mcpField
K
kanchi-dividend-sop

kanchi-dividend-sop

github.com/mphinance其他3283 次安装3 天前更新
代码仓库

关于 kanchi-dividend-sop

kanchi-dividend-sop 是一项将 Kanchi 五步法用于美国股息股的技能,面向需要系统筛选和回撤入场规划的投资分析流程。它生成标准化筛选结果与个股备忘录,并记录风险及失效条件。

主要功能

  1. 01五步股息股筛选流程
  2. 02高收益陷阱标记与安全检查
  3. 03按行业分类估值检查
  4. 04机械化回撤入场信号
  5. 05筛选表与个股备忘录

适用场景

  1. 01筛选美国股息股候选标的
  2. 02复核潜在高收益陷阱
  3. 03制定分批限价单计划

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/mphinance/alpha-skills --skill kanchi-dividend-sop

安装后在 Claude Code 中输入/kanchi-dividend-sop确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

README.md
agents/
openai.yaml
references/
default-thresholds.md
stock-note-template.md
valuation-and-one-off-checks.md
scripts/
build_entry_signals.py
build_sop_plan.py
scripts/tests/
conftest.py
test_build_entry_signals.py
test_build_sop_plan.py

详细介绍

Kanchi 股息 SOP

概述

将 Kanchi 的 5 步方法实现为用于美国股息投资的确定性工作流。 优先考虑安全性和可重复性,而不是激进地追逐高收益。

适用场景

当用户需要以下内容时,使用此技能:

  • 将 Kanchi 风格的股息选股方法应用于美国股票。
  • 可重复的筛选和回调入场流程,而不是临时挑选股票。
  • 一页式承保备忘录,并明确列出失效条件。
  • 用于监控以及税务和账户配置工作流的交接材料。

前置条件

API 密钥设置

入场信号脚本需要 FMP API 访问权限:

export FMP_API_KEY=your_api_key_here
输入来源

运行工作流前,准备以下输入之一:

  1. skills/value-dividend-screener/scripts/screen_dividend_stocks.py 的输出。
  2. skills/dividend-growth-pullback-screener/scripts/screen_dividend_growth.py 的输出。
  3. 用户提供的股票代码列表(券商导出或手动整理的列表)。
预期的 JSON 输入格式

使用 --input 时,请提供以下格式之一的 JSON:

{
  "profile": "balanced",
  "candidates": [
    {"ticker": "JNJ", "bucket": "core"},
    {"ticker": "O", "bucket": "satellite"}
  ]
}

或者使用简化格式:

{
  "tickers": ["JNJ", "PG", "KO"]
}

如需确定性地生成产物,请提供股票代码:

python3 skills/kanchi-dividend-sop/scripts/build_sop_plan.py \
  --tickers "JNJ,PG,KO" \
  --output-dir reports/

如需生成第 5 步的入场时机产物:

python3 skills/kanchi-dividend-sop/scripts/build_entry_signals.py \
  --tickers "JNJ,PG,KO" \
  --alpha-pp 0.5 \
  --output-dir reports/

工作流

1) 筛选前明确投资目标

首先收集并确定以下参数:

  • 目标:当前现金收入还是股息增长。
  • 最大持仓数量和单个持仓规模上限。
  • 允许的工具:仅股票,还是包括 REIT/BDC/ETF。
  • 首选账户类型背景:应税账户还是类似 IRA 的账户。

加载 references/default-thresholds.md,并应用基准 设置,除非用户另有要求。

2) 构建可投资范围

从偏重质量的范围开始:

  • 核心类别:长期股息增长股票(例如,类似股息贵族的优质股票组合)。
  • 卫星类别:收益率较高的行业(公用事业、电信、REIT),单独归入风险类别。

收集股票代码时,明确来源优先级:

  1. skills/value-dividend-screener/scripts/screen_dividend_stocks.py 的输出(FMP/FINVIZ)。
  2. skills/dividend-growth-pullback-screener/scripts/screen_dividend_growth_rsi.py 的输出。
  3. API 不可用时,使用用户提供的券商导出或手动整理的股票代码列表。

继续之前,按类别返回股票代码列表。

3) 应用 Kanchi 第 1 步(收益率筛选并标记陷阱)

主要规则:

  • forward_dividend_yield >= 3.5%

陷阱控制:

