{"id":"9c49996e-b4dc-448c-a6bf-c541a00c6f22","entityType":"agent","slug":"clawhub-xiyanjun-hectorlee-daily-precision-picker","name":"hectorlee-daily-precision-picker","canonicalUrl":"https://www.xpersona.co/agent/clawhub-xiyanjun-hectorlee-daily-precision-picker","canonicalPath":"/agent/clawhub-xiyanjun-hectorlee-daily-precision-picker","generatedAt":"2026-10-12T01:10:21.555Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-11T19:07:40.754Z","emptyReason":null},"description":"每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选股票，选不出则空仓。触发词：精选、每日优选、深度筛选、资金确认、精筛、4层漏斗。 Skill: hectorlee-daily-precision-picker Owner: xiyanjun Summary: 每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选股票，选不出则空仓。触发词：精选、每日优选、深度筛选、资金确认、精筛、4层漏斗。 Tags: latest:2.2.1 Version history: v2.2.1 | 2026-08-24T17:51:56.034Z | user 同步 GitHub 最新版本 v0.1.3 | 2026-08-13T10:09:40.780Z | user 版本对齐 2.2.0，补 slug/license 字段 v0.1.2 | 2026-08-05T08:01:56.640Z | user V2.3.0: manifest version update v0.1.1","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1K downloads reported by the source. Last updated 10/11/2026.","installCommand":"clawhub skill install s173pcnkdch0b7hjk02bzf29js8bs6gp:hectorlee-daily-precision-picker","sourceUrl":"https://clawhub.ai/xiyanjun/hectorlee-daily-precision-picker","homepage":"https://clawhub.ai/xiyanjun/skills/hectorlee-daily-precision-picker","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/xiyanjun/hectorlee-daily-precision-picker","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/xiyanjun/skills/hectorlee-daily-precision-picker","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":60,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选股票，选不出则空仓。触发词：精选、每日优选、深度筛选、资金确认、精筛、4层漏斗。 Skill: hectorlee-daily-precision-picker Owner:"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-11T19:07:40.754Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T19:07:40.754Z","emptyReason":null},"stars":null,"forks":null,"downloads":1005,"likes":null,"task":null,"library":null,"packageName":null,"latestVersion":"2.2.1","tractionLabel":"1K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T19:07:40.685Z","emptyReason":null},"lastUpdatedAt":"2026-10-11T19:07:40.754Z","lastCrawledAt":"2026-10-11T19:07:40.685Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-12T19:07:40.685Z","lastVerifiedAt":null,"highlights":[{"version":"2.2.1","createdAt":"2026-08-24T17:51:56.034Z","changelog":"同步 GitHub 最新版本","fileCount":7,"zipByteSize":19726},{"version":"0.1.3","createdAt":"2026-08-13T10:09:40.780Z","changelog":"版本对齐 2.2.0，补 slug/license 字段","fileCount":7,"zipByteSize":18727},{"version":"0.1.2","createdAt":"2026-08-05T08:01:56.640Z","changelog":"V2.3.0: manifest version update","fileCount":7,"zipByteSize":18686},{"version":"0.1.1","createdAt":"2026-08-05T07:47:07.688Z","changelog":"hectorlee-daily-precision-picker v0.1.1 - Skill doc now versioned as V2.3 with full changelog and includes explicit \"离线容错\" (offline fallback) in the strategy description. - Added .gitignore and _user_meta.json files for project organization. - Updated SKILL.md with clarified workflow, scores, edge-case handling, and detailed real-world usage notes. - manifest.yaml and scripts/precision_picker.py updated accordingly to align with new documentation structure and versioning. - No breaking changes; overall structure and major algorithms remain consistent.","fileCount":10,"zipByteSize":19351},{"version":"0.1.0","createdAt":"2026-08-03T08:53:39.179Z","changelog":"- Initial release of \"hectorlee-daily-precision-picker\" skill (v0.1.0) - Implements a 4-layer funnel strategy for daily stock selection with 3-tiered output (精选, 优选, 关注池) - Optimized structure based on extensive backtesting: only MA support is a hard condition; volume-price quality is downweighted, capital flow takes leading role (75% score weight) - Both closing and intraday operation modes supported, including robust deduplication logic for historical signals - Clearly defined filtering criteria for fundamental safety, capital inflow scoring, and sector/technical pattern scoring - Automated structured report output: tiered lists, sector heatmap, and actionable suggestions","fileCount":7,"zipByteSize":13176}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s173pcnkdch0b7hjk02bzf29js8bs6gp:hectorlee-daily-precision-picker","setupComplexity":"low","setupSteps":["Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-xiyanjun-hectorlee-daily-precision-picker/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-xiyanjun-hectorlee-daily-precision-picker/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-xiyanjun-hectorlee-daily-precision-picker/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-xiyanjun-hectorlee-daily-precision-picker/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-xiyanjun-hectorlee-daily-precision-picker/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-xiyanjun-hectorlee-daily-precision-picker/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-12T01:10:21.554Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-xiyanjun-hectorlee-daily-precision-picker/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-xiyanjun-hectorlee-daily-precision-picker/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-xiyanjun-hectorlee-daily-precision-picker/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-xiyanjun-hectorlee-daily-precision-picker/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-11T19:07:40.754Z","emptyReason":null},"readme":"Skill: hectorlee-daily-precision-picker\n\nOwner: xiyanjun\n\nSummary: 每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选股票，选不出则空仓。触发词：精选、每日优选、深度筛选、资金确认、精筛、4层漏斗。\n\nTags: latest:2.2.1\n\nVersion history:\n\nv2.2.1 | 2026-08-24T17:51:56.034Z | user\n\n同步 GitHub 最新版本\n\nv0.1.3 | 2026-08-13T10:09:40.780Z | user\n\n版本对齐 2.2.0，补 slug/license 字段\n\nv0.1.2 | 2026-08-05T08:01:56.640Z | user\n\nV2.3.0: manifest version update\n\nv0.1.1 | 2026-08-05T07:47:07.688Z | auto\n\nhectorlee-daily-precision-picker v0.1.1\n\n- Skill doc now versioned as V2.3 with full changelog and includes explicit \"离线容错\" (offline fallback) in the strategy description.\n- Added .gitignore and _user_meta.json files for project organization.\n- Updated SKILL.md with clarified workflow, scores, edge-case handling, and detailed real-world usage notes.\n- manifest.yaml and scripts/precision_picker.py updated accordingly to align with new documentation structure and versioning.\n- No breaking changes; overall structure and major algorithms remain consistent.\n\nv0.1.0 | 2026-08-03T08:53:39.179Z | auto\n\n- Initial release of \"hectorlee-daily-precision-picker\" skill (v0.1.0)\n- Implements a 4-layer funnel strategy for daily stock selection with 3-tiered output (精选, 优选, 关注池)\n- Optimized structure based on extensive backtesting: only MA support is a hard condition; volume-price quality is downweighted, capital flow takes leading role (75% score weight)\n- Both closing and intraday operation modes supported, including robust deduplication logic for historical signals\n- Clearly defined filtering criteria for fundamental safety, capital inflow scoring, and sector/technical pattern scoring\n- Automated structured report output: tiered lists, sector heatmap, and actionable suggestions\n\nArchive index:\n\nArchive v2.2.1: 7 files, 19726 bytes\n\nFiles: _user_meta.json (106b), manifest.yaml (978b), references/research_findings.md (4367b), scripts/precision_picker.py (30227b), skill-card.md (2343b), SKILL.md (9684b), _meta.json (151b)\n\nFile v2.2.1:SKILL.md\n\n---\nname: hectorlee-daily-precision-picker\nslug: hectorlee-daily-precision-picker\nversion: 2.2.1\ndisplayName: 每日精选\ndescription: \"每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选股票，选不出则空仓。触发词：精选、每日优选、深度筛选、资金确认、精筛、4层漏斗。\"\nagent_created: true\n---\n\n# 每日精选策略 V2.2.1 — 四层漏斗 + 三层分级 + 离线容错\n\n## V2.2.1 更新（2026-08-25）\n\n- 修复资金流向打分解析：westockdata `fund flow` 输出为英文表头 markdown 表格（`JumboNetFlow`/`MainNetFlow` 在表头），原解析按\"数据行含 jumbo/主力 关键词\"匹配导致资金分恒为 0，现改为按表头列索引提取数值。\n- 新增 `--json <路径>` 参数：将分层结果（tier1/tier2/tier3）及数据可用性写结构化 JSON，供外部程序/定时任务读取生成卡片。\n\n## 概述\n\n从量价形态初筛池（volume-price-screener 或其他来源）中，通过 4 层漏斗过滤和打分，输出**三个层级**的精选结果：\n\n| 层级 | 标签 | 数量 | 分数阈值 | 用途 |\n|:---:|:-----|:----:|:---:|:-----|\n| ⭐ 第一层 | **精选** | 1-3 只 | ≥ 82 | 重点关注，信号最确定 |\n| 👍 第二层 | **优选** | 5-10 只 | ≥ 60 | 备选标的，信号较好 |\n| 👀 第三层 | **关注池** | ≤ 50 只 | ≥ 38 | 宽基观察，通过 L1+L2 底线 |\n\n各层独立筛选，不互相依赖。每层可能不满（信号不足时空出），第三层也可能超过 50 只（按总分截断）。\n\n**核心设计原则**：基本面做硬过滤兜底，资金流向做核心打分（d=1.21 超大单区分力远超量价特征），量价只做 MA 支撑初筛和辅助打分。