mcpField
S
stockbee-exhaustion-hammer-screener

stockbee-exhaustion-hammer-screener

github.com/tradermonty其他3.4k2.6k 次安装2 天前更新
代码仓库

关于 stockbee-exhaustion-hammer-screener

这项 Python 技能用于筛选美股中的 Stockbee 风格卖压衰竭锤形候选，供交易者评估强势、高流动性股票的回调；它为人工审查排序，不发出信号或下单。

主要功能

  1. 01筛选卖压衰竭锤形候选
  2. 02识别下破后收复形态
  3. 03评估回调与先前动量
  4. 04评估流动性、K 线形态和风险
  5. 05支持实时、代码列表或 OHLCV 输入
  6. 06输出候选及淘汰报告

适用场景

  1. 01寻找临近收盘的长下影线候选
  2. 02审查强势、高流动性股票的回调
  3. 03筛选下破后收复形态
  4. 04为人工交易规划整理候选

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-exhaustion-hammer-screener

安装后在 Claude Code 中输入/stockbee-exhaustion-hammer-screener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
references/
exhaustion_hammer_methodology.md
near_close_operations.md
scoring_system.md
scripts/
fmp_client.py
screen_exhaustion_hammer.py
scripts/tests/
test_screen_exhaustion_hammer_coverage.py
test_screen_exhaustion_hammer.py

详细介绍

Stockbee 衰竭锤形态筛选器

筛选美股中的 Stockbee 风格卖盘衰竭锤形态候选标的。此技能用于生成候选标的并评估形态质量，并非信号服务或自动执行系统。

适用场景

  • 用户要求筛选 Stockbee / Pradeep Bonde 风格的衰竭形态
  • 用户想寻找临近收盘的锤形态 / 长下影线反转候选标的
  • 用户想扫描回调后可能出现卖盘衰竭的强势、高流动性股票
  • 用户想在收盘前或收盘后寻找下破后收复的候选标的
  • 用户提供股票代码列表、股票池文件或历史 / 临时 OHLCV JSON 供筛选
  • 用户想将候选结果交给 technical-analyst、position-sizer、trader-memory-core 或 stockbee-setup-fluency-trainer

先决条件

  • 使用 FMP API 密钥进行实时股票池和历史 OHLCV 筛选： 
    export FMP_API_KEY=your_api_key_here
  • 可选的无 API 方式：提供按股票代码排列的每日 OHLCV 数据，使用 --prices-json。对于预期的临近收盘使用场景，最新一根 K 线应为临近收盘时采集的当日临时数据。
  • 可选的 --profiles-json 可添加质量元数据，例如 marketCap、mutualFundHolders、institutionalHolders 或 institutionalOwnershipPct。
  • 仅在市场环境工作流允许新增波段风险后运行，否则将输出标记为仅供人工审核。

工作流

步骤 1：选择输入模式

使用以下三种模式之一：

模式 A：FMP 股票池扫描

python3 skills/stockbee-exhaustion-hammer-screener/scripts/screen_exhaustion_hammer.py \
  --fmp-universe \
  --max-symbols 300 \
  --market-gate allowed \
  --output-dir reports/

模式 B：指定股票代码

python3 skills/stockbee-exhaustion-hammer-screener/scripts/screen_exhaustion_hammer.py \
  --symbols APP ENPH NVDA TSLA \
  --market-gate allowed \
  --output-dir reports/

模式 C：离线 / 临近收盘 OHLCV JSON

python3 skills/stockbee-exhaustion-hammer-screener/scripts/screen_exhaustion_hammer.py \
  --prices-json data/near_close_daily_ohlcv.json \
  --profiles-json data/quality_profiles.json \
  --market-gate allowed \
  --output-dir reports/

若要尽力进行 FMP 临近收盘扫描，可使用报价覆盖。此方式每只股票会额外产生一次报价调用，并且依赖数据提供方的数据新鲜度：

python3 skills/stockbee-exhaustion-hammer-screener/scripts/screen_exhaustion_hammer.py \
  --fmp-universe \
  --use-quote-latest \
  --max-api-calls 700 \
  --market-gate allowed \
  --output-dir reports/
步骤 2：运行筛选

脚本会检测以下形态类别：

  • 卖盘衰竭锤形态： 长下影线、小实体、收盘位置较强，且价格从当日低点回升
  • 下破后收复锤形态： 当日低点下破前期短期低点，且临近收盘时价格收复该水平
  • 前期动能回调： 近期高点形成于设定的回溯区间内，随后出现受控回调，而非长期下跌趋势
  • 高质量 / 高流动性背景： 价格、成交量、20 日平均成交额、市值元数据及可选的持仓者元数据

随后根据以下因素评估形态质量：

  • 质量 / 流动性
  • 前期动能
  • 回调及卖盘衰竭背景
  • 锤形 K 线形态
  • 到当日低点加缓冲的风险距离
  • 与市场门槛的匹配度
步骤 3：查看输出

阅读生成的 JSON 和 Markdown 报告。对于每个候选标的，请列出：

  • 触发类型和所有匹配标签
  • 相对近期高点的回调幅度，以及距该高点的天数
  • 下破后收复状态和短期前期低点
  • 锤形 K 线形态：下影线、实体、上影线、收盘位置、从低点回升的幅度
  • 成交量比率、平均成交额和质量元数据
  • 入场参考价、止损参考价和止损风险百分比
  • 形态评分、评级、状态和拒绝原因
  • 建议的后续操作
步骤 4：将筛选通过的候选标的交给交易规划

谨慎使用输出：

  • A / A- 级候选标的： 人工核对图表，检查财报 / 新闻风险，然后交给 position-sizer
  • B 级候选标的： 人工审核，或等待次日确认锤形 K 线高点
  • 观察级候选标的： 加入观察列表 / 模型组合；等待后续走势确认或风险进一步收窄
  • 已拒绝的候选标的： 留作事后分析，不用于执行

输出

  • stockbee_exhaustion_hammer_YYYY-MM-DD_HHMMSS.json - 结构化候选标的列表、元数据、阈值、评分组成项及拒绝项
  • stockbee_exhaustion_hammer_YYYY-MM-DD_HHMMSS.md - 按评级 / 状态分组的易读报告

资源

  • references/exhaustion_hammer_methodology.md - Stockbee 风格的方法摘要与实现边界
  • references/scoring_system.md - 组件权重、状态阈值和失败过滤条件
  • references/near_close_operations.md - 临近收盘操作清单和排程说明

共享 FMP 客户端

实时 FMP 访问使用随附的生成文件 scripts/fmp_client.py，仅在 FMP 运行启动时加载，因此离线模式无需 requests 也能正常工作。CLI 密钥／环境变量的优先级、API 调用预算和成功输出格式均保持不变。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。共享客户端会遮蔽原始密钥和 URL 编码后的密钥回显，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，若再次受到速率限制则停止。

报价覆盖项读取稳定的 /quote；其默认柱状数据日期采用 America/New_York 日历日期，与历史窗口保持一致。

评论

支持 Markdown