stockaskill

ワークフロー

1. 個別銘柄の分析

規則に従ってコードを正規化します。6xxxxx/0xxxxx/3xxxxx = A、xxxx.HK = HK、プレーンなティッカー = US。

uv run python "$SKILL/scripts/run.py" analyze <code> --market <A|HK|US>

出力：PE/PB/ROE/配当、総合ファクタースコア、戦略シグナル。

2. 詳細な診断

リスク評価を含む包括的な BUY/SELL/HOLD の診断です。

uv run python "$SKILL/scripts/run.py" diagnose <code> --market <A|HK|US>

JSON 構造：final_decision.signal、adjusted_score、factors、strategy、 technical、sentiment、fundamentals、risks。

結果の提示方法：

• BUY -> 損切りと利益確定の目安を含めます
• SELL -> リスク要因を説明します
• HOLD -> どのような変化が必要かを説明します

詳細なレポートを作成する場合：

uv run python "$SKILL/scripts/run.py" deep-diagnose <code> --market <A|HK|US> --format <json|md|both>

意思決定の要約、根拠、リスク、判断の無効化条件、追加の質問を含むメモ形式の詳細な診断をユーザーが求めている場合は、deep-diagnose を使用してください。

3. ワークフローのルーティングとマニフェスト

ユーザーの目的に合った、範囲を限定したワークフローを提案します。

uv run python "$SKILL/scripts/run.py" route "<user goal description>"

組み込みのワークフローマニフェストを確認します。

uv run python "$SKILL/scripts/run.py" workflow list
uv run python "$SKILL/scripts/run.py" workflow run <workflow-name> --market <A|HK|US>

重要：workflow run はマニフェストを具体的なルーチンに解決するだけです。シェルコマンドやバックグラウンドジョブは実行しません。

4. 市場スキャン

uv run python "$SKILL/scripts/run.py" scan <market> --top <N>
# デフォルトの mode=auto：新しいスナップショットを優先し、なければ範囲を限定したリアルタイムデータにフォールバックします
# そのほか：scan HK --top 10、scan US --top 15、scan FUND --top 20

明示的にモードを指定する場合：

uv run python "$SKILL/scripts/run.py" scan <market> --mode snapshot --top <N>
uv run python "$SKILL/scripts/run.py" scan <market> --mode realtime --top <N>

スキャン結果がすべてゼロの場合は、alpha モードに切り替えます：

uv run python "$SKILL/scripts/run.py" alpha <market> --top <N> --candidates <M>

注：Python のワンライナーをその場で実行したり、スキルのモジュールをインポートしたりする場合は、 依存関係が正しく解決されるよう、スキル専用の Python 環境（$SKILL/.venv/bin/python または $SKILL\.venv\Scripts\python.exe）を使用してください。

5. アルファ・モメンタムスキャン

スレッド並列スコアリングによる、多因子の総合ランキングです：

uv run python "$SKILL/scripts/run.py" alpha <market> --top <N> --candidates <M>

結果には、スコア、シグナル、F-Score、BUY のサマリーを含むランキングが表示されます。 上位銘柄のランキングを押し上げた要因（モメンタム＋低ボラティリティ＋クオリティで約73％）を説明してください。

6. ポートフォリオ構築

portfolio と portfolio-enhanced はどちらも、現在「同期してからキャッシュのみを使用する」方式に従います。 まず対象銘柄の不足している履歴データとファンダメンタルデータを同期し、その後はローカルキャッシュのみを使ってスコアリングします。 これにより、分析中の API データ取得の重複を防ぎます。

標準ポートフォリオ：

uv run python "$SKILL/scripts/run.py" portfolio --codes <code1,code2,...> --capital <amount> --market <A|HK|US>

拡張型コア・サテライト：

uv run python "$SKILL/scripts/run.py" portfolio-enhanced --capital <amount>

ポートフォリオデータを事前に準備する場合（任意）：

uv run python "$SKILL/scripts/run.py" sync portfolio --codes <code1,code2,...> --market <A|HK|US>

7. バックテスト

標準バックテスト（Alpha Momentum、2018-2026）：

uv run python "$SKILL/scripts/run.py" backtest

拡張バックテスト（コア・サテライト）：

uv run python "$SKILL/scripts/run.py" backtest-enhanced

バックテストでは、不足している銘柄の一部と市場指数データをまとめて取得し、データを準備します。 実行のたびに市場全体の過去データを強制的に同期することはありません。