\n\n**V2.1 更新（2026-08-03）— 基于端到端回测优化**：\n\n基于 103,758 条记录、655 个交易日的 VPS 全量回测，关键发现：\n- VPS 纯量价评分 Top30 仅产生 **+0.10%** 超额收益（vs 随机基线），区分力极弱\n- DPP L1 过滤中，**仅 MA 支撑**有实质边际贡献（+0.48%），缩量天数/振幅/背离预警近乎零贡献\n- **少而精**胜过大而全：L1+Top3 = **+2.04%** vs L1+Top30 = +1.17%\n- 量价质量得分从 20% 降至 10%，资金流向提升至主导地位（75%）\n\n**数据依据**：基于 103,758 条历史回测记录的赢家画像 + 近期多维度截面分析 + 端到端路径对比回测（详见 `references/research_findings.md`）。\n\n## 运行模式\n\n### 收盘模式（默认）\n\n每日收盘后运行一次，数据完整、信号稳定。全链路约 3-8 分钟。\n\n### 盘中模式（可选）\n\n盘中可多次运行，但需注意以下限制和调整：\n\n**与收盘模式的区别**：\n\n| | 收盘模式 | 盘中模式 |\n|:--|:--|:--|\n| K线数据 | 完整日K | 盘中K线（当日未完成） |\n| 资金流向 | 当日完整数据 | 前一日数据（当日未出） |\n| 量价形态 | 完整确认 | 可能不满足条件（缩量天数不足） |\n| 运行频率 | 1次/日 | 可多次（建议每30-60分钟） |\n| 信号可靠性 | 高 | 较低，仅供盘中参考 |\n\n**盘中模式调整**：\n\n1. **L1 放宽**：缩量天数阈值不强制（盘中缩量可能未完成），但振幅、MA支撑、背离预警仍需检查\n2. **L3 降级**：资金流向使用前一日数据（标注\"T-1数据\"）\n3. **历史信号去重**：盘中多次运行产生的命中记录，**按 `(code, date)` 去重后再统计出现天数**，避免同一交易日的重复扫描抬高历史计数\n\n```python\n# 去重示例\nhistory_count = len(set(\n    (rec['code'], rec['date']) \n    for rec in records \n    if rec['code'] == target_code and rec['date'] < today\n))\n```\n\n4. **输出标注**：盘中报告需标注\"盘中模式，信号仅供参考\"和时间戳\n5. **收盘后最终确认**：收盘后必须重新运行一次收盘模式，以正式报告为准\n\n### 去重数据结构\n\n为避免多次扫描污染历史数据，所有运行记录在写入时需要：\n\n```\n写入前检查: 该 (code, date) 组合是否已存在？\n  → 已存在: 更新最新评分，不新增记录\n  → 不存在: 新增记录\n```\n\n## 工作流程\n\n### 使用场景\n\n- **全链路自动精选**：先运行 volume-price-screener 获取初筛池，然后自动触发本技能做精选\n- **独立候选池分析**：用户提供一批候选股票代码，直接运行精选\n\n### 执行步骤\n\n#### 1. 获取候选池\n\n扩大初筛池以支撑三层分级（目标 ≥ 50 只候选）：\n\n```bash\ncd volume-price-screener-dir/scripts\npython screener.py --all --top 100\n```\n\n提取命中结果中的全部股票代码作为候选池。\n\n#### 2. 四层漏斗过滤\n\n按顺序执行，每层通过后才进入下一层。\n\n**第一层：量价初筛（MA 支撑硬条件）**\n\nVPS 仅作为粗筛池来源（形态命中即可，不依赖 VPS 评分排序）。对每只候选股检查：\n\n| 条件 | 阈值 | 说明 |\n|:-----|:-----|:-----|\n| MA 支撑 | true | 价格站稳 MA10 和 MA20 |\n\n不满足的直接排除。排除原因做标注。\n\n> V2.1 简化：基于 103,758 条回测，缩量天数（边际 +0.05%）、振幅（+0.01%）、背离预警（-0.02%）三项的边际贡献近乎为零，已移除。仅保留边际贡献 +0.48% 的 MA 支撑条件。\n\n**第二层：基本面安全排雷（硬过滤）**\n\n```bash\nwestock-data finance CODES --num 1\n```\n\n排除以下任一情况的股票：\n\n- 最近季度净利润 < 0（亏损）\n- 商誉 / 净资产 > 30%（商誉暴雷风险）\n- 资产负债率 > 80%（过高杠杆，金融/银行行业豁免）\n- 最近季度经营现金流净额 < 0 且净利润 > 0（利润质量差）\n- ST / *ST 标记\n\n对排除原因做明确标注。\n\n**第三层：资金流向打分（权重 75%）**\n\n```bash\nwestock-data fund flow PASSING_CODES\n```\n\n| 指标 | 满分 | 评分规则 |\n|:-----|:----:|:---------|\n| 超大单净流入 | 45 | >0 得 30 分；>5000万 得 38 分；>1亿 得 45 分 |\n| 主力净流入 | 30 | >0 得 20 分；>3000万 得 25 分；>1亿 得 30 分 |\n\n两项相加得到资金得分（满分 75）。\n\n**第四层：板块与量价辅助打分（权重 25%）**\n\n通过 tdx-connector 获取板块信息：\n\n```\n查询 STOCK_CODE 的所属行业和概念板块\n```\n\n| 指标 | 满分 | 评分规则 |\n|:-----|:----:|:---------|\n| 板块热度 | 15 | 所属概念中，近一周涨幅为正的概念数 ≥ 3 个得 15 分；≥ 2 个得 12 分；≥ 1 个得 8 分；0 个得 3 分 |\n| 量价形态质量 | 10 | 放量日涨幅 ≥ 8% (+4分)；缩量深度 < 30% (+3分)；低点抬高 (+3分) |\n| 历史重复信号 | 10 | 前50个**交易日**内出现**天数**（按日去重）：0天(+0)；1-3天(+4)；4-7天(+6)；8+天(+10) |\n\n> V2.1 调整：量价形态质量从 20 分降至 10 分。基于回测数据，量价各特征与 fwd20 相关性均 < 0.02，量价评分的作用是辅助而非主导。\n\n> 历史重复信号说明：统计该股票在前50个交易日中出现在初筛关注池的**交易日数量**（同一天多次扫描只计1次，按 `(code, date)` 去重）。反复出现意味着形态持续性更强，资金可能已在暗中布局。数据来源为 volume-price-screener 的历史回测样本库。\n\n#### 3. 三层分级输出\n\n总分 = 资金得分（75）+ 板块得分（15）+ 量价质量得分（10）+ 历史重复信号（10）= 满分 110\n\n按总分降序排列后，分三层输出。核心原则：**少而精**——回测证实 Top3 的胜率和收益率显著优于 Top30。精选层宁缺毋滥。\n\n| 层级 | 分数线 | 数量 | 说明 |\n|:---:|:---:|:---:|:-----|\n| ⭐ 精选 | ≥ 82 | Top 1-3 | 每维都强，信号确定性最高 |\n| 👍 优选 | ≥ 60 | Top 5-10 | 整体不错，可作备选 |\n| 👀 关注池 | ≥ 38 | ≤ 50 | 通过 L1+L2 底线，宽基观察 |\n\n**空层处理**：某层无股票达标时，输出\"该层无标的\"（不降层凑数）。\n\n#### 4. 输出报告（三部分）\n\n报告必须包含：分层列表 + 板块热力图 + 操作建议。\n\n**第一部分：分层列表** — 结构化表格输出三层结果（代码/名称/总分/各维得分/资金/行业），附淘汰明细。\n\n**第二部分：板块热力图** — 统计全部命中股票的行业分布：\n- 按一级行业聚合，标注各层分布数量\n- 列出代表股、计算板块集中度（Top 3占比）\n- 判断资金风格（超大单主导/主力主导/散乱）\n\n**第三部分：操作建议** — 基于以下信号输出 3-5 条建议：\n- 精选层有无（有→积极，无→谨慎）\n- 板块集中度（>60%→聚焦，<40%→分散）\n- 资金风格（超大单→趋势，主力→短线博弈）\n- 历史重复率（高频→持续性机会）\n- 当前时段（开盘观察/盘中确认/尾盘决策/收盘定论）\n\n所有建议需标注：基于量价+资金信号，不构成投资建议。\n\n## 注意事项\n\n- 所有颜色约定：涨=红、跌=绿（中国 A 股惯例）\n- 数据依赖 westockdata（资金/财务）和 tdx-connector（板块）；tdx-connector 未连接时板块热度维度降级处理（跳过该维度或按基准分计入，并在报告中标注\"板块数据缺失\"）\n- 精选结果为量价+资金多维信号，**不构成投资建议**\n- 若数据源不可用，标注\"数据缺失\"并降级处理（跳过该维度，满分相应调整）\n- 单日执行全流程约 2-5 分钟（含数据拉取）\n- 各层分数阈值可根据市场环境调整：牛市中精选层阈值可上调（如 82→88），熊市中关注池阈值可下调（如 38→30）\n\nFile v2.2.1:_meta.json\n\n{\n  \"ownerId\": \"kn71y975j1zr9hcafzd1ybgs898br0jt\",\n  \"slug\": \"hectorlee-daily-precision-picker\",\n  \"version\": \"2.2.1\",\n  \"publishedAt\": 1787593916034\n}\n\nFile v2.2.1:references/research_findings.md\n\n# 精选策略研究依据\n\n## 数据来源\n\n- 量价回测：103,758 条命中记录（近 3 年全市场滚动回测）\n- 资金截面：赢家 10 只 vs 输家 15 只（近 30 交易日命中池）\n- 基本面截面：赢家 5 只 vs 输家 4 只（最新季报）\n\n## 核心发现\n\n### 1. 量价评分区分力极弱\n\n现有 100 分量价评分无法区分后续收益：\n- 赢家平均分 60.9 vs 输家 60.6（差异 0.3 分）\n- fwd20 收益分层：0-50分 +1.29%，80-100分 +1.73%（差异 0.44pp）\n- Cohen's d < 0.1，无统计显著性\n\n### 2. 超大单净流入是最强区分维度\n\n| 维度 | 赢家均值 | 输家均值 | Cohen's d |\n|:-----|------:|------:|:---:|\n| 超大单当日净流入 | +3,165万 | +293万 | **1.21** |\n| 当日主力净流入 | +1,317万 | +520万 | 0.27 |\n| 20日主力净流入 | -3.16亿 | -4.81亿 | 0.20 |\n\nd=1.21 远大于量价特征的 d=0.1~0.2，确立资金流向为精选核心引擎。\n\n### 3. 板块无区分力\n\nTop 30 赢家分散在 8 个不同行业（医药生物 2、纺织服饰、电子、计算机、社会服务、有色金属、基础化工、家用电器），无任何行业集中。板块仅作为锦上添花的参考项。\n\n### 4. 基本面安全排雷有效\n\n- 输家 75% 出现亏损（vs 赢家 0%）\n- 输家商誉均值 0.58 亿（vs 赢家 0.02 亿）\n- 输家经营现金流普遍为负\n\n基本面差异显著，但赢家中也有现金流为负的案例，因此基本面的作用是排雷（硬过滤），而非预测涨幅（不参与打分）。\n\n### 5. 量价赢家画像（可用作二次过滤）\n\n| 特征 | 赢家 | 输家 | 方向 |\n|:-----|:----:|:----:|:-----|\n| 缩量天数 | 5.6天 | 6.4天 | 赢家更短 |\n| 缩量深度 | 0.52 | 0.50 | 赢家更浅（维持活跃度） |\n| 振幅 | 7.4% | 7.2% | 赢家略大 |\n| MA支撑 | 70.9% | 65.4% | 赢家更多 |\n| 背离预警 | 31.9% | 36.4% | 赢家更少 |\n\n所有模式在 2026 年独立验证期全部通过一致性检验，无过拟合。\n\n## 策略权重设计逻辑\n\n```\n总分 = 资金流向(65%) + 板块热度(15%) + 量价质量(20%)\n```\n\n1. 资金流向权重最高（65%），因为超大单区分力最强（d=1.21）\n2. 板块热度权重较低（15%），因为行业分布分散\n3. 量价质量用于辅助（20%），因为纯量价特征区分力有限\n4. 基本面不参与打分，只做硬过滤排雷\n\n## 局限性\n\n- 资金截面分析样本量有限（n=25），结论需更多数据验证\n- 5日/10日主力净流入数据存在后视偏差（命中日之后的数据），不可用于历史回测\n- 板块数据为当前时点，未回溯历史板块表现\n- 免费数据源无法提供完整的历史多维数据集\n\n---\n\n## 端到端回测结果（2026-08-03 新增）\n\n基于 103,758 条 VPS 命中记录、655 个交易日的全量回测。\n\n### VPS 评分分层效果\n\n| 分数段 | 样本 | fwd20均值 | 胜率 |\n|:---|:---:|:---:|:---:|\n| 0-49 | 15,554 | +0.54% | 45.7% |\n| 50-59 | 33,546 | +0.50% | 45.5% |\n| 60-69 | 32,859 | +0.87% | 45.5% |\n| 70-74 | 10,681 | +0.76% | 45.6% |\n| 75-79 | 6,646 | +1.13% | 44.9% |\n| 80-84 | 3,413 | +1.07% | 46.9% |\n| 85-89 | 994 | +1.34% | 50.2% |\n| 90-94 | 65 | +3.20% | 63.1% |\n\n**结论**：VPS 高分（85+）确实有效，但仅占 1% 的信号，日均仅 2.8 只——不足以支撑每日精选。\n\n### 四条路径对比\n\n| 策略 | fwd20 | 胜率 | vs 随机 |\n|:---|---:|---:|---:|\n| 随机基线 | +0.71% | 45.9% | — |\n| 纯VPS Top30 | +0.81% | 45.5% | +0.10% |\n| DPP L1 Top30 | +1.17% | 46.3% | +0.46% |\n| DPP L1 Top5 | +1.82% | 47.6% | +1.11% |\n| **DPP L1 Top3** | **+2.04%** | **48.9%** | **+1.33%** |\n\n### L1 各条件边际贡献\n\n| 条件 | 通过 vs 排除 | 贡献 |\n|:---|---:|:---:|\n| MA 支撑 | +0.88% vs +0.40% | **+0.48%** |\n| 缩量 ≤7天 | +0.73% vs +0.69% | +0.05% |\n| 振幅 ≥4% | +0.72% vs +0.71% | +0.01% |\n| 无背离预警 | +0.71% vs +0.73% | -0.02% |\n\n### VPS 特征相关性\n\n所有 VPS 特征与 fwd20 的线性相关系数 < 0.02，其中最高的 pullback_ratio 仅 r=-0.020。\n\n### V2.1 优化决策\n\n1. L1 简化为仅保留 MA 支撑（+0.48%），其余三项移除（边际≈0）\n2. 输出规模从 Top30 缩小到 Top3-5（回测证实少而精效果更好）\n3. 评分权重调整为资金 75% + 板块 15% + 量价 10%\n4. VPS 定位从\"打分排序\"改为\"粗筛池来源\"（形态命中即可）\n\nFile v2.2.1:skill-card.md\n\n## Description:\n\nDaily Precision Picker screens Chinese A-share stock candidates through a four-layer funnel using moving-average support, fundamental risk checks, fund-flow scoring, sector signals, and volume-price quality to produce tiered stock watchlists.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[xiyanjun](https://clawhub.ai/user/xiyanjun)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nInvestors, analysts, and agent operators use this skill to turn a stock candidate pool into a daily tiered screening report and optional structured JSON output. The skill is designed for signal review and monitoring, not automated investment execution.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Crafted stock-code input can reach shell command execution in the helper script.\n\nMitigation: Validate stock codes against expected market-code patterns and invoke subprocesses with shell-free argument lists before installation.\n\nRisk: The helper script installs and runs an npm package dynamically during finance and fund-flow checks.\n\nMitigation: Review or pin the dependency with integrity controls before use.\n\nRisk: The optional JSON path can write screening results to a user-supplied location.\n\nMitigation: Restrict JSON output paths to an approved workspace or reporting directory.\n\n## Reference(s):\n\n- [Research Findings](artifact/references/research_findings.md)\n- [ClawHub Skill Page](https://clawhub.ai/xiyanjun/skills/hectorlee-daily-precision-picker)\n- [Publisher Profile](https://clawhub.ai/user/xiyanjun)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, JSON, Shell commands, Guidance]\n\n**Output Format:** [Terminal report with tiered tables, optional JSON file, and operational guidance]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Reports include data availability status and a finance disclaimer; JSON output contains tier1, tier2, tier3, and availability fields.]