必须标口径。
• K线异常波动、停复牌、除权除息需标记。
• 风险事件必须公告/交易所/监管来源确认。
• HTML 必须有“数据可信度与盲区”模块。

Screening Workflow

1. 明确筛选任务

识别：市场、行业/主题、风格、周期、候选数量、用户风险偏好。

若用户没说，默认：A股 + 30-80只候选 + 中短期3-6个月观察 + 风险中性 + Top 10。

2. 构建股票池

来源可以是：

• 用户给定列表。
• 行业/主题名单。
• 指数成分股。
• 同类型公司扩展。
• 近期强势/成交额/业绩改善初筛。

股票池必须记录来源和覆盖范围，不允许假装全市场完整扫描。

3. 多因子初筛

默认剔除：

• 流动性太差：成交额过低或长期缩量。
• 重大风险未解除：ST、退市风险、重大诉讼、监管处罚、财务异常。
• 基本面恶化且无明确反转证据。
• 估值极贵但成长/催化不足。

默认评分因子：

• 基本面质量 20%
• 成长改善 20%
• 估值性价比 15%
• 技术趋势 15%
• 资金活跃度 10%
• 行业景气/主题强度 10%
• 催化剂确定性 5%
• 风险可控性 5%

详细规则见 references/screener_model.md。

4. 分层输出

不要只给一个榜单。必须分层：

• 核心观察 Top 3：综合质量最高，值得优先跟踪。
• 进攻弹性 Top 3：弹性强但波动更大。
• 低估修复 Top 3：估值便宜，等待业绩/行业修复。
• 风险警戒：看起来强但风险高，需谨慎。
• 剔除名单：为什么没入选。

5. 交易观察计划

对每只重点候选给条件化计划：

• 观察买入区：回踩支撑/估值合理/缩量企稳。
• 右侧确认区：突破关键位/放量/板块共振/财报改善。
• 剔除条件：跌破趋势、财报证伪、风险公告、催化落空。
• 跟踪周期：每天/每周/财报节点/政策节点。

HTML Dashboard Guidance

默认生成 HTML，不是 PDF。视觉风格沿用股票深度分析看板：金融终端级、首屏 3 秒定结论、手机友好。

固定结构：

1. Hero 决策区：主题、日期、股票池范围、Top 3、整体机会等级、风险等级。
2. 筛选漏斗：候选池 → 剔除 → 入围 → Top 10，每一步显示数量和原因。
3. Top 10 潜力榜：股票、代码、价格、综合分、风格、入选理由、风险、触发条件。
4. 机会地图：质量-弹性矩阵、估值-成长象限、行业/主题热度。
5. 重点深挖卡：Top 3 每只一张卡，含逻辑、关键指标、买点/确认/失效条件。
6. 多因子评分拆解：用环形图/雷达/评分条，解释每个因子。
7. 风险热力图：高/中/低风险，优先显示红色风险。
8. 剔除名单：为什么剔除，避免只报喜。
9. 跟踪计划：未来看什么指标、什么条件升级/降级。
10. 数据可信度与盲区：来源、口径、覆盖范围、不确定性。

视觉规则：

• 深色渐变 Hero、玻璃拟态卡片、细网格背景、青绿/蓝紫/琥珀点缀。
• Top 3 必须首屏可见；分数用环形图或醒目 badge。
• 筛选漏斗用横向/纵向 funnel，而不是纯文字。
• 风险卡高风险红色 pulse，低风险绿色。
• 表格移动端横向滚动。
• 禁止论文式长段落；每张卡最多 3 条短句。

Output Rules

• 默认回复：一句话结论 + Top 3 + MEDIA:<html_path>。
• 如果用 message 工具主动发送附件，最终回复 NO_REPLY。
• HTML 文件名：potential_stocks_<theme>_YYYYMMDD.html。
• 若无法完成全市场覆盖，必须说清楚“本次覆盖范围”。

Quality Checklist

提交前检查：

• 是否说明股票池来源和覆盖范围？
• 是否剔除了明显风险标的，并展示剔除理由？
• 是否至少有 Top 10、Top 3、风险警戒和跟踪计划？
• 是否每只 Top 3 都有入选逻辑、触发条件、失效条件？
• 是否有多因子评分拆解和白话解释？
• 是否有数据可信度与盲区？
• HTML 是否首屏 3 秒能看懂？
• 是否避免确定性荐股口吻，并声明不构成投资建议？