学会AI股票分析技能2秒看穿一只股票

输入「苹果 AAPL」，按下回车。

短短几秒后，屏幕上便会呈现一份详尽的中文分析报告：综合评分、信号等级、置信度、盈利惊喜、基本面、技术面、市场情绪、同行对比、风险提示，所有内容一目了然。

这是我借助 Claude Code 打造的一款 Skill：美股 10 维度综合评分系统。

它的目的并非简单告诉你「买」还是「卖」。它真正要解决的核心问题是：别再只盯着一个数字做决策。

为什么需要同时看 10 个维度

股票分析中有一个常见的陷阱 — 容易被单一指标带偏。

比方说，看到一家公司盈利超预期，第一反应大概率是「这家公司真厉害」。但盈利惊喜仅仅是一个维度。估值是否已经过高？同行是否更具性价比？市场情绪是否偏弱？技术面是否存在背离？这些信号如果不放在一起综合考量，结论很容易出现偏差。

手动分析普遍存在哪些问题？

1. 容易被单个数字误导。一个好看的 EPS、一个亮眼的涨幅、一个分析师目标价，都可能掩盖其他潜在风险。
2. 覆盖面有限。你可能会查看 Yahoo Finance、TradingView、Seeking Alpha，但板块强度、市场情绪、同行估值、风险事件往往分散在不同的信息源。
3. 时间成本高昂。认真分析一只股票可能需要几个小时，一年关注十几只，时间很快就被消耗殆尽。

因此，这个 Skill 的目标非常明确：让机器把公开数据整合到一张结构化报告里，由人负责最终的判断。

这个 Skill 能干什么

一句话概括：对 10 个维度同时打分，再通过风险阀和置信度系统约束最终结论。

它会从公司本身和外部环境两个方向进行全面分析。

公司本身包括：

• 盈利惊喜：最近一季是否超出预期。
• 基本面：估值、盈利能力、现金流、偿债能力等关键指标。
• 分析师情绪：华尔街评级和目标价。
• 历史表现：过去几个季度是否经常超出预期。

外部环境包括：

• 市场环境：大盘趋势和恐慌指数。
• 板块强度：个股所在板块是领涨还是拖后腿。
• 技术分析：均线、MACD、RSI、布林带、成交量。
• 市场情绪：恐惧贪婪、空头比例、看涨看跌期权比。
• 同行对比：与竞争对手比较估值、盈利、增长情况。
• 财报时间修正：离财报发布太近时自动降低激进信号。

最终系统会给出 0 到 100 分，并映射为 5 个等级：强烈积极、偏积极、中性、偏消极、强烈消极。

不同行业，不能用同一把尺

同样是 35 倍市盈率，放在科技股里可能还算正常，但放在电力公司里可能就明显偏贵。

因此，这个 Skill 中加入了板块感知阈值。成长型行业、价值型行业、工业型行业，各自使用不同的估值区间。

这并非为了让评分变得更复杂，而是为了避免一个常见错误：拿所有股票套用同一套标准。

分数之外，还要看置信度

分数是一回事，这个分数是否可信则是另一回事。

如果 10 个维度里 8 个都指向同一方向，系统会认为信号一致性比较高。反过来，如果 4 个维度偏积极、4 个维度偏消极，哪怕综合分不低，系统也会提示信号存在冲突。