\n\n## Skill Version(s):\n\n2.2.1 (source: server evidence, manifest.yaml, and SKILL.md frontmatter)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nFile v2.2.1:_user_meta.json\n\n{\n  \"name\": \"hectorlee-daily-precision-picker\",\n  \"installedAt\": 1785742912963,\n  \"source\": \"userImport\"\n}\n\nFile v2.2.1:manifest.yaml\n\nname: hectorlee-daily-precision-picker\nslug: hectorlee-daily-precision-picker\nversion: 2.2.1\ndescription: \"每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选/优选/关注池三层分级结果，选不出则空仓。V2.2.1 修复资金流向打分解析（westockdata 表格按列索引提取），新增 --json 结构化结果输出。\"\ncategory: finance\nauthor: hectorlee\nlicense: MIT-0\ntags:\n  - 选股\n  - 精选\n  - 量化\n  - A股\n  - 漏斗策略\n  - 资金流向\n  - 基本面排雷\ntriggers:\n  - 精选\n  - 每日优选\n  - 深度筛选\n  - 资金确认\n  - 精筛\n  - 4层漏斗\ndependencies:\n  python:\n    - requests\n    - numpy\n  optional:\n    - scikit-learn\nmcp_requirements:\n  - 通达信(tdx-connector): 量价形态初筛池数据\n  - 企查查(qcc-company): 基本面风险排查\nmin_python: \"3.9\"\n\nArchive v0.1.3: 7 files, 18727 bytes\n\nFiles: _user_meta.json (106b), manifest.yaml (858b), references/research_findings.md (4367b), scripts/precision_picker.py (28966b), skill-card.md (2193b), SKILL.md (8982b), _meta.json (151b)\n\nFile v0.1.3:SKILL.md\n\n---\nname: hectorlee-daily-precision-picker\nversion: 2.2.0\ndescription: \"每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选股票，选不出则空仓。触发词：精选、每日优选、深度筛选、资金确认、精筛、4层漏斗。\"\nagent_created: true\n---\n\n# 每日精选策略 V2.2 — 四层漏斗 + 三层分级 + 离线容错\n\n## 概述\n\n从量价形态初筛池（volume-price-screener 或其他来源）中，通过 4 层漏斗过滤和打分，输出**三个层级**的精选结果：\n\n| 层级 | 标签 | 数量 | 分数阈值 | 用途 |\n|:---:|:-----|:----:|:---:|:-----|\n| ⭐ 第一层 | **精选** | 1-3 只 | ≥ 82 | 重点关注，信号最确定 |\n| 👍 第二层 | **优选** | 5-10 只 | ≥ 60 | 备选标的，信号较好 |\n| 👀 第三层 | **关注池** | ≤ 50 只 | ≥ 38 | 宽基观察，通过 L1+L2 底线 |\n\n各层独立筛选，不互相依赖。每层可能不满（信号不足时空出），第三层也可能超过 50 只（按总分截断）。\n\n**核心设计原则**：基本面做硬过滤兜底，资金流向做核心打分（d=1.21 超大单区分力远超量价特征），量价只做 MA 支撑初筛和辅助打分。\n\n**V2.1 更新（2026-08-03）— 基于端到端回测优化**：\n\n基于 103,758 条记录、655 个交易日的 VPS 全量回测，关键发现：\n- VPS 纯量价评分 Top30 仅产生 **+0.10%** 超额收益（vs 随机基线），区分力极弱\n- DPP L1 过滤中，**仅 MA 支撑**有实质边际贡献（+0.48%），缩量天数/振幅/背离预警近乎零贡献\n- **少而精**胜过大而全：L1+Top3 = **+2.04%** vs L1+Top30 = +1.17%\n- 量价质量得分从 20% 降至 10%，资金流向提升至主导地位（75%）\n\n**数据依据**：基于 103,758 条历史回测记录的赢家画像 + 近期多维度截面分析 + 端到端路径对比回测（详见 `references/research_findings.md`）。\n\n## 运行模式\n\n### 收盘模式（默认）\n\n每日收盘后运行一次，数据完整、信号稳定。全链路约 3-8 分钟。\n\n### 盘中模式（可选）\n\n盘中可多次运行，但需注意以下限制和调整：\n\n**与收盘模式的区别**：\n\n| | 收盘模式 | 盘中模式 |\n|:--|:--|:--|\n| K线数据 | 完整日K | 盘中K线（当日未完成） |\n| 资金流向 | 当日完整数据 | 前一日数据（当日未出） |\n| 量价形态 | 完整确认 | 可能不满足条件（缩量天数不足） |\n| 运行频率 | 1次/日 | 可多次（建议每30-60分钟） |\n| 信号可靠性 | 高 | 较低，仅供盘中参考 |\n\n**盘中模式调整**：\n\n1. **L1 放宽**：缩量天数阈值不强制（盘中缩量可能未完成），但振幅、MA支撑、背离预警仍需检查\n2. **L3 降级**：资金流向使用前一日数据（标注\"T-1数据\"）\n3. **历史信号去重**：盘中多次运行产生的命中记录，**按 `(code, date)` 去重后再统计出现天数**，避免同一交易日的重复扫描抬高历史计数\n\n```python\n# 去重示例\nhistory_count = len(set(\n    (rec['code'], rec['date']) \n    for rec in records \n    if rec['code'] == target_code and rec['date'] < today\n))\n```\n\n4. **输出标注**：盘中报告需标注\"盘中模式，信号仅供参考\"和时间戳\n5. **收盘后最终确认**：收盘后必须重新运行一次收盘模式，以正式报告为准\n\n### 去重数据结构\n\n为避免多次扫描污染历史数据，所有运行记录在写入时需要：\n\n```\n写入前检查: 该 (code, date) 组合是否已存在？\n  → 已存在: 更新最新评分，不新增记录\n  → 不存在: 新增记录\n```\n\n## 工作流程\n\n### 使用场景\n\n- **全链路自动精选**：先运行 volume-price-screener 获取初筛池，然后自动触发本技能做精选\n- **独立候选池分析**：用户提供一批候选股票代码，直接运行精选\n\n### 执行步骤\n\n#### 1. 获取候选池\n\n扩大初筛池以支撑三层分级（目标 ≥ 50 只候选）：\n\n```bash\ncd volume-price-screener-dir/scripts\npython screener.py --all --top 100\n```\n\n提取命中结果中的全部股票代码作为候选池。\n\n#### 2. 四层漏斗过滤\n\n按顺序执行，每层通过后才进入下一层。\n\n**第一层：量价初筛（MA 支撑硬条件）**\n\nVPS 仅作为粗筛池来源（形态命中即可，不依赖 VPS 评分排序）。对每只候选股检查：\n\n| 条件 | 阈值 | 说明 |\n|:-----|:-----|:-----|\n| MA 支撑 | true | 价格站稳 MA10 和 MA20 |\n\n不满足的直接排除。排除原因做标注。\n\n> V2.1 简化：基于 103,758 条回测，缩量天数（边际 +0.05%）、振幅（+0.01%）、背离预警（-0.02%）三项的边际贡献近乎为零，已移除。仅保留边际贡献 +0.48% 的 MA 支撑条件。\n\n**第二层：基本面安全排雷（硬过滤）**\n\n```bash\nwestock-data finance CODES --num 1\n```\n\n排除以下任一情况的股票：\n\n- 最近季度净利润 < 0（亏损）\n- 商誉 / 净资产 > 30%（商誉暴雷风险）\n- 资产负债率 > 80%（过高杠杆，金融/银行行业豁免）\n- 最近季度经营现金流净额 < 0 且净利润 > 0（利润质量差）\n- ST / *ST 标记\n\n对排除原因做明确标注。\n\n**第三层：资金流向打分（权重 75%）**\n\n```bash\nwestock-data fund flow PASSING_CODES\n```\n\n| 指标 | 满分 | 评分规则 |\n|:-----|:----:|:---------|\n| 超大单净流入 | 45 | >0 得 30 分；>5000万 得 38 分；>1亿 得 45 分 |\n| 主力净流入 | 30 | >0 得 20 分；>3000万 得 25 分；>1亿 得 30 分 |\n\n两项相加得到资金得分（满分 75）。\n\n**第四层：板块与量价辅助打分（权重 25%）**\n\n通过 tdx-connector 获取板块信息：\n\n```\n查询 STOCK_CODE 的所属行业和概念板块\n```\n\n| 指标 | 满分 | 评分规则 |\n|:-----|:----:|:---------|\n| 板块热度 | 15 | 所属概念中，近一周涨幅为正的概念数 ≥ 3 个得 15 分；≥ 2 个得 12 分；≥ 1 个得 8 分；0 个得 3 分 |\n| 量价形态质量 | 10 | 放量日涨幅 ≥ 8% (+4分)；缩量深度 < 30% (+3分)；低点抬高 (+3分) |\n| 历史重复信号 | 10 | 前50个**交易日**内出现**天数**（按日去重）：0天(+0)；1-3天(+4)；4-7天(+6)；8+天(+10) |\n\n> V2.1 调整：量价形态质量从 20 分降至 10 分。基于回测数据，量价各特征与 fwd20 相关性均 < 0.02，量价评分的作用是辅助而非主导。\n\n> 历史重复信号说明：统计该股票在前50个交易日中出现在初筛关注池的**交易日数量**（同一天多次扫描只计1次，按 `(code, date)` 去重）。反复出现意味着形态持续性更强，资金可能已在暗中布局。数据来源为 volume-price-screener 的历史回测样本库。\n\n#### 3. 三层分级输出\n\n总分 = 资金得分（75）+ 板块得分（15）+ 量价质量得分（10）+ 历史重复信号（10）= 满分 110\n\n按总分降序排列后，分三层输出。核心原则：**少而精**——回测证实 Top3 的胜率和收益率显著优于 Top30。精选层宁缺毋滥。\n\n| 层级 | 分数线 | 数量 | 说明 |\n|:---:|:---:|:---:|:-----|\n| ⭐ 精选 | ≥ 82 | Top 1-3 | 每维都强，信号确定性最高 |\n| 👍 优选 | ≥ 60 | Top 5-10 | 整体不错，可作备选 |\n| 👀 关注池 | ≥ 38 | ≤ 50 | 通过 L1+L2 底线，宽基观察 |\n\n**空层处理**：某层无股票达标时，输出\"该层无标的\"（不降层凑数）。\n\n#### 4. 输出报告（三部分）\n\n报告必须包含：分层列表 + 板块热力图 + 操作建议。\n\n**第一部分：分层列表** — 结构化表格输出三层结果（代码/名称/总分/各维得分/资金/行业），附淘汰明细。\n\n**第二部分：板块热力图** — 统计全部命中股票的行业分布：\n- 按一级行业聚合，标注各层分布数量\n- 列出代表股、计算板块集中度（Top 3占比）\n- 判断资金风格（超大单主导/主力主导/散乱）\n\n**第三部分：操作建议** — 基于以下信号输出 3-5 条建议：\n- 精选层有无（有→积极，无→谨慎）\n- 板块集中度（>60%→聚焦，<40%→分散）\n- 资金风格（超大单→趋势，主力→短线博弈）\n- 历史重复率（高频→持续性机会）\n- 当前时段（开盘观察/盘中确认/尾盘决策/收盘定论）\n\n所有建议需标注：基于量价+资金信号，不构成投资建议。\n\n## 注意事项\n\n- 所有颜色约定：涨=红、跌=绿（中国 A 股惯例）\n- 数据依赖 westockdata（资金/财务）和 tdx-connector（板块）\n- 精选结果为量价+资金多维信号，**不构成投资建议**\n- 若数据源不可用，标注\"数据缺失\"并降级处理（跳过该维度，满分相应调整）\n- 单日执行全流程约 2-5 分钟（含数据拉取）\n- 各层分数阈值可根据市场环境调整：牛市中提高精选层阈值到 80 分，熊市中降低关注池到 30 分\n\nFile v0.1.3:_meta.json\n\n{\n  \"ownerId\": \"kn71y975j1zr9hcafzd1ybgs898br0jt\",\n  \"slug\": \"hectorlee-daily-precision-picker\",\n  \"version\": \"0.1.3\",\n  \"publishedAt\": 1786615780780\n}\n\nFile v0.1.3:references/research_findings.md\n\n# 精选策略研究依据\n\n## 数据来源\n\n- 量价回测：103,758 条命中记录（近 3 年全市场滚动回测）\n- 资金截面：赢家 10 只 vs 输家 15 只（近 30 交易日命中池）\n- 基本面截面：赢家 5 只 vs 输家 4 只（最新季报）\n\n## 核心发现\n\n### 1. 量价评分区分力极弱\n\n现有 100 分量价评分无法区分后续收益：\n- 赢家平均分 60.9 vs 输家 60.6（差异 0.3 分）\n- fwd20 收益分层：0-50分 +1.29%，80-100分 +1.73%（差异 0.44pp）\n- Cohen's d < 0.1，无统计显著性\n\n### 2. 超大单净流入是最强区分维度\n\n| 维度 | 赢家均值 | 输家均值 | Cohen's d |\n|:-----|------:|------:|:---:|\n| 超大单当日净流入 | +3,165万 | +293万 | **1.21** |\n| 当日主力净流入 | +1,317万 | +520万 | 0.27 |\n| 20日主力净流入 | -3.16亿 | -4.81亿 | 0.20 |\n\nd=1.21 远大于量价特征的 d=0.1~0.2，确立资金流向为精选核心引擎。\n\n### 3. 板块无区分力\n\nTop 30 赢家分散在 8 个不同行业（医药生物 2、纺织服饰、电子、计算机、社会服务、有色金属、基础化工、家用电器），无任何行业集中。板块仅作为锦上添花的参考项。\n\n### 4. 基本面安全排雷有效\n\n- 输家 75% 出现亏损（vs 赢家 0%）\n- 输家商誉均值 0.58 亿（vs 赢家 0.02 亿）\n- 输家经营现金流普遍为负\n\n基本面差异显著，但赢家中也有现金流为负的案例，因此基本面的作用是排雷（硬过滤），而非预测涨幅（不参与打分）。\n\n### 5. 量价赢家画像（可用作二次过滤）\n\n| 特征 | 赢家 | 输家 | 方向 |\n|:-----|:----:|:----:|:-----|\n| 缩量天数 | 5.6天 | 6.4天 | 赢家更短 |\n| 缩量深度 | 0.52 | 0.50 | 赢家更浅（维持活跃度） |\n| 振幅 | 7.4% | 7.2% | 赢家略大 |\n| MA支撑 | 70.9% | 65.4% | 赢家更多 |\n| 背离预警 | 31.9% | 36.4% | 赢家更少 |\n\n所有模式在 2026 年独立验证期全部通过一致性检验，无过拟合。\n\n## 策略权重设计逻辑\n\n```\n总分 = 资金流向(65%) + 板块热度(15%) + 量价质量(20%)\n```\n\n1. 资金流向权重最高（65%），因为超大单区分力最强（d=1.21）\n2. 板块热度权重较低（15%），因为行业分布分散\n3. 量价质量用于辅助（20%），因为纯量价特征区分力有限\n4. 基本面不参与打分，只做硬过滤排雷\n\n## 局限性\n\n- 资金截面分析样本量有限（n=25），结论需更多数据验证\n- 5日/10日主力净流入数据存在后视偏差（命中日之后的数据），不可用于历史回测\n- 板块数据为当前时点，未回溯历史板块表现\n- 免费数据源无法提供完整的历史多维数据集\n\n---\n\n## 端到端回测结果（2026-08-03 新增）\n\n基于 103,758 条 VPS 命中记录、655 个交易日的全量回测。\n\n### VPS 评分分层效果\n\n| 分数段 | 样本 | fwd20均值 | 胜率 |\n|:---|:---:|:---:|:---:|\n| 0-49 | 15,554 | +0.54% | 45.7% |\n| 50-59 | 33,546 | +0.50% | 45.5% |\n| 60-69 | 32,859 | +0.87% | 45.5% |\n| 70-74 | 10,681 | +0.76% | 45.6% |\n| 75-79 | 6,646 | +1.13% | 44.9% |\n| 80-84 | 3,413 | +1.07% | 46.9% |\n| 85-89 | 994 | +1.34% | 50.2% |\n| 90-94 | 65 | +3.20% | 63.1% |\n\n**结论**：VPS 高分（85+）确实有效，但仅占 1% 的信号，日均仅 2.8 只——不足以支撑每日精选。\n\n### 四条路径对比\n\n| 策略 | fwd20 | 胜率 | vs 随机 |\n|:---|---:|---:|---:|\n| 随机基线 | +0.71% | 45.9% | — |\n| 纯VPS Top30 | +0.81% | 45.5% | +0.10% |\n| DPP L1 Top30 | +1.17% | 46.3% | +0.46% |\n| DPP L1 Top5 | +1.82% | 47.6% | +1.11% |\n| **DPP L1 Top3** | **+2.04%** | **48.9%** | **+1.33%** |\n\n### L1 各条件边际贡献\n\n| 条件 | 通过 vs 排除 | 贡献 |\n|:---|---:|:---:|\n| MA 支撑 | +0.88% vs +0.40% | **+0.48%** |\n| 缩量 ≤7天 | +0.73% vs +0.69% | +0.05% |\n| 振幅 ≥4% | +0.72% vs +0.71% | +0.01% |\n| 无背离预警 | +0.71% vs +0.73% | -0.02% |\n\n### VPS 特征相关性\n\n所有 VPS 特征与 fwd20 的线性相关系数 < 0.02，其中最高的 pullback_ratio 仅 r=-0.020。