convez.ai
PluginFinanceiroAvançado
cindylui479-create

StockWise — Análise de Valor em A股 e HK$ (Buffett/Lynch)

cindylui479-create/stockwise

Análise de valor Buffett/Graham/Lynch para A股+HK$ com LLM e múltiplas fontes

Ver no GitHub
InicialPluginScore · de 0 a 100

Ferramenta de análise de investimento em valor que integra 5 fontes de dados financeiros (BaoStock, Tushare, Juchao) com avaliação qualitativa via LLM. Distribui automaticamente cada ação para o framework correto (default, banco, seguro, crescimento ou cíclico) e gera relatórios estruturados com pontuação de segurança e recomendações de entrada/espera.

Instalação

$npx convez-ai cindylui479-create/stockwise

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
0
Forks
0
Acompanhando
0
Saúde
42%
Último commit
há 5 meses
Versão
v0.14.2
Issues abertas
0
Contribuidores
1

Casos de uso

  • Avaliação fundamentalista automática de ações individuais com scoring padronizado
  • Screening de top N por setor com filtros de múltiplos e ROE
  • Backtesting de carteiras selecionadas contra CSI 300 com cálculo de alpha
  • Monitoramento contínuo de watchlist com alertas de mudança de rating

Veredito

Plugin robusto e educativo para investidores em valor em mercados chineses, com framework sensível a tipo de indústria e integração LLM para análise qualitativa. Requer configuração de chaves de API (BaoStock, Tushare, LLM) e compreensão de finanças; evita curto prazo e trading algorítmico, deixando claro que não substitui aconselhamento profissional.

README

A tradução para o português deste README ainda está na fila.

stockwise — 巴菲特/林奇范式 A股 + 港股价值投资分析工具

输入股票代码,自动按行业分发用对应的巴菲特/格雷厄姆/林奇标准评估, 整合 5 个数据源 + LLM 定性分析,输出结构化 Markdown 报告。

本工具是 GARP / 价值投资视角的辅助分析,不做短线、不做量化。 所有结论仅供参考,不构成投资建议。

安装

pip install -e .
cp .env.example .env       # 填入至少一个 LLM Key(见下)

使用

单股分析

# A 股
python -m stockwise 600519              # 贵州茅台
python -m stockwise 300750              # 宁德时代(自动用成长股版评估)
python -m stockwise 600036              # 招商银行(自动用银行业版)
python -m stockwise 601088              # 中国神华(自动用周期股版,Shiller PE 替代 PE)

# 港股
python -m stockwise 00700 --hk          # 腾讯控股
python -m stockwise 00939 --hk          # 建设银行(银行业版)

# 选项
python -m stockwise 600519 --no-llm     # 跳过 LLM,纯规则打分
python -m stockwise 600519 --brief      # 只输出快读版(5 行决策表)
python -m stockwise 600519 --no-validate     # 跳过 baostock 副源校验
python -m stockwise 600519 --no-governance   # 跳过 巨潮治理事件
python -m stockwise 600519 --no-holders      # 跳过 股东结构

历史回测(v0.6.0)

# 以指定日期为起点,看持有 watchlist 至今表现 vs 沪深 300
python -m stockwise backtest --as-of 2025-01-02 --from-watchlist

# 回测 screen 出的 top N(按 quick_score)
python -m stockwise backtest --as-of 2025-01-02 --from-screen --min-score 22

# 自定义标的池
python -m stockwise backtest --as-of 2024-12-31 --codes 600519,000858,600036

输出每只股票的起点价、终点价、收益率,以及等权组合 vs 沪深 300 的超额收益 alpha。

可视化热图(v0.6.0)

python -m stockwise screen --cache-only --heatmap ./reports/heat.html

按行业 × top N 二维布局,颜色按 quick_score 着色(红→黄→绿渐变)。

行业 Top N 筛选(v0.5.0)