8. ファンド／ETF のスクリーニング

uv run python "$SKILL/scripts/run.py" scan FUND --top <N>

プログラムからより詳細にアクセスする場合：

# まず scripts ディレクトリを sys.path の先頭に追加する必要があります
import sys, os; sys.path.insert(0, os.path.join(os.environ.get("SKILL", "."), "scripts"))
from data_engine import get_etf_pool, get_etf_nav
funds = get_etf_pool()
nav = get_etf_nav("510300", days=365)

現在の FUND の動作は ETF を優先します。幅広い投資信託の NAV 取り込みは、まだ主要な対応ワークフローではありません。

9. リサーチメモリーとテーマ別ワークフロー

投資仮説のメモリー：

uv run python "$SKILL/scripts/run.py" thesis capture <code> --market <A|HK|US>
uv run python "$SKILL/scripts/run.py" thesis list --market <A|HK|US>
uv run python "$SKILL/scripts/run.py" thesis review --code <code> --market <A|HK|US>
uv run python "$SKILL/scripts/run.py" thesis postmortem --code <code> --market <A|HK|US> --outcome <win|loss|neutral>

テーマリサーチ：

uv run python "$SKILL/scripts/run.py" theme-scan <keywords...> --market <A|HK|US> --top <N>

スコアカード：

uv run python "$SKILL/scripts/run.py" scorecard diagnose <code> --market <A|HK|US>
uv run python "$SKILL/scripts/run.py" scorecard thesis --code <code> --market <A|HK|US>
uv run python "$SKILL/scripts/run.py" scorecard theme <keywords...> --market <A|HK|US> --top <N>

ユーザーが一度限りの診断ではなく、保存されたリサーチ記録、レビューの反復プロセス、または体系化されたスコアカードを求めている場合に、これらを使用してください。

10. データ操作

uv run python "$SKILL/scripts/run.py" fetch pool               # プール全体を更新
uv run python "$SKILL/scripts/run.py" fetch kline <code>        # 単一銘柄のK線
uv run python "$SKILL/scripts/run.py" fetch fundamentals <code> # 単一銘柄のファンダメンタルズ

範囲を限定した同期と診断：

uv run python "$SKILL/scripts/run.py" sync symbol <code> --market <A|HK|US>
uv run python "$SKILL/scripts/run.py" sync watchlist --market <A|HK|US>
uv run python "$SKILL/scripts/run.py" sync portfolio --codes <code1,...> --market <A|HK|US>
uv run python "$SKILL/scripts/run.py" sync etf --codes <etf1,etf2,...>
uv run python "$SKILL/scripts/run.py" sync scan-universe --market <A|HK|US> --limit <N>
uv run python "$SKILL/scripts/run.py" sync check --market <A|HK|US> [--codes <c1,...>]
uv run python "$SKILL/scripts/run.py" sync repair --market <A|HK|US> [--codes <c1,...>] [--data-kinds history,fundamentals]
uv run python "$SKILL/scripts/run.py" sync snapshot --market <A|HK|US> [--codes <c1,...>] [--limit <N>]
uv run python "$SKILL/scripts/run.py" status data symbol <code> --market <A|HK|US>
uv run python "$SKILL/scripts/run.py" status data watchlist --market <A|HK|US>
uv run python "$SKILL/scripts/run.py" status data etf --codes <etf1,etf2,...>
uv run python "$SKILL/scripts/run.py" status data pool --market <A|HK|US>
uv run python "$SKILL/scripts/run.py" market-regime --market <A|HK|US>

全市場スナップショットスキャン（全銘柄のローカルスナップショットを新規作成します）：

uv run python "$SKILL/scripts/run.py" refresh-scan <market> --top <N>

運用コマンド：

uv run python "$SKILL/scripts/run.py" scheduler --run-now  # ウォッチリスト全体を分析
uv run python "$SKILL/scripts/run.py" cache stats          # キャッシュの統計情報
uv run python "$SKILL/scripts/run.py" cache cleanup --days 30  # 古いエントリーを削除
uv run python "$SKILL/scripts/run.py" cache engine         # アクティブなエンジンを表示
uv run python "$SKILL/scripts/run.py" cache migrate        # SQLite -> DuckDB（一度のみ）