\n\n### V2.1 优化决策\n\n1. L1 简化为仅保留 MA 支撑（+0.48%），其余三项移除（边际≈0）\n2. 输出规模从 Top30 缩小到 Top3-5（回测证实少而精效果更好）\n3. 评分权重调整为资金 75% + 板块 15% + 量价 10%\n4. VPS 定位从\"打分排序\"改为\"粗筛池来源\"（形态命中即可）\n\nFile v0.1.3:skill-card.md\n\n## Description:\n\nScreens Chinese A-share candidates through a four-layer volume-price, fundamentals, capital-flow, and sector-quality funnel to produce daily tiered stock watchlists or no-pick guidance when candidates do not qualify.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[xiyanjun](https://clawhub.ai/user/xiyanjun)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nExternal users and agent operators use this skill to screen a candidate pool of Chinese A-share stocks and produce daily selected, preferred, and watchlist tiers with scoring details, sector distribution, exclusions, and a non-advisory risk note.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Malformed stock-code input can influence local shell command execution in the helper script.\n\nMitigation: Run only with trusted candidate lists until a fixed version validates ticker format and invokes subprocess with an argument list and shell=False.\n\nRisk: Finance outputs may be misleading when market, fundamental, fund-flow, sector, or historical signal data is unavailable or stale.\n\nMitigation: Review the report's data availability markers and treat no-data or degraded-mode scores as lower-confidence screening output, not investment advice.\n\n## Reference(s):\n\n- [Research Findings](references/research_findings.md)\n\n## Skill Output:\n\n**Output Type(s):** [Markdown, Shell commands, Analysis, Guidance]\n\n**Output Format:** [Markdown report with tables, scoring breakdowns, sector distribution, command guidance, and risk notes]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Outputs are based on candidate stock codes and available market, fundamental, fund-flow, sector, and historical signal data; missing data is disclosed and may lower confidence.]\n\n## Skill Version(s):\n\n0.1.3 (source: server release metadata; artifact frontmatter and manifest report 2.2.0)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nFile v0.1.3:_user_meta.json\n\n{\n  \"name\": \"hectorlee-daily-precision-picker\",\n  \"installedAt\": 1785742912963,\n  \"source\": \"userImport\"\n}\n\nFile v0.1.3:manifest.yaml\n\nname: hectorlee-daily-precision-picker\nslug: hectorlee-daily-precision-picker\nversion: 2.2.0\ndescription: \"每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选/优选/关注池三层分级结果，选不出则空仓。\"\ncategory: finance\nauthor: hectorlee\nlicense: MIT-0\ntags:\n  - 选股\n  - 精选\n  - 量化\n  - A股\n  - 漏斗策略\n  - 资金流向\n  - 基本面排雷\ntriggers:\n  - 精选\n  - 每日优选\n  - 深度筛选\n  - 资金确认\n  - 精筛\n  - 4层漏斗\ndependencies:\n  python:\n    - requests\n    - numpy\n  optional:\n    - scikit-learn\nmcp_requirements:\n  - 通达信(tdx-connector): 量价形态初筛池数据\n  - 企查查(qcc-company): 基本面风险排查\nmin_python: \"3.9\"\n\nArchive v0.1.2: 7 files, 18686 bytes\n\nFiles: _user_meta.json (106b), manifest.yaml (804b), references/research_findings.md (4367b), scripts/precision_picker.py (28966b), skill-card.md (2179b), SKILL.md (8982b), _meta.json (151b)\n\nFile v0.1.2:SKILL.md\n\n---\nname: hectorlee-daily-precision-picker\nversion: 2.3.0\ndescription: \"每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选股票，选不出则空仓。触发词：精选、每日优选、深度筛选、资金确认、精筛、4层漏斗。\"\nagent_created: true\n---\n\n# 每日精选策略 V2.3 — 四层漏斗 + 三层分级 + 离线容错\n\n## 概述\n\n从量价形态初筛池（volume-price-screener 或其他来源）中，通过 4 层漏斗过滤和打分，输出**三个层级**的精选结果：\n\n| 层级 | 标签 | 数量 | 分数阈值 | 用途 |\n|:---:|:-----|:----:|:---:|:-----|\n| ⭐ 第一层 | **精选** | 1-3 只 | ≥ 82 | 重点关注，信号最确定 |\n| 👍 第二层 | **优选** | 5-10 只 | ≥ 60 | 备选标的，信号较好 |\n| 👀 第三层 | **关注池** | ≤ 50 只 | ≥ 38 | 宽基观察，通过 L1+L2 底线 |\n\n各层独立筛选，不互相依赖。每层可能不满（信号不足时空出），第三层也可能超过 50 只（按总分截断）。\n\n**核心设计原则**：基本面做硬过滤兜底，资金流向做核心打分（d=1.21 超大单区分力远超量价特征），量价只做 MA 支撑初筛和辅助打分。\n\n**V2.1 更新（2026-08-03）— 基于端到端回测优化**：\n\n基于 103,758 条记录、655 个交易日的 VPS 全量回测，关键发现：\n- VPS 纯量价评分 Top30 仅产生 **+0.10%** 超额收益（vs 随机基线），区分力极弱\n- DPP L1 过滤中，**仅 MA 支撑**有实质边际贡献（+0.48%），缩量天数/振幅/背离预警近乎零贡献\n- **少而精**胜过大而全：L1+Top3 = **+2.04%** vs L1+Top30 = +1.17%\n- 量价质量得分从 20% 降至 10%，资金流向提升至主导地位（75%）\n\n**数据依据**：基于 103,758 条历史回测记录的赢家画像 + 近期多维度截面分析 + 端到端路径对比回测（详见 `references/research_findings.md`）。\n\n## 运行模式\n\n### 收盘模式（默认）\n\n每日收盘后运行一次，数据完整、信号稳定。全链路约 3-8 分钟。\n\n### 盘中模式（可选）\n\n盘中可多次运行，但需注意以下限制和调整：\n\n**与收盘模式的区别**：\n\n| | 收盘模式 | 盘中模式 |\n|:--|:--|:--|\n| K线数据 | 完整日K | 盘中K线（当日未完成） |\n| 资金流向 | 当日完整数据 | 前一日数据（当日未出） |\n| 量价形态 | 完整确认 | 可能不满足条件（缩量天数不足） |\n| 运行频率 | 1次/日 | 可多次（建议每30-60分钟） |\n| 信号可靠性 | 高 | 较低，仅供盘中参考 |\n\n**盘中模式调整**：\n\n1. **L1 放宽**：缩量天数阈值不强制（盘中缩量可能未完成），但振幅、MA支撑、背离预警仍需检查\n2. **L3 降级**：资金流向使用前一日数据（标注\"T-1数据\"）\n3. **历史信号去重**：盘中多次运行产生的命中记录，**按 `(code, date)` 去重后再统计出现天数**，避免同一交易日的重复扫描抬高历史计数\n\n```python\n# 去重示例\nhistory_count = len(set(\n    (rec['code'], rec['date']) \n    for rec in records \n    if rec['code'] == target_code and rec['date'] < today\n))\n```\n\n4. **输出标注**：盘中报告需标注\"盘中模式，信号仅供参考\"和时间戳\n5. **收盘后最终确认**：收盘后必须重新运行一次收盘模式，以正式报告为准\n\n### 去重数据结构\n\n为避免多次扫描污染历史数据，所有运行记录在写入时需要：\n\n```\n写入前检查: 该 (code, date) 组合是否已存在？\n  → 已存在: 更新最新评分，不新增记录\n  → 不存在: 新增记录\n```\n\n## 工作流程\n\n### 使用场景\n\n- **全链路自动精选**：先运行 volume-price-screener 获取初筛池，然后自动触发本技能做精选\n- **独立候选池分析**：用户提供一批候选股票代码，直接运行精选\n\n### 执行步骤\n\n#### 1. 获取候选池\n\n扩大初筛池以支撑三层分级（目标 ≥ 50 只候选）：\n\n```bash\ncd volume-price-screener-dir/scripts\npython screener.py --all --top 100\n```\n\n提取命中结果中的全部股票代码作为候选池。\n\n#### 2. 四层漏斗过滤\n\n按顺序执行，每层通过后才进入下一层。\n\n**第一层：量价初筛（MA 支撑硬条件）**\n\nVPS 仅作为粗筛池来源（形态命中即可，不依赖 VPS 评分排序）。对每只候选股检查：\n\n| 条件 | 阈值 | 说明 |\n|:-----|:-----|:-----|\n| MA 支撑 | true | 价格站稳 MA10 和 MA20 |\n\n不满足的直接排除。排除原因做标注。\n\n> V2.1 简化：基于 103,758 条回测，缩量天数（边际 +0.05%）、振幅（+0.01%）、背离预警（-0.02%）三项的边际贡献近乎为零，已移除。仅保留边际贡献 +0.48% 的 MA 支撑条件。\n\n**第二层：基本面安全排雷（硬过滤）**\n\n```bash\nwestock-data finance CODES --num 1\n```\n\n排除以下任一情况的股票：\n\n- 最近季度净利润 < 0（亏损）\n- 商誉 / 净资产 > 30%（商誉暴雷风险）\n- 资产负债率 > 80%（过高杠杆，金融/银行行业豁免）\n- 最近季度经营现金流净额 < 0 且净利润 > 0（利润质量差）\n- ST / *ST 标记\n\n对排除原因做明确标注。\n\n**第三层：资金流向打分（权重 75%）**\n\n```bash\nwestock-data fund flow PASSING_CODES\n```\n\n| 指标 | 满分 | 评分规则 |\n|:-----|:----:|:---------|\n| 超大单净流入 | 45 | >0 得 30 分；>5000万 得 38 分；>1亿 得 45 分 |\n| 主力净流入 | 30 | >0 得 20 分；>3000万 得 25 分；>1亿 得 30 分 |\n\n两项相加得到资金得分（满分 75）。\n\n**第四层：板块与量价辅助打分（权重 25%）**\n\n通过 tdx-connector 获取板块信息：\n\n```\n查询 STOCK_CODE 的所属行业和概念板块\n```\n\n| 指标 | 满分 | 评分规则 |\n|:-----|:----:|:---------|\n| 板块热度 | 15 | 所属概念中，近一周涨幅为正的概念数 ≥ 3 个得 15 分；≥ 2 个得 12 分；≥ 1 个得 8 分；0 个得 3 分 |\n| 量价形态质量 | 10 | 放量日涨幅 ≥ 8% (+4分)；缩量深度 < 30% (+3分)；低点抬高 (+3分) |\n| 历史重复信号 | 10 | 前50个**交易日**内出现**天数**（按日去重）：0天(+0)；1-3天(+4)；4-7天(+6)；8+天(+10) |\n\n> V2.1 调整：量价形态质量从 20 分降至 10 分。基于回测数据，量价各特征与 fwd20 相关性均 < 0.02，量价评分的作用是辅助而非主导。\n\n> 历史重复信号说明：统计该股票在前50个交易日中出现在初筛关注池的**交易日数量**（同一天多次扫描只计1次，按 `(code, date)` 去重）。反复出现意味着形态持续性更强，资金可能已在暗中布局。数据来源为 volume-price-screener 的历史回测样本库。\n\n#### 3. 三层分级输出\n\n总分 = 资金得分（75）+ 板块得分（15）+ 量价质量得分（10）+ 历史重复信号（10）= 满分 110\n\n按总分降序排列后，分三层输出。核心原则：**少而精**——回测证实 Top3 的胜率和收益率显著优于 Top30。精选层宁缺毋滥。\n\n| 层级 | 分数线 | 数量 | 说明 |\n|:---:|:---:|:---:|:-----|\n| ⭐ 精选 | ≥ 82 | Top 1-3 | 每维都强，信号确定性最高 |\n| 👍 优选 | ≥ 60 | Top 5-10 | 整体不错，可作备选 |\n| 👀 关注池 | ≥ 38 | ≤ 50 | 通过 L1+L2 底线，宽基观察 |\n\n**空层处理**：某层无股票达标时，输出\"该层无标的\"（不降层凑数）。\n\n#### 4. 输出报告（三部分）\n\n报告必须包含：分层列表 + 板块热力图 + 操作建议。\n\n**第一部分：分层列表** — 结构化表格输出三层结果（代码/名称/总分/各维得分/资金/行业），附淘汰明细。\n\n**第二部分：板块热力图** — 统计全部命中股票的行业分布：\n- 按一级行业聚合，标注各层分布数量\n- 列出代表股、计算板块集中度（Top 3占比）\n- 判断资金风格（超大单主导/主力主导/散乱）\n\n**第三部分：操作建议** — 基于以下信号输出 3-5 条建议：\n- 精选层有无（有→积极，无→谨慎）\n- 板块集中度（>60%→聚焦，<40%→分散）\n- 资金风格（超大单→趋势，主力→短线博弈）\n- 历史重复率（高频→持续性机会）\n- 当前时段（开盘观察/盘中确认/尾盘决策/收盘定论）\n\n所有建议需标注：基于量价+资金信号，不构成投资建议。\n\n## 注意事项\n\n- 所有颜色约定：涨=红、跌=绿（中国 A 股惯例）\n- 数据依赖 westockdata（资金/财务）和 tdx-connector（板块）\n- 精选结果为量价+资金多维信号，**不构成投资建议**\n- 若数据源不可用，标注\"数据缺失\"并降级处理（跳过该维度，满分相应调整）\n- 单日执行全流程约 2-5 分钟（含数据拉取）\n- 各层分数阈值可根据市场环境调整：牛市中提高精选层阈值到 80 分，熊市中降低关注池到 30 分\n\nFile v0.1.2:_meta.json\n\n{\n  \"ownerId\": \"kn71y975j1zr9hcafzd1ybgs898br0jt\",\n  \"slug\": \"hectorlee-daily-precision-picker\",\n  \"version\": \"0.1.2\",\n  \"publishedAt\": 1785916916640\n}\n\nFile v0.1.2:references/research_findings.md\n\n# 精选策略研究依据\n\n## 数据来源\n\n- 量价回测：103,758 条命中记录（近 3 年全市场滚动回测）\n- 资金截面：赢家 10 只 vs 输家 15 只（近 30 交易日命中池）\n- 基本面截面：赢家 5 只 vs 输家 4 只（最新季报）\n\n## 核心发现\n\n### 1. 量价评分区分力极弱\n\n现有 100 分量价评分无法区分后续收益：\n- 赢家平均分 60.9 vs 输家 60.6（差异 0.3 分）\n- fwd20 收益分层：0-50分 +1.29%，80-100分 +1.73%（差异 0.44pp）\n- Cohen's d < 0.1，无统计显著性\n\n### 2. 