mcpField
S
stock-performance

stock-performance

github.com/octagonai数据与数据库130260 次安装21 周前更新
代码仓库

关于 stock-performance

此技能通过 Octagon MCP 获取上市公司的每日价格、交易量和表现指标，适合投资者和交易者分析指定股票及时间段。也可比较多只股票的表现。

主要功能

  1. 01获取每日收盘价和交易量
  2. 02查询开盘价、最高价及最低价
  3. 03按日期范围查看历史行情
  4. 04比较多只股票的表现

适用场景

  1. 01分析近期股价趋势和成交量
  2. 02跟踪投资组合表现
  3. 03评估财报或新闻事件的影响
  4. 04比较同业股票的相对表现

MCP 相关

要求在 AI Agent 中配置 Octagon MCP，并通过 octagon-agent 工具查询股票表现数据。

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/octagonai/skills --skill stock-performance

安装后在 Claude Code 中输入/stock-performance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。

marketplace.json
README.md
references/
interpreting-results.md
mcp-setup.md

详细介绍

股票表现

使用 Octagon MCP 服务获取上市公司的每日收盘价、交易量和表现指标。

前提条件

确保已在你的 AI Agent（Cursor、Claude Desktop、Windsurf 等）中配置 Octagon MCP。安装说明请参阅 references/mcp-setup.md。

工作流

1. 确定分析参数

查询前确定以下内容：

  • 股票代码：股票代码（例如，AAPL、MSFT、GOOGL）
  • 时间范围：天数或日期区间
  • 指标（可选）：价格、交易量、回报
2. 通过 Octagon MCP 执行查询

使用 octagon-agent 工具和自然语言提示词：

Retrieve the daily closing prices for <TICKER> over the last <N> days.

MCP 调用格式：

{
  "server": "octagon-mcp",
  "toolName": "octagon-agent",
  "arguments": {
    "prompt": "Retrieve the daily closing prices for AAPL over the last 30 days."
  }
}
3. 预期输出

Agent 会返回结构化的价格数据，包括：

日期收盘价交易量
2026-02-02$270.0173,677,607
2026-01-30$259.4892,443,408
2026-01-29$258.2867,253,009
.........

数据来源：octagon-stock-data-agent、octagon-web-search-agent

4. 解读结果

解读指南请参阅 references/interpreting-results.md，内容包括：

  • 分析价格趋势
  • 评估交易量模式
  • 计算回报
  • 识别支撑位／阻力位

查询示例

每日收盘价：

Retrieve the daily closing prices for AAPL over the last 30 days.

扩展历史数据：

Get historical stock prices for MSFT for the past 90 days.

交易量分析：

Retrieve daily trading volume for TSLA over the last 2 weeks.

价格区间：

What are the high and low prices for NVDA over the past month?

多只股票对比：

Compare the stock performance of AAPL, MSFT, and GOOGL over the last 30 days.

52 周分析：

What is the 52-week high and low for AMZN?

关键指标

价格指标
指标说明
收盘价当日收盘时的价格
开盘价当日开盘时的价格
最高价日内最高价
最低价日内最低价
调整后收盘价经股息／拆股调整后的价格
交易量指标
指标说明
每日交易量每日交易的股票数量
平均交易量典型的每日交易量
相对交易量当前交易量与平均交易量的对比
交易量趋势随时间变化的方向
回报指标
指标计算方式
日回报(收盘价 - 前一日收盘价) / 前一日收盘价
区间回报(结束值 - 起始值) / 起始值
累计回报区间内的累计回报
年化回报折算为 1 年的区间回报

价格分析框架

趋势分析
模式特征
上升趋势高点逐步走高，低点逐步抬高
下降趋势高点逐步走低，低点逐步降低
横盘在区间内波动
突破价格突破区间
波动性评估
指标说明
价格区间区间内的最高价 - 最低价
日内区间每日最高价与最低价的平均差值
标准差价格离散程度
Beta相对于市场的波动程度
支撑位／阻力位
水平说明
支撑位价格底部，有买盘兴趣
阻力位价格顶部，有卖压
移动平均线动态支撑位／阻力位
整数位心理价位

交易量分析

交易量模式
模式解读
高交易量 + 价格上涨买盘信心强
高交易量 + 价格下跌卖压强劲
低交易量 + 价格上涨涨势疲弱，可能反转
低交易量 + 价格下跌卖盘兴趣不足
交易量指标
指标用途
交易量激增活动异常，可能存在催化因素
交易量萎缩盘整，处于观望状态
交易量趋势确认价格趋势
能量潮指标累计交易量方向

时间范围分析

短期（1-30 天）
重点用例
近期表现当前动能
交易信号入场／离场时机
新闻影响事件分析
波动性风险评估
中期（1-6 个月）
重点用例
趋势识别确认方向
季节性周期性模式
财报影响季度影响
行业轮动相对表现
长期（1 年以上）
重点用例
主要趋势长期走势
52 周区间估值背景
复苏／下跌重大转变
股息收益率收益分析

对比分析

同业对比
指标对比内容
回报相对表现
波动性风险对比
相关性走势相似度
成交量流动性对比
基准对比
基准用途
S&P 500大盘股参考
行业 ETF行业背景
Nasdaq科技股对比
Russell 2000小盘股参考

分析技巧

  1. 考虑背景：市场状况会影响个股表现。

  2. 针对事件调整：财报、股息和拆股都会影响价格。

  3. 利用成交量确认：价格走势需要成交量支撑。

  4. 采用多个时间框架：兼顾更长和更短的视角。

  5. 与同业对比：相对表现很重要。

  6. 关注关键价位：整数位、52 周高点／低点。

用例

  • 交易分析：确定入场和退出时机
  • 表现跟踪：监控投资组合
  • 事件分析：分析财报和新闻的影响
  • 波动性评估：风险评估
  • 同业对比：相对表现

评论

支持 Markdown