所以，这里其实藏着整个系统最核心的一点：不只输出结论，同时也告诉你结论有多不稳定。

5 道安全阀

这里有一个很重要的设计理念：不希望这个工具变成一个「看见高分就冲」的机器，因此加入了 5 类风险检测。

第一，财报前 14 天强制降级。财报是最大的不确定性，再漂亮的历史数据也要打折扣。

第二，短期暴涨后降低置信度。5 天涨幅过大时，系统会提示追高风险。

第三，超买检测。RSI 过热、接近 52 周高点时，不直接给出激进结论。

第四，避险情绪检测。黄金、国债、美元同时走强时，说明资金可能在避险。

第五，突发新闻关键词。战争、制裁、监管等词出现时，对相关行业额外提示。

这些风险检测不是在报告末尾轻飘飘提醒一句，而是会直接影响分数和评级。

苹果案例：同一只股票，不同维度会给出不同结论

我们曾用苹果 AAPL 做过一次演示。

好看的维度包括：盈利惊喜强劲、分析师共识偏积极、历史表现不错、板块强度不弱。

不好看的维度也很明显：估值偏高、市场环境一般、技术面没有特别强、市场情绪偏弱、同行对比不占优势。

如果只看盈利惊喜，你可能会得出一个偏乐观的结论。但把同行对比、估值、市场情绪一起放进来，结论就会变成「中性，信号不够一致」。

这就是多维度分析的意义所在。它不是替你判断苹果好不好，而是把互相冲突的信号摆到同一张桌面上。

它只是宏观扫描，不是完整研究

这个 Skill 做的是宏观层面的快速扫描：估值贵不贵、大盘环境怎么样、板块强不强、同行比较如何、有没有明显风险信号。

它适合做初筛，帮助你快速排除不值得深挖的标的。

但真正深入研究一家公司，还要看产品管线、管理层、供应链、护城河、商业模式、行业格局。这些仅靠公开量化数据很难完全覆盖。

所以定位是：宏观扫描先帮你筛掉 80% 的候选标的，剩下 20% 再做微观深挖。

你也能做一个

这个 Skill 的架构并不复杂，核心是 4 层流水线。

第一层，采集数据：从 Yahoo Finance、CNN、SEC、Google News 等公开渠道抓取数据。

第二层，打分：10 个分析器并行运行，每个输出 0 到 100 分。

第三层，合成：按权重加权平均，同时计算置信度和风险修正。

第四层，输出报告：生成中文 Markdown，解释每个金融术语。

技术栈可以很朴素：Python、yfinance、pandas，再加上 Claude Code Skill 的目录规范和启动入口。

你可以把下面这段提示词交给 Claude Code，让它从零搭建一个可运行的版本。

帮我创建一个 Claude Code Skill，实现一套美股 10 维度综合评分系统。要求：1. 提供 CLI 入口，接受股票代码，支持快速综合评分和指定领域深度分析。2. 架构分为数据采集层、分析引擎层、评分合成层、报告输出层。3. 10 个维度独立评分：盈利惊喜、基本面、分析师情绪、历史表现、市场环境、板块强度、技术分析、市场情绪、同行对比、财报时间修正。4. 支持板块感知阈值：成长型、价值型、工业型行业使用不同估值区间。5. 支持 5 类风险检测：财报前期、短期暴涨、超买、避险情绪、突发新闻。6. 输出中文 Markdown 报告，每个金融术语后附通俗解释。7. 使用 Python + yfinance + pandas，分析器之间保持解耦，单维度异常不能影响整体报告生成。8. 明确加入免责声明：报告仅用于技术演示和公开数据整理，不构成投资建议。

最后

这篇文章的核心就一句话：看一个维度和看十个维度，结论可能完全不同。

工具不能替你做决定，但它能帮你把信息整合到一起，让你做决定时不至于只听一面之词。

常见问题

这个股票分析 Skill 是投资建议吗？

不是。它是 AI 编程技术演示，用来整理公开数据、生成结构化报告，不推荐具体股票，也不替用户做投资决策。

为什么股票分析要看 10 个维度？

单个指标容易误导判断。盈利惊喜、估值、技术面、市场情绪、同行对比和风险事件可能给出不同信号，多维度评分能让用户同时看到好的一面和差的一面。

快速报告能替代深度研究吗？

不能。快速报告适合做宏观扫描和初筛，帮助用户快速整理公开数据。真正深入研究还需要看产品、管理层、供应链、护城河和商业模式等微观因素。

免责声明：本文仅为 AI 编程技术分享，不构成任何投资建议或股票推荐。投资有风险，入市需谨慎，请根据自身情况独立做出投资决策。