超大单净流入是最强区分维度\n\n| 维度 | 赢家均值 | 输家均值 | Cohen's d |\n|:-----|------:|------:|:---:|\n| 超大单当日净流入 | +3,165万 | +293万 | **1.21** |\n| 当日主力净流入 | +1,317万 | +520万 | 0.27 |\n| 20日主力净流入 | -3.16亿 | -4.81亿 | 0.20 |\n\nd=1.21 远大于量价特征的 d=0.1~0.2，确立资金流向为精选核心引擎。\n\n### 3. 板块无区分力\n\nTop 30 赢家分散在 8 个不同行业（医药生物 2、纺织服饰、电子、计算机、社会服务、有色金属、基础化工、家用电器），无任何行业集中。板块仅作为锦上添花的参考项。\n\n### 4. 基本面安全排雷有效\n\n- 输家 75% 出现亏损（vs 赢家 0%）\n- 输家商誉均值 0.58 亿（vs 赢家 0.02 亿）\n- 输家经营现金流普遍为负\n\n基本面差异显著，但赢家中也有现金流为负的案例，因此基本面的作用是排雷（硬过滤），而非预测涨幅（不参与打分）。\n\n### 5. 量价赢家画像（可用作二次过滤）\n\n| 特征 | 赢家 | 输家 | 方向 |\n|:-----|:----:|:----:|:-----|\n| 缩量天数 | 5.6天 | 6.4天 | 赢家更短 |\n| 缩量深度 | 0.52 | 0.50 | 赢家更浅（维持活跃度） |\n| 振幅 | 7.4% | 7.2% | 赢家略大 |\n| MA支撑 | 70.9% | 65.4% | 赢家更多 |\n| 背离预警 | 31.9% | 36.4% | 赢家更少 |\n\n所有模式在 2026 年独立验证期全部通过一致性检验，无过拟合。\n\n## 策略权重设计逻辑\n\n```\n总分 = 资金流向(65%) + 板块热度(15%) + 量价质量(20%)\n```\n\n1. 资金流向权重最高（65%），因为超大单区分力最强（d=1.21）\n2. 板块热度权重较低（15%），因为行业分布分散\n3. 量价质量用于辅助（20%），因为纯量价特征区分力有限\n4. 基本面不参与打分，只做硬过滤排雷\n\n## 局限性\n\n- 资金截面分析样本量有限（n=25），结论需更多数据验证\n- 5日/10日主力净流入数据存在后视偏差（命中日之后的数据），不可用于历史回测\n- 板块数据为当前时点，未回溯历史板块表现\n- 免费数据源无法提供完整的历史多维数据集\n\n---\n\n## 端到端回测结果（2026-08-03 新增）\n\n基于 103,758 条 VPS 命中记录、655 个交易日的全量回测。\n\n### VPS 评分分层效果\n\n| 分数段 | 样本 | fwd20均值 | 胜率 |\n|:---|:---:|:---:|:---:|\n| 0-49 | 15,554 | +0.54% | 45.7% |\n| 50-59 | 33,546 | +0.50% | 45.5% |\n| 60-69 | 32,859 | +0.87% | 45.5% |\n| 70-74 | 10,681 | +0.76% | 45.6% |\n| 75-79 | 6,646 | +1.13% | 44.9% |\n| 80-84 | 3,413 | +1.07% | 46.9% |\n| 85-89 | 994 | +1.34% | 50.2% |\n| 90-94 | 65 | +3.20% | 63.1% |\n\n**结论**：VPS 高分（85+）确实有效，但仅占 1% 的信号，日均仅 2.8 只——不足以支撑每日精选。\n\n### 四条路径对比\n\n| 策略 | fwd20 | 胜率 | vs 随机 |\n|:---|---:|---:|---:|\n| 随机基线 | +0.71% | 45.9% | — |\n| 纯VPS Top30 | +0.81% | 45.5% | +0.10% |\n| DPP L1 Top30 | +1.17% | 46.3% | +0.46% |\n| DPP L1 Top5 | +1.82% | 47.6% | +1.11% |\n| **DPP L1 Top3** | **+2.04%** | **48.9%** | **+1.33%** |\n\n### L1 各条件边际贡献\n\n| 条件 | 通过 vs 排除 | 贡献 |\n|:---|---:|:---:|\n| MA 支撑 | +0.88% vs +0.40% | **+0.48%** |\n| 缩量 ≤7天 | +0.73% vs +0.69% | +0.05% |\n| 振幅 ≥4% | +0.72% vs +0.71% | +0.01% |\n| 无背离预警 | +0.71% vs +0.73% | -0.02% |\n\n### VPS 特征相关性\n\n所有 VPS 特征与 fwd20 的线性相关系数 < 0.02，其中最高的 pullback_ratio 仅 r=-0.020。\n\n### V2.1 优化决策\n\n1. L1 简化为仅保留 MA 支撑（+0.48%），其余三项移除（边际≈0）\n2. 输出规模从 Top30 缩小到 Top3-5（回测证实少而精效果更好）\n3. 评分权重调整为资金 75% + 板块 15% + 量价 10%\n4. VPS 定位从\"打分排序\"改为\"粗筛池来源\"（形态命中即可）\n\nFile v0.1.2:skill-card.md\n\n## Description:\n\nFilters a candidate pool of China A-share stocks through volume-price, fundamental-risk, fund-flow, sector, pattern-quality, and history signals to produce tiered daily screening results.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[xiyanjun](https://clawhub.ai/user/xiyanjun)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nExternal users and developers use this skill to screen China A-share candidate pools and generate a tiered watchlist report for further human review. The output is a market-screening signal and not investment advice.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Unvalidated stock-code inputs may be used to build local shell commands.\n\nMitigation: Use only trusted candidate pools, pool files, and upstream signal files; review stock-code values before execution.\n\nRisk: The skill runs local shell/npx commands to fetch stock data.\n\nMitigation: Install and run it only in an environment where local command execution and the referenced stock-data tooling are acceptable.\n\nRisk: Screening output can be mistaken for investment advice.\n\nMitigation: Treat results as screening signals for human review and preserve the skill's investment-advice disclaimer.\n\n## Reference(s):\n\n- [Research Findings](artifact/references/research_findings.md)\n- [ClawHub Skill Page](https://clawhub.ai/xiyanjun/skills/hectorlee-daily-precision-picker)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, shell commands, guidance]\n\n**Output Format:** [Markdown-style terminal report with tables, scores, status messages, and risk guidance]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [May run local shell commands for stock data and can degrade output when upstream data is unavailable.]\n\n## Skill Version(s):\n\n0.1.2 (source: ClawHub release metadata; artifact manifest/frontmatter reports 2.3.0)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nFile v0.1.2:_user_meta.json\n\n{\n  \"name\": \"hectorlee-daily-precision-picker\",\n  \"installedAt\": 1785742912963,\n  \"source\": \"userImport\"\n}\n\nFile v0.1.2:manifest.yaml\n\nname: hectorlee-daily-precision-picker\nversion: 2.3.0\ndescription: \"每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选/优选/关注池三层分级结果，选不出则空仓。\"\ncategory: finance\nauthor: hectorlee\ntags:\n  - 选股\n  - 精选\n  - 量化\n  - A股\n  - 漏斗策略\n  - 资金流向\n  - 基本面排雷\ntriggers:\n  - 精选\n  - 每日优选\n  - 深度筛选\n  - 资金确认\n  - 精筛\n  - 4层漏斗\ndependencies:\n  python:\n    - requests\n    - numpy\n  optional:\n    - scikit-learn\nmcp_requirements:\n  - 通达信(tdx-connector): 量价形态初筛池数据\n  - 企查查(qcc-company): 基本面风险排查\nmin_python: \"3.9\"\n\nArchive v0.1.1: 10 files, 19351 bytes\n\nFiles: _user_meta.json (106b), .gitignore (163b), manifest.yaml (804b), references (0b), references/research_findings.md (4367b), scripts (0b), scripts/precision_picker.py (28966b), skill-card.md (2636b), SKILL.md (8982b), _meta.json (151b)\n\nFile v0.1.1:SKILL.md\n\n---\nname: hectorlee-daily-precision-picker\nversion: 2.3.0\ndescription: \"每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选股票，选不出则空仓。触发词：精选、每日优选、深度筛选、资金确认、精筛、4层漏斗。\"\nagent_created: true\n---\n\n# 每日精选策略 V2.3 — 四层漏斗 + 三层分级 + 离线容错\n\n## 概述\n\n从量价形态初筛池（volume-price-screener 或其他来源）中，通过 4 层漏斗过滤和打分，输出**三个层级**的精选结果：\n\n| 层级 | 标签 | 数量 | 分数阈值 | 用途 |\n|:---:|:-----|:----:|:---:|:-----|\n| ⭐ 第一层 | **精选** | 1-3 只 | ≥ 82 | 重点关注，信号最确定 |\n| 👍 第二层 | **优选** | 5-10 只 | ≥ 60 | 备选标的，信号较好 |\n| 👀 第三层 | **关注池** | ≤ 50 只 | ≥ 38 | 宽基观察，通过 L1+L2 底线 |\n\n各层独立筛选，不互相依赖。每层可能不满（信号不足时空出），第三层也可能超过 50 只（按总分截断）。\n\n**核心设计原则**：基本面做硬过滤兜底，资金流向做核心打分（d=1.21 超大单区分力远超量价特征），量价只做 MA 支撑初筛和辅助打分。\n\n**V2.1 更新（2026-08-03）— 基于端到端回测优化**：\n\n基于 103,758 条记录、655 个交易日的 VPS 全量回测，关键发现：\n- VPS 纯量价评分 Top30 仅产生 **+0.10%** 超额收益（vs 随机基线），区分力极弱\n- DPP L1 过滤中，**仅 MA 支撑**有实质边际贡献（+0.48%），缩量天数/振幅/背离预警近乎零贡献\n- **少而精**胜过大而全：L1+Top3 = **+2.04%** vs L1+Top30 = +1.17%\n- 量价质量得分从 20% 降至 10%，资金流向提升至主导地位（75%）\n\n**数据依据**：基于 103,758 条历史回测记录的赢家画像 + 近期多维度截面分析 + 端到端路径对比回测（详见 `references/research_findings.md`）。\n\n## 运行模式\n\n### 收盘模式（默认）\n\n每日收盘后运行一次，数据完整、信号稳定。全链路约 3-8 分钟。\n\n### 盘中模式（可选）\n\n盘中可多次运行，但需注意以下限制和调整：\n\n**与收盘模式的区别**：\n\n| | 收盘模式 | 盘中模式 |\n|:--|:--|:--|\n| K线数据 | 完整日K | 盘中K线（当日未完成） |\n| 资金流向 | 当日完整数据 | 前一日数据（当日未出） |\n| 量价形态 | 完整确认 | 可能不满足条件（缩量天数不足） |\n| 运行频率 | 1次/日 | 可多次（建议每30-60分钟） |\n| 信号可靠性 | 高 | 较低，仅供盘中参考 |\n\n**盘中模式调整**：\n\n1. **L1 放宽**：缩量天数阈值不强制（盘中缩量可能未完成），但振幅、MA支撑、背离预警仍需检查\n2. **L3 降级**：资金流向使用前一日数据（标注\"T-1数据\"）\n3. **历史信号去重**：盘中多次运行产生的命中记录，**按 `(code, date)` 去重后再统计出现天数**，避免同一交易日的重复扫描抬高历史计数\n\n```python\n# 去重示例\nhistory_count = len(set(\n    (rec['code'], rec['date']) \n    for rec in records \n    if rec['code'] == target_code and rec['date'] < today\n))\n```\n\n4. **输出标注**：盘中报告需标注\"盘中模式，信号仅供参考\"和时间戳\n5. **收盘后最终确认**：收盘后必须重新运行一次收盘模式，以正式报告为准\n\n### 去重数据结构\n\n为避免多次扫描污染历史数据，所有运行记录在写入时需要：\n\n```\n写入前检查: 该 (code, date) 组合是否已存在？\n  → 已存在: 更新最新评分，不新增记录\n  → 不存在: 新增记录\n```\n\n## 工作流程\n\n### 使用场景\n\n- **全链路自动精选**：先运行 volume-price-screener 获取初筛池，然后自动触发本技能做精选\n- **独立候选池分析**：用户提供一批候选股票代码，直接运行精选\n\n### 执行步骤\n\n#### 1. 获取候选池\n\n扩大初筛池以支撑三层分级（目标 ≥ 50 只候选）：\n\n```bash\ncd volume-price-screener-dir/scripts\npython screener.py --all --top 100\n```\n\n提取命中结果中的全部股票代码作为候选池。\n\n#### 2. 四层漏斗过滤\n\n按顺序执行，每层通过后才进入下一层。\n\n**第一层：量价初筛（MA 支撑硬条件）**\n\nVPS 仅作为粗筛池来源（形态命中即可，不依赖 VPS 评分排序）。对每只候选股检查：\n\n| 条件 | 阈值 | 说明 |\n|:-----|:-----|:-----|\n| MA 支撑 | true | 价格站稳 MA10 和 MA20 |\n\n不满足的直接排除。排除原因做标注。\n\n> V2.1 简化：基于 103,758 条回测，缩量天数（边际 +0.05%）、振幅（+0.01%）、背离预警（-0.02%）三项的边际贡献近乎为零，已移除。仅保留边际贡献 +0.48% 的 MA 支撑条件。\n\n**第二层：基本面安全排雷（硬过滤）**\n\n```bash\nwestock-data finance CODES --num 1\n```\n\n排除以下任一情况的股票：\n\n- 最近季度净利润 < 0（亏损）\n- 商誉 / 净资产 > 30%（商誉暴雷风险）\n- 资产负债率 > 80%（过高杠杆，金融/银行行业豁免）\n- 最近季度经营现金流净额 < 0 且净利润 > 0（利润质量差）\n- ST / *ST 标记\n\n对排除原因做明确标注。\n\n**第三层：资金流向打分（权重 75%）**\n\n```bash\nwestock-data fund flow PASSING_CODES\n```\n\n| 指标 | 满分 | 评分规则 |\n|:-----|:----:|:---------|\n| 超大单净流入 | 45 | >0 得 30 分；>5000万 得 38 分；>1亿 得 45 分 |\n| 主力净流入 | 30 | >0 得 20 分；>3000万 得 25 分；>1亿 得 30 分 |\n\n两项相加得到资金得分（满分 75）。\n\n**第四层：板块与量价辅助打分（权重 25%）**\n\n通过 tdx-connector 获取板块信息：\n\n```\n查询 STOCK_CODE 的所属行业和概念板块\n```\n\n| 指标 | 满分 | 评分规则 |\n|:-----|:----:|:---------|\n| 板块热度 | 15 | 所属概念中，近一周涨幅为正的概念数 ≥ 3 个得 15 分；≥ 2 个得 12 分；≥ 1 个得 8 分；0 个得 3 分 |\n| 量价形态质量 | 10 | 放量日涨幅 ≥ 8% (+4分)；缩量深度 < 30% (+3分)；低点抬高 (+3分) |\n| 历史重复信号 | 10 | 前50个**交易日**内出现**天数**（按日去重）：0天(+0)；1-3天(+4)；4-7天(+6)；8+天(+10) |\n\n> V2.1 调整：量价形态质量从 20 分降至 10 分。