mcpField
S
stockbee-20pct-study

stockbee-20pct-study

github.com/tradermonty数据与数据库3.4k2.6k 次安装2 天前更新
代码仓库

关于 stockbee-20pct-study

用于研究在指定窗口内涨跌幅达到 20% 的美国股票。它将异动整理为事件记录、更新后续表现并汇总模式，不生成交易信号或执行指令。

主要功能

  1. 01扫描每日或历史 20% 异动股
  2. 02分类催化因素与图表背景
  3. 03跟踪多个周期的后续表现
  4. 04汇总事件群组与模式
  5. 05导出研究线索

适用场景

  1. 01研究本周涨跌 20% 的股票
  2. 02回溯历史大幅波动事件
  3. 03比较延续与反转模式

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/tradermonty/claude-trading-skills --skill stockbee-20pct-study

安装后在 Claude Code 中输入/stockbee-20pct-study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。

requirements.txt
assets/
cohort_summary_template.md
daily_report_template.md
references/
catalyst_taxonomy.md
cohort_mining_rules.md
event_schema.md
methodology.md
scoring_system.md
scripts/
fmp_client.py
run_20pct_study.py
scripts/tests/
test_cli_outputs.py
test_cohort_summary.py
test_event_detection.py
test_fmp_client.py
test_forward_outcomes.py

详细介绍

Stockbee 20% 研究

构建一项每日美股事件研究，追踪在指定时间窗口内涨幅达到 +20% 或跌幅达到 -20% 的股票。将大幅波动的股票整理为结构化研究记录，对催化因素和图表背景进行分类，更新后续表现，并总结反复出现的模式以供研究。

此技能是一个研究、模型组合和设置熟练度工作流。它不会生成买卖信号、下单，也不会输出券商执行指令。

适用场景

  • 用户想要运行 Stockbee 风格的每日 20% 大幅波动股研究
  • 用户询问今天、本周或可配置回溯窗口内哪些股票涨幅达到 +20% 或跌幅达到 -20%
  • 用户想要回填历史 20% 大幅波动股记录，并研究之后的走势
  • 用户想要识别延续、反转、衰竭或主题集群模式
  • 用户想要建立一个包含爆发性赢家、重大失败案例和低质量冲高失败案例的模型组合
  • 用户想要为后续策略研究寻找优势线索，而非获取即时交易信号

前置条件

  • Python 3.9+
  • 用于实时扫描美股股票池的 FMP API 密钥，或通过 --prices-json 提供离线 OHLCV JSON
  • 可选的结构化新闻／催化因素 JSON，可提高催化因素分类质量
  • 推荐使用来自 market-regime-daily 的市场环境产物
  • 推荐的本地状态路径：state/stockbee/20pct_study_events.jsonl

工作流

步骤 1：扫描涨跌幅达到 20% 的股票

在美股收盘后运行，或基于离线 OHLCV 文件中最新的完整日线运行。

python3 skills/stockbee-20pct-study/scripts/run_20pct_study.py scan \
  --fmp-universe \
  --max-symbols 300 \
  --as-of 2026-06-28 \
  --lookback-days 5 \
  --min-abs-return-pct 20 \
  --min-price 5 \
  --min-dollar-volume 20000000 \
  --include-down-movers \
  --state-file state/stockbee/20pct_study_events.jsonl \
  --output-dir reports/

使用离线数据，而非 FMP：

python3 skills/stockbee-20pct-study/scripts/run_20pct_study.py scan \
  --prices-json data/us_daily_ohlcv.json \
  --as-of 2026-06-28 \
  --lookback-days 5 \
  --include-down-movers \
  --state-file state/stockbee/20pct_study_events.jsonl \
  --output-dir reports/
步骤 2：补充信息并对事件分类