# 全 A 股按行业 top 3 筛选(约 83 行业 × 3 = 250 只,30 分制粗筛打分)
python -m stockwise screen

# 已扫描过用 --cache-only 秒回
python -m stockwise screen --cache-only

# 按行业筛
python -m stockwise screen --include "银行|白酒|医药"
python -m stockwise screen --exclude "煤炭|钢铁"

# 调每行业 top N
python -m stockwise screen --industry-top 5

# 高分入选直接加 watchlist
python -m stockwise screen --min-score 22 --to-watchlist

# 对 top N 自动跑完整深度分析(含 LLM)+ 加入 watchlist
python -m stockwise screen --to-deep --top 10

# 港股 screen(从 80+ 恒生主流标的池)
python -m stockwise screen --hk --industry-top 3

# 列出所有行业及成分股数
python -m stockwise screen --list-industries

# 从 SQLite 缓存查
python -m stockwise screen --from-cache --industry "银行"

quick_score 30 分制:ROE 10 + PE 5 + PB 5 + 负债率 5 + FCF/股 5。数据全部来自 baostock(独立于东财,不依赖 push2)。首次扫描约 30-45 分钟,缓存后秒回。

Watchlist 监控

python -m stockwise watch add 600519        # 加入观察列表
python -m stockwise watch add 00700 --hk    # 港股
python -m stockwise watch remove 600519
python -m stockwise watch list              # 看所有标的最近一次评级
python -m stockwise watch run               # 批量跑 watchlist,标记评级变化
python -m stockwise watch run --no-llm --brief   # 批量快读版

watch list 输出示例:

代码      市场  名称       评级              得分  安全边际  行动建议
600036    A    招商银行   值得长期持有       91   充足     可以入场(折价充足)
601318    A    中国平安   质量好且估值合理   84   充足     可以入场(折价充足)
600519    A    贵州茅台   质量好但有瑕疵    72   偏贵     等待回调(估值偏贵)
688256    A    寒武纪     避免              35   偏贵     避免(触发一票否决) ⚠ 治理红旗

缓存

财报/分红/治理事件等不变数据缓存 24 小时-7 天(在 ~/.stockwise/cache.db)。 跑批量 watchlist 时性能 ×10。禁用:STOCKWISE_NO_CACHE=1。

报告写入 reports/<code>_<YYYY-MM-DD>.md。

评估框架(按行业分发)

Profile适用安全边际口径
default消费 / 制造 / 一般企业FCF Yield + Graham PE×PB + OE×12 + DCF 含增长
bank银行 / 货币金融服务P/B + ROE÷PB 隐含回报 + 股息率 + 衰减 ROE 留存复利
insurance保险P/B + 股息率 + 隐含回报 + 净利稳定性
growth营收 5 年 CAGR ≥ 15-25%、研发驱动PEG(保守 g)+ (1/PE + g) + PS÷CAGR + DCF
cyclical钢铁/煤炭/有色/石油/航运/化工/水泥Shiller PE(10 年均值 EPS)+ P/B + 高股息率 + 周期顶部预警

识别规则:

  • 银行/保险走对应 profile(A 股 INDUSTRYCSRC1 + 港股 yfinance industry,中英双语关键字)
  • 高研发行业 + CAGR ≥ 15% 或 CAGR ≥ 25% 且非资源类 → growth profile
  • 否则 default

质量评级(5 档 + 否决):

  • ≥85 + 充足 → 值得长期持有
  • ≥85 + 一般 → 优质合理估值
  • ≥85 + 其他 → 优质但偏贵
  • 70-84 + 充足/一般 → 质量好且估值合理
  • 70-84 + 其他 → 质量好但有瑕疵
  • < 70 → 未达伯克希尔标准
  • 一票否决 → 避免

行动建议(独立于评级,给具体决策):

  • 评级 ≥70 + 折价 ≥30% → 可以入场(折价充足)
  • 评级 ≥70 + 折价 10-30% → 可以入场(谨慎)
  • 评级 ≥70 + 折价 -10-10% → 已持有可继续,新仓需等
  • 评级 ≥70 + 折价 <-10% → 等待回调
  • 50-70 → 观察,不建议新仓
  • <50 或否决 → 避免

安全边际 = (内在价值 - 当前市值) / 内在价值 × 100%。内在价值由各 profile 的 4 道关综合中位数得出。0-20 分按折价率连续线性映射,标签 4 档:充足 (≥30%) / 一般 (10-30%) / 不足 (-10-10%) / 偏贵 (<-10%)。

一票否决项:

  • 近 5 年任一年净利润为负
  • 商誉/净资产 > 50%
  • 资产负债率 > 70%(汽车/航空/建筑 75%、证券 80%、银行/保险豁免)
  • 经营现金流连续 2 年为负