基于回测数据，量价各特征与 fwd20 相关性均 < 0.02，量价评分的作用是辅助而非主导。\n\n> 历史重复信号说明：统计该股票在前50个交易日中出现在初筛关注池的**交易日数量**（同一天多次扫描只计1次，按 `(code, date)` 去重）。反复出现意味着形态持续性更强，资金可能已在暗中布局。数据来源为 volume-price-screener 的历史回测样本库。\n\n#### 3. 三层分级输出\n\n总分 = 资金得分（75）+ 板块得分（15）+ 量价质量得分（10）+ 历史重复信号（10）= 满分 110\n\n按总分降序排列后，分三层输出。核心原则：**少而精**——回测证实 Top3 的胜率和收益率显著优于 Top30。精选层宁缺毋滥。\n\n| 层级 | 分数线 | 数量 | 说明 |\n|:---:|:---:|:---:|:-----|\n| ⭐ 精选 | ≥ 82 | Top 1-3 | 每维都强，信号确定性最高 |\n| 👍 优选 | ≥ 60 | Top 5-10 | 整体不错，可作备选 |\n| 👀 关注池 | ≥ 38 | ≤ 50 | 通过 L1+L2 底线，宽基观察 |\n\n**空层处理**：某层无股票达标时，输出\"该层无标的\"（不降层凑数）。\n\n#### 4. 输出报告（三部分）\n\n报告必须包含：分层列表 + 板块热力图 + 操作建议。\n\n**第一部分：分层列表** — 结构化表格输出三层结果（代码/名称/总分/各维得分/资金/行业），附淘汰明细。\n\n**第二部分：板块热力图** — 统计全部命中股票的行业分布：\n- 按一级行业聚合，标注各层分布数量\n- 列出代表股、计算板块集中度（Top 3占比）\n- 判断资金风格（超大单主导/主力主导/散乱）\n\n**第三部分：操作建议** — 基于以下信号输出 3-5 条建议：\n- 精选层有无（有→积极，无→谨慎）\n- 板块集中度（>60%→聚焦，<40%→分散）\n- 资金风格（超大单→趋势，主力→短线博弈）\n- 历史重复率（高频→持续性机会）\n- 当前时段（开盘观察/盘中确认/尾盘决策/收盘定论）\n\n所有建议需标注：基于量价+资金信号，不构成投资建议。\n\n## 注意事项\n\n- 所有颜色约定：涨=红、跌=绿（中国 A 股惯例）\n- 数据依赖 westockdata（资金/财务）和 tdx-connector（板块）\n- 精选结果为量价+资金多维信号，**不构成投资建议**\n- 若数据源不可用，标注\"数据缺失\"并降级处理（跳过该维度，满分相应调整）\n- 单日执行全流程约 2-5 分钟（含数据拉取）\n- 各层分数阈值可根据市场环境调整：牛市中提高精选层阈值到 80 分，熊市中降低关注池到 30 分\n\nFile v0.1.1:_meta.json\n\n{\n  \"ownerId\": \"kn71y975j1zr9hcafzd1ybgs898br0jt\",\n  \"slug\": \"hectorlee-daily-precision-picker\",\n  \"version\": \"0.1.1\",\n  \"publishedAt\": 1785916027688\n}\n\nFile v0.1.1:references/research_findings.md\n\n# 精选策略研究依据\n\n## 数据来源\n\n- 量价回测：103,758 条命中记录（近 3 年全市场滚动回测）\n- 资金截面：赢家 10 只 vs 输家 15 只（近 30 交易日命中池）\n- 基本面截面：赢家 5 只 vs 输家 4 只（最新季报）\n\n## 核心发现\n\n### 1. 量价评分区分力极弱\n\n现有 100 分量价评分无法区分后续收益：\n- 赢家平均分 60.9 vs 输家 60.6（差异 0.3 分）\n- fwd20 收益分层：0-50分 +1.29%，80-100分 +1.73%（差异 0.44pp）\n- Cohen's d < 0.1，无统计显著性\n\n### 2. 超大单净流入是最强区分维度\n\n| 维度 | 赢家均值 | 输家均值 | Cohen's d |\n|:-----|------:|------:|:---:|\n| 超大单当日净流入 | +3,165万 | +293万 | **1.21** |\n| 当日主力净流入 | +1,317万 | +520万 | 0.27 |\n| 20日主力净流入 | -3.16亿 | -4.81亿 | 0.20 |\n\nd=1.21 远大于量价特征的 d=0.1~0.2，确立资金流向为精选核心引擎。\n\n### 3. 板块无区分力\n\nTop 30 赢家分散在 8 个不同行业（医药生物 2、纺织服饰、电子、计算机、社会服务、有色金属、基础化工、家用电器），无任何行业集中。板块仅作为锦上添花的参考项。\n\n### 4. 基本面安全排雷有效\n\n- 输家 75% 出现亏损（vs 赢家 0%）\n- 输家商誉均值 0.58 亿（vs 赢家 0.02 亿）\n- 输家经营现金流普遍为负\n\n基本面差异显著，但赢家中也有现金流为负的案例，因此基本面的作用是排雷（硬过滤），而非预测涨幅（不参与打分）。\n\n### 5. 量价赢家画像（可用作二次过滤）\n\n| 特征 | 赢家 | 输家 | 方向 |\n|:-----|:----:|:----:|:-----|\n| 缩量天数 | 5.6天 | 6.4天 | 赢家更短 |\n| 缩量深度 | 0.52 | 0.50 | 赢家更浅（维持活跃度） |\n| 振幅 | 7.4% | 7.2% | 赢家略大 |\n| MA支撑 | 70.9% | 65.4% | 赢家更多 |\n| 背离预警 | 31.9% | 36.4% | 赢家更少 |\n\n所有模式在 2026 年独立验证期全部通过一致性检验，无过拟合。\n\n## 策略权重设计逻辑\n\n```\n总分 = 资金流向(65%) + 板块热度(15%) + 量价质量(20%)\n```\n\n1. 资金流向权重最高（65%），因为超大单区分力最强（d=1.21）\n2. 板块热度权重较低（15%），因为行业分布分散\n3. 量价质量用于辅助（20%），因为纯量价特征区分力有限\n4. 基本面不参与打分，只做硬过滤排雷\n\n## 局限性\n\n- 资金截面分析样本量有限（n=25），结论需更多数据验证\n- 5日/10日主力净流入数据存在后视偏差（命中日之后的数据），不可用于历史回测\n- 板块数据为当前时点，未回溯历史板块表现\n- 免费数据源无法提供完整的历史多维数据集\n\n---\n\n## 端到端回测结果（2026-08-03 新增）\n\n基于 103,758 条 VPS 命中记录、655 个交易日的全量回测。\n\n### VPS 评分分层效果\n\n| 分数段 | 样本 | fwd20均值 | 胜率 |\n|:---|:---:|:---:|:---:|\n| 0-49 | 15,554 | +0.54% | 45.7% |\n| 50-59 | 33,546 | +0.50% | 45.5% |\n| 60-69 | 32,859 | +0.87% | 45.5% |\n| 70-74 | 10,681 | +0.76% | 45.6% |\n| 75-79 | 6,646 | +1.13% | 44.9% |\n| 80-84 | 3,413 | +1.07% | 46.9% |\n| 85-89 | 994 | +1.34% | 50.2% |\n| 90-94 | 65 | +3.20% | 63.1% |\n\n**结论**：VPS 高分（85+）确实有效，但仅占 1% 的信号，日均仅 2.8 只——不足以支撑每日精选。\n\n### 四条路径对比\n\n| 策略 | fwd20 | 胜率 | vs 随机 |\n|:---|---:|---:|---:|\n| 随机基线 | +0.71% | 45.9% | — |\n| 纯VPS Top30 | +0.81% | 45.5% | +0.10% |\n| DPP L1 Top30 | +1.17% | 46.3% | +0.46% |\n| DPP L1 Top5 | +1.82% | 47.6% | +1.11% |\n| **DPP L1 Top3** | **+2.04%** | **48.9%** | **+1.33%** |\n\n### L1 各条件边际贡献\n\n| 条件 | 通过 vs 排除 | 贡献 |\n|:---|---:|:---:|\n| MA 支撑 | +0.88% vs +0.40% | **+0.48%** |\n| 缩量 ≤7天 | +0.73% vs +0.69% | +0.05% |\n| 振幅 ≥4% | +0.72% vs +0.71% | +0.01% |\n| 无背离预警 | +0.71% vs +0.73% | -0.02% |\n\n### VPS 特征相关性\n\n所有 VPS 特征与 fwd20 的线性相关系数 < 0.02，其中最高的 pullback_ratio 仅 r=-0.020。\n\n### V2.1 优化决策\n\n1. L1 简化为仅保留 MA 支撑（+0.48%），其余三项移除（边际≈0）\n2. 输出规模从 Top30 缩小到 Top3-5（回测证实少而精效果更好）\n3. 评分权重调整为资金 75% + 板块 15% + 量价 10%\n4. VPS 定位从\"打分排序\"改为\"粗筛池来源\"（形态命中即可）\n\nFile v0.1.1:skill-card.md\n\n## Description:\n\nScreens Chinese A-share stock candidates through a four-layer funnel covering volume-price filters, fundamental risk checks, fund-flow scoring, and sector/technical quality scoring to produce selected, preferred, and watchlist tiers.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[xiyanjun](https://clawhub.ai/user/xiyanjun)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nDevelopers and analysts use this skill to rank a supplied or automatically discovered pool of Chinese A-share candidates into selected, preferred, and watchlist tiers. The generated report supports review of volume-price, fundamental, fund-flow, sector, and history signals and should not be treated as investment advice.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Crafted stock-code input may be interpreted as shell command content by the included script.\n\nMitigation: Use only trusted candidate pools until the script validates codes such as sh/sz plus six digits and replaces shell=True command strings with fixed argument lists.\n\nRisk: The skill reads local volume-price-screener data and invokes an external npx finance-data package at runtime.\n\nMitigation: Run it in a reviewed, least-privilege environment and confirm network/package behavior before installation or scheduled use.\n\nRisk: The output ranks stock candidates and may be mistaken for investment advice.\n\nMitigation: Keep the non-investment-advice warning in reports and require human review before any trading or portfolio decision.\n\n## Reference(s):\n\n- [Server-resolved source repository](https://github.com/xiyanjun/hectorlee-daily-precision-picker)\n- [ClawHub skill page](https://clawhub.ai/xiyanjun/skills/hectorlee-daily-precision-picker)\n- [Research findings](references/research_findings.md)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, Shell commands, Guidance]\n\n**Output Format:** [Markdown or console-style report with tables, tiered stock lists, elimination notes, sector summaries, and command snippets]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Outputs are derived from candidate stock codes and available market data; reports include a non-investment-advice warning.]\n\n## Skill Version(s):\n\n0.1.1 (source: ClawHub release); artifact skill version 2.3.0 (source: frontmatter and manifest)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nFile v0.1.1:_user_meta.json\n\n{\n  \"name\": \"hectorlee-daily-precision-picker\",\n  \"installedAt\": 1785742912963,\n  \"source\": \"userImport\"\n}\n\nFile v0.1.1:manifest.yaml\n\nname: hectorlee-daily-precision-picker\nversion: 2.3.0\ndescription: \"每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选/优选/关注池三层分级结果，选不出则空仓。\"\ncategory: finance\nauthor: hectorlee\ntags:\n  - 选股\n  - 精选\n  - 量化\n  - A股\n  - 漏斗策略\n  - 资金流向\n  - 基本面排雷\ntriggers:\n  - 精选\n  - 每日优选\n  - 深度筛选\n  - 资金确认\n  - 精筛\n  - 4层漏斗\ndependencies:\n  python:\n    - requests\n    - numpy\n  optional:\n    - scikit-learn\nmcp_requirements:\n  - 通达信(tdx-connector): 量价形态初筛池数据\n  - 企查查(qcc-company): 基本面风险排查\nmin_python: \"3.9\"\n\nArchive v0.1.0: 7 files, 13176 bytes\n\nFiles: manifest.yaml (804b), references (0b), references/research_findings.md (4367b), scripts (0b), scripts/precision_picker.py (12496b), SKILL.md (8952b), _meta.json (151b)\n\nFile v0.1.0:SKILL.md\n\n---\nname: hectorlee-daily-precision-picker\ndescription: \"每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选股票，选不出则空仓。触发词：精选、每日优选、深度筛选、资金确认、精筛、4层漏斗。\"\nagent_created: true\n---\n\n# 每日精选策略 V2.1 — 四层漏斗 + 三层分级\n\n## 概述\n\n从量价形态初筛池（volume-price-screener 或其他来源）中，通过 4 层漏斗过滤和打分，输出**三个层级**的精选结果：\n\n| 层级 | 标签 | 数量 | 分数阈值 | 用途 |\n|:---:|:-----|:----:|:---:|:-----|\n| ⭐ 第一层 | **精选** | 1-3 只 | ≥ 82 | 重点关注，信号最确定 |\n| 👍 第二层 | **优选** | 5-10 只 | ≥ 60 | 备选标的，信号较好 |\n| 👀 第三层 | **关注池** | ≤ 50 只 | ≥ 38 | 宽基观察，通过 L1+L2 底线 |\n\n各层独立筛选，不互相依赖。每层可能不满（信号不足时空出），第三层也可能超过 50 只（按总分截断）。\n\n**核心设计原则**：基本面做硬过滤兜底，资金流向做核心打分（d=1.21 超大单区分力远超量价特征），量价只做 MA 支撑初筛和辅助打分。\n\n**V2.1 更新（2026-08-03）— 基于端到端回测优化**：\n\n基于 103,758 条记录、655 个交易日的 VPS 全量回测，关键发现：\n- VPS 纯量价评分 Top30 仅产生 **+0.10%** 超额收益（vs 随机基线），区分力极弱\n- DPP L1 过滤中，**仅 MA 支撑**有实质边际贡献（+0.48%），缩量天数/振幅/背离预警近乎零贡献\n- **少而精**胜过大而全：L1+Top3 = **+2.04%** vs L1+Top30 = +1.17%\n- 量价质量得分从 20% 降至 10%，资金流向提升至主导地位（75%）\n\n**数据依据**：基于 103,758 条历史回测记录的赢家画像 + 近期多维度截面分析 + 端到端路径对比回测（详见 `references/research_findings.md`）。\n\n## 运行模式\n\n### 收盘模式（默认）\n\n每日收盘后运行一次，数据完整、信号稳定。全链路约 3-8 分钟。