agentleFS
WeaxsWeaxs/stock-analysis-plugin/skills/dragon-head/SKILL.md

dragon-head

Skill95 starsChanged 3 days agoMITView on GitHub

龙头股分析:在已知板块中比较启动顺序、涨幅、回调和持续性。题材热度与参与节奏用 hot-theme。

The file

Files
SKILL.md

龙头战法分析

核心理念

“龙头”是同一板块、同一时间窗口内可验证的相对地位,不是个股强势的同义词。没有候选池和同期数据时,不下龙头结论。

比较前读取短线交易决策框架,使用其中的相对强弱、市场状态和风险单位规则。

执行流程

1. 采集数据

运行数据采集脚本获取 30 根日K线、技术指标及实时行情:

python3 scripts/gather.py <symbol>

同时用 resolve_stock_sectors 确认个股所属板块,再用 get_sector_constituents 拉取同板块个股列表——后续「龙头 vs 跟风」的强弱对比都在这个板块池内进行。 获取不到板块池或池内个股同期表现时,只评估候选股的强势特征,不给出“龙头/龙一”结论。

短线情绪与资金席位补充:get_limit_up_pool(涨停池的连板数、首末次封板时间、封板资金、炸板次数)用于确认板块内个股的高度与封板质量;get_dragon_tiger(龙虎榜)用于查看上榜个股的席位净买额与上榜原因。两者在非交易日或未来日期会自动回退到最近交易日的数据(返回含 requested_date 与 stale: true 标注),解读时以 date 字段的实际数据日期为准,不得把回退数据当成请求日当日数据。

2. 相对强弱验证

在同一截止时间比较板块候选股:

  • 5 日与 20 日收益及相对板块的超额表现
  • 启动时间、最大回撤和回撤后的恢复速度
  • 上涨日与下跌日的成交量结构
  • 板块上涨时是否领涨,板块分歧时是否保持相对强度

连板数、封板资金、炸板次数和首末次封板时间用 get_limit_up_pool 获取;竞价强弱和分时承接仍需盘口或分钟数据。当前数据无法验证时明确标注缺失,不得据此评定龙头。

3. 判断阶段与计划

  • Setup:板块开始扩散,候选股率先取得相对强度。
  • Trigger:个股突破或回踩再启动,板块方向同步确认。
  • Acceptance:个股保持领先且回撤小于板块同类。
  • Failure:板块退潮、领先优势消失或个股放量跌破关键结构。

交易计划必须给出触发、失效、时间止损和潜在收益/R;只确认“最强”而没有合理风险边界时不交易。

4. 龙头 vs 跟风

特征龙头跟风
启动顺序最先滞后
涨幅最大较小
回调小且快大且深
成交确认上涨时相对放量、回撤时抛压可控上涨缩量或回撤放量
持续性强弱

输出要求

  1. 个股是否具备龙头特征
  2. 所属板块和板块热度
  3. 与同板块个股的强弱对比
  4. 当前处于龙头行情的哪个阶段
  5. 触发、失效、时间止损和风险提示

完成标准:至少与同板块候选股比较启动时间、涨幅和回撤;否则输出“龙头地位未验证”。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.