7 维度评分(共 100)

维度权重默认 default 体系
护城河255 年 ROE ≥ 15% / 毛利 ≥ 40% / 毛利稳定性
盈利质量205 年累计 CFO/净利 ≥ 0.85 / 无亏损年 / 净利率波动 < 25%
资本配置15负债率 ≤ 50% / 连续派息 ≥ 5 年 / 商誉 ≤ 1 倍净利
长期增长10营收/净利 CAGR / 滚动 3 年连续增长
安全边际20见上方四道关
业务可理解性(LLM)5巴菲特"10 年后仍可预测"
管理层质量(LLM)5资本配置 / 治理事件 / 股东沟通

各 profile 维度阈值会自动调整(如银行用 ROA 1% / ROE 13%;成长股用 CAGR 20% / 毛利 40%)。

数据源

来源用途是否必需
akshare (push2 + legulegu + sina)主要财报、估值、新闻;A 股股东、分红✅
baostock副源校验:ROE/净利率/毛利率/营收 跨源对比✅
yfinance港股估值 (PE/PB/PS/dividend)、内部人/机构持股✅ 港股
巨潮资讯网(cninfo)A 股治理事件原文(关联交易/担保/质押/立案/诉讼)✅ A 股
东财 f10(emweb)push2 故障时的名称/行业/上市日期后备自动
Tushare Pro研发占比 / 资本支出(成长股 profile 用)可选(需 token)

LLM 接入

支持 3 类 provider(在 .env 配置):

Provider配置例
Anthropic 官方ANTHROPIC_API_KEYclaude-sonnet-4-6
Anthropic 代理(Claude Code 风格 Bearer Token)ANTHROPIC_AUTH_TOKEN + ANTHROPIC_BASE_URL第三方中转
OpenAI 兼容(DeepSeek / Kimi / GLM 等)STOCKWISE_PROVIDER=openai + OPENAI_API_KEY + OPENAI_BASE_URL + STOCKWISE_MODELgpt-5.x / deepseek-chat

特殊场景开关(自签证书代理 + 绕过系统 SOCKS):

STOCKWISE_INSECURE_SSL=1
STOCKWISE_TRUST_ENV=0

LLM 给出:

  • 主业概述
  • 护城河定性分析
  • 业务可理解性评分(0-5)
  • 管理层质量评分(0-5,参考治理事件输入)
  • Munger 反向思考("什么会让这家公司死")
  • 内在价值定性判断
  • 综合 verdict

报告章节

  1. 综合判断(评级 + 总分 + 安全边际 + 评估口径)
  2. 巴菲特检查清单(每项✅/❌+ 实际数值)
  3. 公司速览与主业
  4. 护城河分析(LLM 定性 + 财务证据)
  5. 盈利质量与资本配置(含分红记录)
  6. 长期增长
  7. 内在价值估算与安全边际(4 道关,按 profile 不同)
  8. 如果你买下整家公司(回本期)
  9. 管理层质量(LLM)
  10. 业务可理解性(LLM)
  11. Munger 反向思考
  12. 风险与警示
  13. 综合判断(LLM verdict)
  14. 附 A: 股东结构 & 持仓变动
  15. 附 B: 治理事件(巨潮近 180 天,按严重度分级)
  16. 附 C: 数据可靠性校验(baostock 副源对比)
  17. 附 D: 近期相关新闻

开发

pytest -q     # 16 个单测

代码结构:

stockwise/
├── cli.py              # CLI 入口
├── config.py           # .env 加载 + LLMConfig 多 provider
├── data/
│   ├── fetcher.py      # akshare + sina + 东财 f10 后备 + 内在价值分发
│   ├── models.py       # dataclass: StockSnapshot 等
│   ├── market.py       # 代码解析(A/HK 识别)
│   ├── validator.py    # baostock 副源校验
│   ├── governance.py   # 巨潮治理事件
│   ├── holders.py      # A 股流通股东 + HK 内部人
│   └── tushare_extra.py# Tushare Pro 研发/capex 增强
├── analyzer/
│   ├── scorer.py       # 7 维度 + 4 profile 分发
│   └── llm.py          # Anthropic / OpenAI 兼容
└── report/
    ├── generator.py
    └── template.md.j2
Ver o original no GitHub

Bom para

Relacionados