  • 将极高收益率(>= 8%)标记为 deep-dive-required。
  • 将派息突然增加标记为可能的特别股息假象。

输出:

  • 为每只股票标注 PASS 或 FAIL。
  • 对可能的收益率陷阱标记 deep-dive-required。
4) 应用 Kanchi 第 2 步(增长与安全性)

要求:

  • 多年期的收入和 EPS 趋势为正。
  • 在审查期内,股息趋势没有下降。

增加安全性检查:

  • 派息率和 FCF 派息率处于合理范围。
  • 债务负担和利息覆盖率没有恶化。

若趋势喜忧参半但尚未恶化,则归类为 HOLD-FOR-REVIEW,而不是直接剔除。

5) 应用 Kanchi 第 3 步(估值),并按美国行业分类

使用 references/valuation-and-one-off-checks.md,并应用 针对行业的估值逻辑:

  • 金融业:PER x PBR 可以继续作为主要方法。
  • REIT:使用 P/FFO 或 P/AFFO,而不是普通的 P/E。
  • 轻资产行业:结合远期 P/E、P/FCF 和历史区间。

始终报告每只股票采用的估值方法。

6) 应用 Kanchi 第 4 步(一次性事件筛选)

若近期利润依赖一次性影响,则剔除或降级相关股票:

  • 资产出售收益、诉讼和解、税务影响骤增。
  • 利润率飙升,但销售趋势并不支持。
  • 反复出现的“一次性/非经常性”调整。

为每个 FAIL 记录一行证据,以便审计。

7)应用 Kanchi 第 5 步(逢低买入,遵守规则)

以机械方式设定入场触发条件:

  • 收益率触发条件:当前收益率高于 5 年平均收益率 + alpha(默认值为 +0.5pp)。
  • 估值触发条件:达到目标倍数(P/E、P/FFO 或 P/FCF)。

执行方式:

  • 分批下单:40% -> 30% -> 30%。
  • 每次加仓前都要进行一句话的合理性检查:“投资逻辑依然成立,还是出现了结构性恶化”。
8)生成标准化输出

始终生成三项材料:

  1. 筛选表(包含 PASS、HOLD-FOR-REVIEW、FAIL 及相应证据)。
  2. 一页股票备忘录(使用 references/stock-note-template.md)。
  3. 限价单计划,注明分批规模和失效条件。

输出

返回和/或生成:

  1. Markdown 格式的 SOP 筛选摘要。
  2. 基于 references/stock-note-template.md 的承销备忘录集。
  3. 可选的计划文件,由 skills/kanchi-dividend-sop/scripts/build_sop_plan.py 生成并放入 reports/。
  4. 可选的第 5 步入场信号文件,由 skills/kanchi-dividend-sop/scripts/build_entry_signals.py 生成并放入 reports/。

执行频率

至少按以下节奏执行:

  • 每周(15 分钟):仅检查股息和业务新闻变化。
  • 每月(30 分钟):重新运行筛选并更新挂单价位。
  • 每季度(60 分钟):使用最新申报文件/财报深入审查安全性。

多技能交接

先运行此技能,然后移交输出:

  1. 移交给 kanchi-dividend-review-monitor,用于每日/每周/每季度的异常检测。
  2. 移交给 kanchi-dividend-us-tax-accounting,用于账户配置和税务分类规划。

防护准则

  • 未执行第 4 步并完成安全性检查前,不要盲目给出买入建议。
  • 在验证覆盖质量前,不要将高收益率视为价值。
  • 缺少数据时,明确说明假设。

资源

  • skills/kanchi-dividend-sop/scripts/build_sop_plan.py:确定性 SOP 计划生成器。
  • skills/kanchi-dividend-sop/scripts/tests/test_build_sop_plan.py:计划生成测试。
  • skills/kanchi-dividend-sop/scripts/build_entry_signals.py:第 5 步目标买入计算器(5y avg yield + alpha)。
  • skills/kanchi-dividend-sop/scripts/tests/test_build_entry_signals.py:信号计算测试。
  • references/default-thresholds.md:基准阈值和配置调整。
  • references/valuation-and-one-off-checks.md:行业估值映射和一次性检查清单。
  • references/stock-note-template.md:每个候选标的一页备忘录模板。

评论

支持 Markdown