aifinlab/a-share-dividend-calendar

数据源

SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"

# 分红配送方案（按年度查询）
python -c "import akshare as ak; df = ak.stock_fhps_em(date='YYYY'); print(df.to_string())"

# 个股行情（计算当前股息率）
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]

补充 web 搜索：

• 最新分红实施公告（登记日、除权日、发放日）
• 近期除权除息安排（按日期范围）
• 个股分红方案进展（预案→股东大会→实施）

Workflow (4 steps):

Step 1: 获取分红数据

根据用户意图确定查询范围：

• 近期日历："最近谁分红" → ak.stock_fhps_em(date='当年') 获取当年全部分红方案，筛选近期有除权除息安排的
• 个股查询："XX什么时候除权" → 获取指定股票的分红方案进展
• 日期范围："本周/本月除权除息" → 按日期范围筛选

stock_fhps_em 返回字段： | 字段 | 说明 | |------|------| | 代码 | 股票代码 | | 名称 | 股票简称 | | 每股收益 | EPS | | 每股派息(税前) | 每10股派息金额 | | 送股 | 每10股送股数 | | 转增 | 每10股转增数 | | 股权登记日 | 登记日（当日收盘持有即可享有） | | 除权除息日 | 除权日（当日买入不再享有） | | 红利发放日 | 现金到账日 | | 公告日期 | 实施公告日 | | 方案进度 | 预案/股东大会/实施 |

Step 2: 日历视图构建

按时间线排列分红事件，展示关键日期节点：

📅 分红日历 — [日期范围]

[日期] 股权登记日
  ├─ 600519 贵州茅台 | 10派259.11元 | 股息率2.1%
  └─ 000858 五粮液 | 10派55.00元 | 股息率3.5%

[日期] 除权除息日
  ├─ 601318 中国平安 | 10派9.20元 | 股息率4.2%
  └─ ...

[日期] 红利发放日
  └─ 600036 招商银行 | 10派18.22元 | 到账日

分类标注方案进度：

• 🟢 已实施（有明确除权日）
• 🟡 股东大会通过（待实施）
• ⚪ 董事会预案（待股东大会）

Step 3: 股息率计算

每股派息 = 每10股派息 / 10
税前股息率 = 每股派息 / 当前股价 × 100%

税后股息率（按持股期限）：
- 持股 > 1年：免税，税后股息率 = 税前股息率
- 1月 < 持股 ≤ 1年：税率10%，税后股息率 = 税前 × 90%
- 持股 ≤ 1月：税率20%，税后股息率 = 税前 × 80%

除权参考价 = (前收盘价 - 每股派息) / (1 + 送转比例)

如有送转：

送转比例 = (送股数 + 转增数) / 10
除权参考价 = (前收盘价 - 每股派息) / (1 + 送转比例)

Step 4: 输出

风格说明

| 维度 | formal（研报风格） | brief（日历视图） | |------|-------------------|------------------| | 篇幅 | 2-4 页 | 1 页日历表 | | 展示形式 | 表格+分析 | 时间线日历 | | 股息率 | 税前/税后分别计算 | 仅显示税前 | | 送转分析 | 区分送转与分红，风险提示 | 简要标注 | | 除权影响 | 除权价计算+历史填权分析 | 除权参考价 | | 持仓建议 | 红利税+登记日操作建议 | 关键日期提醒 | | 免责声明 | 需要 | 不需要 |

默认风格：brief（日历视图）

关键规则

1. 登记日当天买入仍可享有分红 — 除权日当天买入则不享有，这是投资者最关心的时间点
2. 注意红利税差异化政策 — 持股超1年免税，短期持有最高20%税率，影响实际收益
3. 除权后价格自动调整 — 除权日开盘价会自动下调，不是"跌了"，是价格机制调整
4. 送转不等于分红 — 送股/转增只是股本拆分，不涉及现金流出，不要与现金分红混为一谈
5. 关注方案进度 — 预案阶段可能变更，只有实施公告后的日期才是确定的
6. 高送转风险提示 — 高送转常被用于配合减持，监管已加强审查，需警惕炒作风险

使用示例

示例 1: 基本使用

# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})

示例 2: 命令行使用

python scripts/run_skill.py --input data.json