\n\n### 盘中模式（可选）\n\n盘中可多次运行，但需注意以下限制和调整：\n\n**与收盘模式的区别**：\n\n| | 收盘模式 | 盘中模式 |\n|:--|:--|:--|\n| K线数据 | 完整日K | 盘中K线（当日未完成） |\n| 资金流向 | 当日完整数据 | 前一日数据（当日未出） |\n| 量价形态 | 完整确认 | 可能不满足条件（缩量天数不足） |\n| 运行频率 | 1次/日 | 可多次（建议每30-60分钟） |\n| 信号可靠性 | 高 | 较低，仅供盘中参考 |\n\n**盘中模式调整**：\n\n1. **L1 放宽**：缩量天数阈值不强制（盘中缩量可能未完成），但振幅、MA支撑、背离预警仍需检查\n2. **L3 降级**：资金流向使用前一日数据（标注\"T-1数据\"）\n3. **历史信号去重**：盘中多次运行产生的命中记录，**按 `(code, date)` 去重后再统计出现天数**，避免同一交易日的重复扫描抬高历史计数\n\n```python\n# 去重示例\nhistory_count = len(set(\n    (rec['code'], rec['date']) \n    for rec in records \n    if rec['code'] == target_code and rec['date'] < today\n))\n```\n\n4. **输出标注**：盘中报告需标注\"盘中模式，信号仅供参考\"和时间戳\n5. **收盘后最终确认**：收盘后必须重新运行一次收盘模式，以正式报告为准\n\n### 去重数据结构\n\n为避免多次扫描污染历史数据，所有运行记录在写入时需要：\n\n```\n写入前检查: 该 (code, date) 组合是否已存在？\n  → 已存在: 更新最新评分，不新增记录\n  → 不存在: 新增记录\n```\n\n## 工作流程\n\n### 使用场景\n\n- **全链路自动精选**：先运行 volume-price-screener 获取初筛池，然后自动触发本技能做精选\n- **独立候选池分析**：用户提供一批候选股票代码，直接运行精选\n\n### 执行步骤\n\n#### 1. 获取候选池\n\n扩大初筛池以支撑三层分级（目标 ≥ 50 只候选）：\n\n```bash\ncd volume-price-screener-dir/scripts\npython screener.py --all --top 100\n```\n\n提取命中结果中的全部股票代码作为候选池。\n\n#### 2. 四层漏斗过滤\n\n按顺序执行，每层通过后才进入下一层。\n\n**第一层：量价初筛（MA 支撑硬条件）**\n\nVPS 仅作为粗筛池来源（形态命中即可，不依赖 VPS 评分排序）。对每只候选股检查：\n\n| 条件 | 阈值 | 说明 |\n|:-----|:-----|:-----|\n| MA 支撑 | true | 价格站稳 MA10 和 MA20 |\n\n不满足的直接排除。排除原因做标注。\n\n> V2.1 简化：基于 103,758 条回测，缩量天数（边际 +0.05%）、振幅（+0.01%）、背离预警（-0.02%）三项的边际贡献近乎为零，已移除。仅保留边际贡献 +0.48% 的 MA 支撑条件。\n\n**第二层：基本面安全排雷（硬过滤）**\n\n```bash\nwestock-data finance CODES --num 1\n```\n\n排除以下任一情况的股票：\n\n- 最近季度净利润 < 0（亏损）\n- 商誉 / 净资产 > 30%（商誉暴雷风险）\n- 资产负债率 > 80%（过高杠杆，金融/银行行业豁免）\n- 最近季度经营现金流净额 < 0 且净利润 > 0（利润质量差）\n- ST / *ST 标记\n\n对排除原因做明确标注。\n\n**第三层：资金流向打分（权重 75%）**\n\n```bash\nwestock-data fund flow PASSING_CODES\n```\n\n| 指标 | 满分 | 评分规则 |\n|:-----|:----:|:---------|\n| 超大单净流入 | 45 | >0 得 30 分；>5000万 得 38 分；>1亿 得 45 分 |\n| 主力净流入 | 30 | >0 得 20 分；>3000万 得 25 分；>1亿 得 30 分 |\n\n两项相加得到资金得分（满分 75）。\n\n**第四层：板块与量价辅助打分（权重 25%）**\n\n通过 tdx-connector 获取板块信息：\n\n```\n查询 STOCK_CODE 的所属行业和概念板块\n```\n\n| 指标 | 满分 | 评分规则 |\n|:-----|:----:|:---------|\n| 板块热度 | 15 | 所属概念中，近一周涨幅为正的概念数 ≥ 3 个得 15 分；≥ 2 个得 12 分；≥ 1 个得 8 分；0 个得 3 分 |\n| 量价形态质量 | 10 | 放量日涨幅 ≥ 8% (+4分)；缩量深度 < 30% (+3分)；低点抬高 (+3分) |\n| 历史重复信号 | 10 | 前50个**交易日**内出现**天数**（按日去重）：0天(+0)；1-3天(+4)；4-7天(+6)；8+天(+10) |\n\n> V2.1 调整：量价形态质量从 20 分降至 10 分。基于回测数据，量价各特征与 fwd20 相关性均 < 0.02，量价评分的作用是辅助而非主导。\n\n> 历史重复信号说明：统计该股票在前50个交易日中出现在初筛关注池的**交易日数量**（同一天多次扫描只计1次，按 `(code, date)` 去重）。反复出现意味着形态持续性更强，资金可能已在暗中布局。数据来源为 volume-price-screener 的历史回测样本库。\n\n#### 3. 三层分级输出\n\n总分 = 资金得分（75）+ 板块得分（15）+ 量价质量得分（10）+ 历史重复信号（10）= 满分 110\n\n按总分降序排列后，分三层输出。核心原则：**少而精**——回测证实 Top3 的胜率和收益率显著优于 Top30。精选层宁缺毋滥。\n\n| 层级 | 分数线 | 数量 | 说明 |\n|:---:|:---:|:---:|:-----|\n| ⭐ 精选 | ≥ 82 | Top 1-3 | 每维都强，信号确定性最高 |\n| 👍 优选 | ≥ 60 | Top 5-10 | 整体不错，可作备选 |\n| 👀 关注池 | ≥ 38 | ≤ 50 | 通过 L1+L2 底线，宽基观察 |\n\n**空层处理**：某层无股票达标时，输出\"该层无标的\"（不降层凑数）。\n\n#### 4. 输出报告（三部分）\n\n报告必须包含：分层列表 + 板块热力图 + 操作建议。\n\n**第一部分：分层列表** — 结构化表格输出三层结果（代码/名称/总分/各维得分/资金/行业），附淘汰明细。\n\n**第二部分：板块热力图** — 统计全部命中股票的行业分布：\n- 按一级行业聚合，标注各层分布数量\n- 列出代表股、计算板块集中度（Top 3占比）\n- 判断资金风格（超大单主导/主力主导/散乱）\n\n**第三部分：操作建议** — 基于以下信号输出 3-5 条建议：\n- 精选层有无（有→积极，无→谨慎）\n- 板块集中度（>60%→聚焦，<40%→分散）\n- 资金风格（超大单→趋势，主力→短线博弈）\n- 历史重复率（高频→持续性机会）\n- 当前时段（开盘观察/盘中确认/尾盘决策/收盘定论）\n\n所有建议需标注：基于量价+资金信号，不构成投资建议。\n\n## 注意事项\n\n- 所有颜色约定：涨=红、跌=绿（中国 A 股惯例）\n- 数据依赖 westockdata（资金/财务）和 tdx-connector（板块）\n- 精选结果为量价+资金多维信号，**不构成投资建议**\n- 若数据源不可用，标注\"数据缺失\"并降级处理（跳过该维度，满分相应调整）\n- 单日执行全流程约 2-5 分钟（含数据拉取）\n- 各层分数阈值可根据市场环境调整：牛市中提高精选层阈值到 80 分，熊市中降低关注池到 30 分\n\nFile v0.1.0:_meta.json\n\n{\n  \"ownerId\": \"kn71y975j1zr9hcafzd1ybgs898br0jt\",\n  \"slug\": \"hectorlee-daily-precision-picker\",\n  \"version\": \"0.1.0\",\n  \"publishedAt\": 1785747219179\n}\n\nFile v0.1.0:references/research_findings.md\n\n# 精选策略研究依据\n\n## 数据来源\n\n- 量价回测：103,758 条命中记录（近 3 年全市场滚动回测）\n- 资金截面：赢家 10 只 vs 输家 15 只（近 30 交易日命中池）\n- 基本面截面：赢家 5 只 vs 输家 4 只（最新季报）\n\n## 核心发现\n\n### 1. 量价评分区分力极弱\n\n现有 100 分量价评分无法区分后续收益：\n- 赢家平均分 60.9 vs 输家 60.6（差异 0.3 分）\n- fwd20 收益分层：0-50分 +1.29%，80-100分 +1.73%（差异 0.44pp）\n- Cohen's d < 0.1，无统计显著性\n\n### 2. 超大单净流入是最强区分维度\n\n| 维度 | 赢家均值 | 输家均值 | Cohen's d |\n|:-----|------:|------:|:---:|\n| 超大单当日净流入 | +3,165万 | +293万 | **1.21** |\n| 当日主力净流入 | +1,317万 | +520万 | 0.27 |\n| 20日主力净流入 | -3.16亿 | -4.81亿 | 0.20 |\n\nd=1.21 远大于量价特征的 d=0.1~0.2，确立资金流向为精选核心引擎。\n\n### 3. 板块无区分力\n\nTop 30 赢家分散在 8 个不同行业（医药生物 2、纺织服饰、电子、计算机、社会服务、有色金属、基础化工、家用电器），无任何行业集中。板块仅作为锦上添花的参考项。\n\n### 4. 基本面安全排雷有效\n\n- 输家 75% 出现亏损（vs 赢家 0%）\n- 输家商誉均值 0.58 亿（vs 赢家 0.02 亿）\n- 输家经营现金流普遍为负\n\n基本面差异显著，但赢家中也有现金流为负的案例，因此基本面的作用是排雷（硬过滤），而非预测涨幅（不参与打分）。\n\n### 5. 量价赢家画像（可用作二次过滤）\n\n| 特征 | 赢家 | 输家 | 方向 |\n|:-----|:----:|:----:|:-----|\n| 缩量天数 | 5.6天 | 6.4天 | 赢家更短 |\n| 缩量深度 | 0.52 | 0.50 | 赢家更浅（维持活跃度） |\n| 振幅 | 7.4% | 7.2% | 赢家略大 |\n| MA支撑 | 70.9% | 65.4% | 赢家更多 |\n| 背离预警 | 31.9% | 36.4% | 赢家更少 |\n\n所有模式在 2026 年独立验证期全部通过一致性检验，无过拟合。\n\n## 策略权重设计逻辑\n\n```\n总分 = 资金流向(65%) + 板块热度(15%) + 量价质量(20%)\n```\n\n1. 资金流向权重最高（65%），因为超大单区分力最强（d=1.21）\n2. 板块热度权重较低（15%），因为行业分布分散\n3. 量价质量用于辅助（20%），因为纯量价特征区分力有限\n4. 基本面不参与打分，只做硬过滤排雷\n\n## 局限性\n\n- 资金截面分析样本量有限（n=25），结论需更多数据验证\n- 5日/10日主力净流入数据存在后视偏差（命中日之后的数据），不可用于历史回测\n- 板块数据为当前时点，未回溯历史板块表现\n- 免费数据源无法提供完整的历史多维数据集\n\n---\n\n## 端到端回测结果（2026-08-03 新增）\n\n基于 103,758 条 VPS 命中记录、655 个交易日的全量回测。\n\n### VPS 评分分层效果\n\n| 分数段 | 样本 | fwd20均值 | 胜率 |\n|:---|:---:|:---:|:---:|\n| 0-49 | 15,554 | +0.54% | 45.7% |\n| 50-59 | 33,546 | +0.50% | 45.5% |\n| 60-69 | 32,859 | +0.87% | 45.5% |\n| 70-74 | 10,681 | +0.76% | 45.6% |\n| 75-79 | 6,646 | +1.13% | 44.9% |\n| 80-84 | 3,413 | +1.07% | 46.9% |\n| 85-89 | 994 | +1.34% | 50.2% |\n| 90-94 | 65 | +3.20% | 63.1% |\n\n**结论**：VPS 高分（85+）确实有效，但仅占 1% 的信号，日均仅 2.8 只——不足以支撑每日精选。\n\n### 四条路径对比\n\n| 策略 | fwd20 | 胜率 | vs 随机 |\n|:---|---:|---:|---:|\n| 随机基线 | +0.71% | 45.9% | — |\n| 纯VPS Top30 | +0.81% | 45.5% | +0.10% |\n| DPP L1 Top30 | +1.17% | 46.3% | +0.46% |\n| DPP L1 Top5 | +1.82% | 47.6% | +1.11% |\n| **DPP L1 Top3** | **+2.04%** | **48.9%** | **+1.33%** |\n\n### L1 各条件边际贡献\n\n| 条件 | 通过 vs 排除 | 贡献 |\n|:---|---:|:---:|\n| MA 支撑 | +0.88% vs +0.40% | **+0.48%** |\n| 缩量 ≤7天 | +0.73% vs +0.69% | +0.05% |\n| 振幅 ≥4% | +0.72% vs +0.71% | +0.01% |\n| 无背离预警 | +0.71% vs +0.73% | -0.02% |\n\n### VPS 特征相关性\n\n所有 VPS 特征与 fwd20 的线性相关系数 < 0.02，其中最高的 pullback_ratio 仅 r=-0.020。\n\n### V2.1 优化决策\n\n1. L1 简化为仅保留 MA 支撑（+0.48%），其余三项移除（边际≈0）\n2. 输出规模从 Top30 缩小到 Top3-5（回测证实少而精效果更好）\n3. 评分权重调整为资金 75% + 板块 15% + 量价 10%\n4. VPS 定位从\"打分排序\"改为\"粗筛池来源\"（形态命中即可）\n\nFile v0.1.0:manifest.yaml\n\nname: hectorlee-daily-precision-picker\nversion: 2.1.0\ndescription: \"每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选/优选/关注池三层分级结果，选不出则空仓。\"\ncategory: finance\nauthor: hectorlee\ntags:\n  - 选股\n  - 精选\n  - 量化\n  - A股\n  - 漏斗策略\n  - 资金流向\n  - 基本面排雷\ntriggers:\n  - 精选\n  - 每日优选\n  - 深度筛选\n  - 资金确认\n  - 精筛\n  - 4层漏斗\ndependencies:\n  python:\n    - requests\n    - numpy\n  optional:\n    - scikit-learn\nmcp_requirements:\n  - 通达信(tdx-connector): 量价形态初筛池数据\n  - 企查查(qcc-company): 基本面风险排查\nmin_python: \"3.9\"","readmeExcerpt":"Skill: hectorlee-daily-precision-picker Owner: xiyanjun Summary: 每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选股票，选不出则空仓。触发词：精选、每日优选、深度筛选、资金确认、精筛、4层漏斗。 Tags: latest:2.2.1 Version history: v2.2.1 | 2026-08-24T17:51:56.034Z | user 同步 GitHub 最新版本 v0.1.3 | 2026-08-13T10:09:40.780Z | user 版本对齐 2.2.0，补 slug/license 字段 v0.1.2 | 2026-08-05T08:01:56.640Z | user V2.3.0: manifest version update v0.1.1","codeSnippets":[],"executableExamples":[{"language":"python","snippet":"# 去重示例\nhistory_count = len(set(\n    (rec['code'], rec['date']) \n    for rec in records \n    if rec['code'] == target_code and rec['date'] < today\n))"},{"language":"text","snippet":"写入前检查: 该 (code, date) 组合是否已存在？\n  → 已存在: 更新最新评分，不新增记录\n  → 不存在: 新增记录"},{"language":"bash","snippet":"cd volume-price-screener-dir/scripts\npython screener.py --all --top 100"},{"language":"bash","snippet":"westock-data finance CODES --num 1"},{"language":"bash","snippet":"westock-data fund flow PASSING_CODES"},{"language":"text","snippet":"查询 STOCK_CODE 的所属行业和概念板块"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: hectorlee-daily-precision-picker\nslug: hectorlee-daily-precision-picker\nversion: 2.2.1\ndisplayName: 每日精选\ndescription: \"每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选股票，选不出则空仓。触发词：精选、每日优选、深度筛选、资金确认、精筛、4层漏斗。\"\nagent_created: true\n---\n\n# 每日精选策略 V2.2.1 — 四层漏斗 + 三层分级 + 离线容错\n\n## V2.2.1 更新（2026-08-25）\n\n- 修复资金流向打分解析：westockdata `fund flow` 输出为英文表头 markdown 表格（`JumboNetFlow`/`MainNetFlow` 在表头），原解析按\"数据行含 jumbo/主力 关键词\"匹配导致资金分恒为 0，现改为按表头列索引提取数值。\n- 新增 `--json <路径>` 参数：将分层结果（tier1/tier2/tier3）及数据可用性写结构化 JSON，供外部程序/定时任务读取生成卡片。