有结构化催化因素数据时，请使用这些数据。信息补充步骤尽力而为：如果没有找到新闻记录，该事件仍会作为仅含价格数据的 NO_CLEAR_NEWS 研究记录保留。

python3 skills/stockbee-20pct-study/scripts/run_20pct_study.py enrich \
  --events-json reports/stockbee_20pct_events_YYYY-MM-DD_HHMMSS.json \
  --news-json data/catalysts_YYYY-MM-DD.json \
  --market-regime reports/market_regime_latest.json \
  --state-file state/stockbee/20pct_study_events.jsonl \
  --output-dir reports/
步骤 3：更新已成熟的后续表现

未来日线数据充足后，更新 1 天、3 天、5 天、10 天和 20 天后的表现。

python3 skills/stockbee-20pct-study/scripts/run_20pct_study.py update-outcomes \
  --prices-json data/us_daily_ohlcv.json \
  --state-file state/stockbee/20pct_study_events.jsonl \
  --horizons 1,3,5,10,20 \
  --output-dir reports/

更新记录包括收盘价回报、MFE、MAE、经方向调整的延续回报和结果标签。

步骤 4：汇总分组
python3 skills/stockbee-20pct-study/scripts/run_20pct_study.py summarize \
  --state-file state/stockbee/20pct_study_events.jsonl \
  --group-by direction,catalyst.label,technical_context.pattern_label,technical_context.close_quality \
  --min-sample 10 \
  --output-dir reports/

将 rule_candidates 和导出的优势线索视为研究提示词。在更改交易规则之前，须进行具有代表性的图表审查、满足样本量门槛并完成样本外验证。

步骤 5：历史回填
python3 skills/stockbee-20pct-study/scripts/run_20pct_study.py backfill \
  --from 2020-01-01 \
  --to 2026-06-28 \
  --prices-json data/us_daily_ohlcv.json \
  --min-abs-return-pct 20 \
  --include-down-movers \
  --state-file state/stockbee/20pct_study_events.jsonl \
  --output-dir reports/

默认情况下，回填记录会标记为 CURRENT_UNIVERSE_BACKFILL_SURVIVORSHIP_BIAS。只有在所提供的 OHLCV 数据包含已退市股票和历史股票池覆盖数据时，才添加 --survivorship-complete。

输出格式

  • stockbee_20pct_events_YYYY-MM-DD_HHMMSS.json — 扫描元数据和事件记录
  • stockbee_20pct_daily_report_YYYY-MM-DD_HHMMSS.md — 易读的每日 20% 研究报告
  • stockbee_20pct_enriched_YYYY-MM-DD_HHMMSS.json — 补充信息后的事件记录
  • stockbee_20pct_outcome_update_YYYY-MM-DD_HHMMSS.json/md — 已成熟后续表现的更新记录
  • stockbee_20pct_cohort_summary_YYYY-MM-DD_HHMMSS.json/md — 分组统计和候选规则
  • stockbee_20pct_edge_hints_YYYY-MM-DD_HHMMSS.yaml — 面向下游研究技能的优势线索导出文件
  • state/stockbee/20pct_study_events.jsonl — 持久化的 20% 大幅波动股模型组合

资源

  • references/methodology.md — 20% 研究方法和审查清单
  • references/event_schema.md — JSONL 事件记录架构
  • references/catalyst_taxonomy.md — 催化因素和风险标签定义
  • references/scoring_system.md — 事件质量和研究优先级评分
  • references/cohort_mining_rules.md — 过拟合控制和样本量规则
  • scripts/run_20pct_study.py — 用于扫描、补充信息、更新后续表现、汇总和回填的 CLI

共享的 FMP 客户端

实时 FMP 访问会使用随附生成的 scripts/fmp_client.py，且仅在 FMP 运行启动时加载，因此离线模式仍可在没有 requests 的情况下运行。CLI 密钥／环境变量的优先级、API 调用预算以及成功输出的格式均保持不变。请求仅使用稳定端点；稳定请求被拒绝、返回空结果或失败时，不会回退到已弃用的 v3 URL。共享客户端会屏蔽密钥原文及 URL 编码形式的回显，对格式错误的 JSON 重试一次；遇到 429 时，等待 60 秒后最多重试一次，若再次触发速率限制则停止。

评论

支持 Markdown