出力ガイドライン

ターミナル出力（自動検出）：

スキャンしやすいように指標を使用します：

600519 贵州茅台
スコア 82.3/100 | シグナル: BUY (F=8)
主な要因: 品質(88.7) + モメンタム(76.5)
リスク: 低
参考損切り/利確価格: 1480.50 / 1980.00

詳細診断レポートの形式：

1. 判断シグナルとスコア
2. 主な要因トップ3
3. シグナルを発生させた戦略
4. 影響が5%を超える場合のセンチメント調整
5. リスクレベルと主なリスク
6. 参考損切り価格と利確価格

JSON出力（--format json）：

すべてのスクリプトは --format json,md,both,none を受け付けます。プログラムでの利用にはJSON、読みやすいレポートにはMDを使用します。

言語：

ユーザーが英語で書いていない限り、A株の内容には中国語を使用します。米国株／香港株には英語を使用します。

注意事項

主な原則

1. ローカル優先、キャッシュミス時に取得 — AKShare API を呼び出す前に、quant_cache.db（または有効化されている場合は DuckDB キャッシュ）を確認します。不足している日付範囲のみを段階的に補完します。キャッシュが温まっている場合、全履歴をダウンロードしてはいけません。十分に新しいデータがキャッシュにある場合は、常に再利用します。
2. マルチファクター、マルチ戦略 — 7 つのファクター次元からなる 6 つの戦略を重み付けして投票します。
3. タスク単位のウォームアップ — analyze／scan／backtest では、不足している最小限の銘柄群、履歴、ファンダメンタルズ、または指数データのみを取得します。
4. 市場に応じたキャッシュ — A／HK／US／FUND の銘柄群と TTL メタデータを個別に追跡します。
5. ETF 優先のファンドの扱い — 現在の FUND は、広範な投資信託のカバレッジではなく、上場 ETF のワークフローを意味します。
6. メタデータを考慮したクロスマーケット対応 — HK／US の銘柄群には、ソース、ステータス、完全性のシグナルが付与されます。品質の低いメタデータは、ランキングで軽く減点される場合があります。
7. スクリプト駆動 — uv run python "$SKILL/scripts/run.py" を実行し、ロジックを再実装してはいけません。
8. 並列スコアリング — アルファスキャンにはスレッドプール（8 ワーカー）を使用します。
9. リサーチメモリーを考慮 — ユーザーがフォローアップ、レビュー、またはアトリビューションを求めている場合は、テーゼ／テーマ／スコアカードのワークフローを優先します。
10. グレースフルデグラデーション — API の制限時はキャッシュのみのモードに切り替えます。失敗するよりも部分的な結果を優先します。

参考ファイル

現在のタスクに必要な参考資料のみを読み込んでください。

• 単一銘柄の分析、診断、またはファクターの説明： references/factors.md、references/strategies.md
• CLI／Python の使用方法、プログラムによる統合、またはコードレベルの質問： references/python-api.md
• ETF／コア・サテライトのワークフロー： references/enhanced-momentum.md
• データソースのカバレッジ、市場の制限、またはキャッシュ／同期の動作： references/market-source-playbook.md、 references/akshare_official_docs.md
• ワークフローの振り分け、またはマニフェストの処理： references/workflows.md
• 詳細な診断の長文レポート出力： references/deep-diagnosis.md
• テーゼメモリー／事後検証： references/thesis-memory.md
• テーマリサーチ： references/theme-research.md
• スコアカード／アトリビューション： references/scorecards.md
• 出力の文言と応答スタイル： references/output-style-and-language.md
• センチメントに関する作業： references/sentiment.md
• リサーチの背景情報： references/research-sources.md
• リスク、免責事項、またはポリシー上慎重な対応が必要な出力： references/risk-and-compliance.md
• このスキル固有の対話上の制約： references/serenity-dialogue-protocol.md

スキルのバージョン：1.5

出力ファイルの仕様

1. パス：./reports/
2. 命名規則：YYYY-MM-DD-HHMM_短いタイトル.json または .md
3. 形式：階層構造の標準 Markdown

リスクに関する免責事項

投資の参考情報であり、投資助言ではありません。データソースは第三者の公開プラットフォームであり、10～15 分の遅延があります。過去の運用実績は将来のリターンを保証するものではありません。