\n\n## 概述\n\n从量价形态初筛池（volume-price-screener 或其他来源）中，通过 4 层漏斗过滤和打分，输出**三个层级**的精选结果：\n\n| 层级 | 标签 | 数量 | 分数阈值 | 用途 |\n|:---:|:-----|:----:|:---:|:-----|\n| ⭐ 第一层 | **精选** | 1-3 只 | ≥ 82 | 重点关注，信号最确定 |\n| 👍 第二层 | **优选** | 5-10 只 | ≥ 60 | 备选标的，信号较好 |\n| 👀 第三层 | **关注池** | ≤ 50 只 | ≥ 38 | 宽基观察，通过 L1+L2 底线 |\n\n各层独立筛选，不互相依赖。每层可能不满（信号不足时空出），第三层也可能超过 50 只（按总分截断）。\n\n**核心设计原则**：基本面做硬过滤兜底，资金流向做核心打分（d=1.21 超大单区分力远超量价特征），量价只做 MA 支撑初筛和辅助打分。\n\n**V2.1 更新（2026-08-03）— 基于端到端回测优化**：\n\n基于 103,758 条记录、655 个交易日的 VPS 全量回测，关键发现：\n- VPS 纯量价评分 Top30 仅产生 **+0.10%** 超额收益（vs 随机基线），区分力极弱\n- DPP L1 过滤中，**仅 MA 支撑**有实质边际贡献（+0.48%），缩量天数/振幅/背离预警近乎零贡献\n- **少而精**胜过大而全：L1+Top3 = **+2.04%** vs L1+Top30 = +1.17%\n- 量价质量得分从 20% 降至 10%，资金流向提升至主导地位（75%）\n\n**数据依据**：基于 103,758 条历史回测记录的赢家画像 + 近期多维度截面分析 + 端到端路径对比回测（详见 `references/research_findings.md`）。\n\n## 运行模式\n\n### 收盘模式（默认）\n\n每日收盘后运行一次，数据完整、信号稳定。全链路约 3-8 分钟。\n\n### 盘中模式（可选）\n\n盘中可多次运行，但需注意以下限制和调整：\n\n**与收盘模式的区别**：\n\n| | 收盘模式 | 盘中模式 |\n|:--|:--|:--|\n| K线数据 | 完整日K | 盘中K线（当日未完成） |\n| 资金流向 | 当日完整数据 | 前一日数据（当日未出） |\n| 量价形态 | 完整确认 | 可能不满足条件（缩量天数不足） |\n| 运行频率 | 1次/日 | 可多次（建议每30-60分钟） |\n| 信号可靠性 | 高 | 较低，仅供盘中参考 |\n\n**盘中模式调整**：\n\n1. **L1 放宽**：缩量天数阈值不强制（盘中缩量可能未完成），但振幅、MA支撑、背离预警仍需检查\n2. **L3 降级**：资金流向使用前一日数据（标注\"T-1数据\"）\n3. **历史信号去重**：盘中多次运行产生的命中记录，**按 `(code, date)` 去重后再统计出现天数**，避免同一交易日的重复扫描抬高历史计数\n\n```python\n# 去重示例\nhistory_count = len(set(\n    (rec['code'], rec['date']) \n    for rec in records \n    if rec['code'] == target_code and rec['date'] < today\n))\n```\n\n4. **输出标注**：盘中报告需标注\"盘中模式，信号仅供参考\"和时间戳\n5. **收盘后最终确认**：收盘后必须重新运行一次收盘模式，以正式报告为准\n\n### 去重数据结构\n\n为避免多次扫描污染历史数据，所有运行记录在写入时需要：\n\n```\n写入前检查: 该 (code, date) 组合是否已存在？\n  → 已存在: 更新最新评分，不新增记录\n  → 不存在: 新增记录\n```\n\n## 工作流程\n\n### 使用场景\n\n- **全链路自动精选**：先运行 volume-price-screener 获取初筛池，然后自动触发本技能做精选\n- **独立候选池分析**：用户提供一批候选股票代码，直接运行精选\n\n### 执行步骤\n\n#### 1. 获取候选池\n\n扩大初筛池以支撑三层分级（目标 ≥ 50 只候选）：\n\n```bash\ncd volume-price-screener-dir/scripts\npython screener.py --all --top 100\n```\n\n提取命中结果中的全部股票代码作为候选池。\n\n#### 2. 四层漏斗过滤\n\n按顺序执行，每层通过后才进入下一层。\n\n**第一层：量价初筛（MA 支撑硬条件）**\n\nVPS 仅作为粗筛池来源（形态命中即可，不依赖 VPS 评分排序）。对每只候选股检查：\n\n| 条件 | 阈值 | 说明 |\n|:-----|:-----|:-----|\n| MA 支撑 | true | 价格站稳 MA10 和 MA20 |\n\n不满足的直接排除。排除原因做标注。\n\n> V2.1 简化：基于 103,758 条回测，缩量天数（边际 +0.05%）、振幅（+0.01%）、背离预警（-0.02%）三项的边际贡献近乎为零，已移除。仅保留边际贡献 +0.48% 的 MA 支撑条件。\n\n**第二层：基本面安全排雷（硬过滤）**\n\n```bash\nwestock-data finance CODES --num 1\n```\n\n排除以下任一情况的股票：\n\n- 最近季度净利润 < 0（亏损）\n- 商誉 / 净资产 > 30%（商誉暴雷风险）\n- 资产负债率 > 80%（过高杠杆，金融/银行行业豁免）\n- 最近季度经营现金流净额 < 0 且净利润 > 0（利润质量差）\n- ST / *ST 标记\n\n对排除原因做明确标注。\n\n**第三层：资金流向"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn71y975j1zr9hcafzd1ybgs898br0jt\",\n  \"slug\": \"hectorlee-daily-precision-picker\",\n  \"version\": \"2.2.1\",\n  \"publishedAt\": 1787593916034\n}"},{"path":"references/research_findings.md","content":"# 精选策略研究依据\n\n## 数据来源\n\n- 量价回测：103,758 条命中记录（近 3 年全市场滚动回测）\n- 资金截面：赢家 10 只 vs 输家 15 只（近 30 交易日命中池）\n- 基本面截面：赢家 5 只 vs 输家 4 只（最新季报）\n\n## 核心发现\n\n### 1. 量价评分区分力极弱\n\n现有 100 分量价评分无法区分后续收益：\n- 赢家平均分 60.9 vs 输家 60.6（差异 0.3 分）\n- fwd20 收益分层：0-50分 +1.29%，80-100分 +1.73%（差异 0.44pp）\n- Cohen's d < 0.1，无统计显著性\n\n### 2. 超大单净流入是最强区分维度\n\n| 维度 | 赢家均值 | 输家均值 | Cohen's d |\n|:-----|------:|------:|:---:|\n| 超大单当日净流入 | +3,165万 | +293万 | **1.21** |\n| 当日主力净流入 | +1,317万 | +520万 | 0.27 |\n| 20日主力净流入 | -3.16亿 | -4.81亿 | 0.20 |\n\nd=1.21 远大于量价特征的 d=0.1~0.2，确立资金流向为精选核心引擎。\n\n### 3. 板块无区分力\n\nTop 30 赢家分散在 8 个不同行业（医药生物 2、纺织服饰、电子、计算机、社会服务、有色金属、基础化工、家用电器），无任何行业集中。板块仅作为锦上添花的参考项。\n\n### 4. 基本面安全排雷有效\n\n- 输家 75% 出现亏损（vs 赢家 0%）\n- 输家商誉均值 0.58 亿（vs 赢家 0.02 亿）\n- 输家经营现金流普遍为负\n\n基本面差异显著，但赢家中也有现金流为负的案例，因此基本面的作用是排雷（硬过滤），而非预测涨幅（不参与打分）。\n\n### 5. 量价赢家画像（可用作二次过滤）\n\n| 特征 | 赢家 | 输家 | 方向 |\n|:-----|:----:|:----:|:-----|\n| 缩量天数 | 5.6天 | 6.4天 | 赢家更短 |\n| 缩量深度 | 0.52 | 0.50 | 赢家更浅（维持活跃度） |\n| 振幅 | 7.4% | 7.2% | 赢家略大 |\n| MA支撑 | 70.9% | 65.4% | 赢家更多 |\n| 背离预警 | 31.9% | 36.4% | 赢家更少 |\n\n所有模式在 2026 年独立验证期全部通过一致性检验，无过拟合。\n\n## 策略权重设计逻辑\n\n```\n总分 = 资金流向(65%) + 板块热度(15%) + 量价质量(20%)\n```\n\n1. 资金流向权重最高（65%），因为超大单区分力最强（d=1.21）\n2. 板块热度权重较低（15%），因为行业分布分散\n3. 量价质量用于辅助（20%），因为纯量价特征区分力有限\n4. 基本面不参与打分，只做硬过滤排雷\n\n## 局限性\n\n- 资金截面分析样本量有限（n=25），结论需更多数据验证\n- 5日/10日主力净流入数据存在后视偏差（命中日之后的数据），不可用于历史回测\n- 板块数据为当前时点，未回溯历史板块表现\n- 免费数据源无法提供完整的历史多维数据集\n\n---\n\n## 端到端回测结果（2026-08-03 新增）\n\n基于 103,758 条 VPS 命中记录、655 个交易日的全量回测。\n\n### VPS 评分分层效果\n\n| 分数段 | 样本 | fwd20均值 | 胜率 |\n|:---|:---:|:---:|:---:|\n| 0-49 | 15,554 | +0.54% | 45.7% |\n| 50-59 | 33,546 | +0.50% | 45.5% |\n| 60-69 | 32,859 | +0.87% | 45.5% |\n| 70-74 | 10,681 | +0.76% | 45.6% |\n| 75-79 | 6,646 | +1.13% | 44.9% |\n| 80-84 | 3,413 | +1.07% | 46.9% |\n| 85-89 | 994 | +1.34% | 50.2% |\n| 90-94 | 65 | +3.20% | 63.1% |\n\n**结论**：VPS 高分（85+）确实有效，但仅占 1% 的信号，日均仅 2.8 只——不足以支撑每日精选。\n\n### 四条路径对比\n\n| 策略 | fwd20 | 胜率 | vs 随机 |\n|:---|---:|---:|---:|\n| 随机基线 | +0.71% | 45.9% | — |\n| 纯VPS Top30 | +0.81% | 45.5% | +0.10% |\n| DPP L1 Top30 | +1.17% | 46.3% | +0.46% |\n| DPP L1 Top5 | +1.82% | 47.6% | +1.11% |\n| **DPP L1 Top3** | **+2.04%** | **48.9%** | **+1.33%** |\n\n### L1 各条件边际贡献\n\n| 条件 | 通过 vs 排除 | 贡献 |\n|:---|---:|:---:|\n| MA 支撑 | +0.88% vs +0.40% | **+0.48%** |\n| 缩量 ≤7天 | +0.73% vs +0.69% | +0.05% |\n| 振幅 ≥4% | +0.72% vs +0.71% | +0.01% |\n| 无背离预警 | +0.71% vs +0.73% | -0.02% |\n\n### VPS 特征相关性\n\n所有 VPS 特征与 fwd20 的线性相关系数 < 0.02，其中最高的 pullback_ratio 仅 r=-0.020。\n\n### V2.1 优化决策\n\n1. L1 简化为仅保留 MA 支撑（+0.48%），其余三项移除（边际≈0）\n2. 输出规模从 Top30 缩小到 Top3-5（回测证实少而精效果更好）\n3. 评分权重调整为资金 75% + 板块 15% + 量价 10%\n4. VPS 定位从\"打分排序\"改为\"粗筛池来源\"（形态命中即可）"},{"path":"skill-card.md","content":"## Description:\n\nDaily Precision Picker screens Chinese A-share stock candidates through a four-layer funnel using moving-average support, fundamental risk checks, fund-flow scoring, sector signals, and volume-price quality to produce tiered stock watchlists.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[xiyanjun](https://clawhub.ai/user/xiyanjun)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nInvestors, analysts, and agent operators use this skill to turn a stock candidate pool into a daily tiered screening report and optional structured JSON output. The skill is designed for signal review and monitoring, not automated investment execution.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Crafted stock-code input can reach shell command execution in the helper script.\n\nMitigation: Validate stock codes against expected market-code patterns and invoke subprocesses with shell-free argument lists before installation.\n\nRisk: The helper script installs and runs an npm package dynamically during finance and fund-flow checks.\n\nMitigation: Review or pin the dependency with integrity controls before use.\n\nRisk: The optional JSON path can write screening results to a user-supplied location.\n\nMitigation: Restrict JSON output paths to an approved workspace or reporting directory.\n\n## Reference(s):\n\n- [Research Findings](artifact/references/research_findings.md)\n- [ClawHub Skill Page](https://clawhub.ai/xiyanjun/skills/hectorlee-daily-precision-picker)\n- [Publisher Profile](https://clawhub.ai/user/xiyanjun)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, JSON, Shell commands, Guidance]\n\n**Output Format:** [Terminal report with tiered tables, optional JSON file, and operational guidance]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Reports include data availability status and a finance disclaimer; JSON output contains tier1, tier2, tier3, and availability fields.]\n\n## Skill Version(s):\n\n2.2.1 (source: server evidence, manifest.yaml, and SKILL.md frontmatter)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment."},{"path":"_user_meta.json","content":"{\n  \"name\": \"hectorlee-daily-precision-picker\",\n  \"installedAt\": 1785742912963,\n  \"source\": \"userImport\"\n}"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选股票，选不出则空仓。触发词：精选、每日优选、深度筛选、资金确认、精筛、4层漏斗。 Skill: hectorlee-daily-precision-picker Owner: xiyanjun Summary: 每日精选1-3只股票的四层漏斗策略系统。从量价形态初筛池出发，依次通过量价二次过滤、基本面安全排雷、资金流向打分、板块与形态质量打分，最终输出精选股票，选不出则空仓。触发词：精选、每日优选、深度筛选、资金确认、精筛、4层漏斗。 Tags: latest:2.2.1 Version history: v2.2.1 | 2026-08-24T17:51:56.034Z | user 同步 GitHub 最新版本 v0.1.3 | 2026-08-13T10:09:40.780Z | user 版本对齐 2.2.0，补 slug/license 字段 v0.1.2 | 2026-08-05T08:01:56.640Z | user V2.3.0: manifest version update v0.1.1","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":1118,"uniquenessScore":58,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-11T19:07:40.754Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-11T19:07:40.754Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-12T01:10:21.555Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}