aifinlab/a-share-event

数据源

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

# 实时行情（事件发生后的市场反应）
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]

# K线（事件前后股价走势对比）
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [事件前30日]

# 财务指标（评估事件对基本面的影响）
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]

# 资金流向（机构对事件的反应）
python "$SCRIPTS/cn_stock_data.py" fund_flow --code [CODE] --days 30

补充 web 搜索：公告原文、政策全文、分析师点评、历史类似事件案例。

Workflow (5 steps):

Step 1: 事件识别与分类

| 事件类型 | 子类 | 典型影响方向 | |---------|------|------------| | 公司公告 | 业绩预告/快报 | 取决于超/低预期 | | | 分红方案 | 通常正面 | | | 增发/配股 | 短期偏负面（摊薄） | | | 回购 | 正面（公司认为低估） | | | 大股东增持 | 正面信号 | | | 大股东减持/解禁 | 负面信号 | | | 股权激励 | 通常正面（绑定管理层） | | | 并购重组 | 取决于标的质量和价格 | | | 关联交易 | 需评估是否损害小股东利益 | | 政策事件 | 行业政策（利好） | 板块普涨 | | | 行业政策（利空） | 板块普跌 | | | 货币/财政政策 | 系统性影响 | | | 监管政策 | 取决于具体内容 | | 市场事件 | 指数调整（纳入/剔除） | 纳入正面，剔除负面 | | | 北向资金大幅增减 | 信号意义 | | | 融券/做空 | 负面压力 |

Step 2: 事件详情获取

1. Web 搜索事件详情（公告原文/政策全文）
2. cn-stock-data 获取事件前后行情数据
3. Web 搜索分析师/媒体的初步解读

Step 3: 影响评估

定量评估：

• 事件对 EPS 的影响（增发摊薄多少/并购增厚多少）
• 事件对资产负债表的影响（回购减少现金/增发增加净资产）
• 事件对估值的影响（新业务带来的估值重塑）

定性评估：

• 影响范围：公司级 / 行业级 / 市场级
• 影响持续性：一次性 / 短期（1-3月）/ 中期（3-12月）/ 长期（>1年）
• 影响确定性：高（已落地）/ 中（已公告待执行）/ 低（传闻/预期）
• 市场预期差：事件是否已被预期？超出预期程度？

综合评级： | 维度 | 评分 | |------|------| | 影响方向 | 正面 / 中性 / 负面 | | 影响程度 | 重大 / 中等 / 轻微 | | 持续时间 | 一次性 / 短期 / 中长期 | | 确定性 | 高 / 中 / 低 |

Step 4: 历史类比（可选） Web 搜索类似事件的历史案例：

• 同公司类似事件的历史反应
• 同行业类似事件的市场反应
• 提供参考但不做简单类推

Step 5: 输出

风格说明

| 维度 | formal（机构事件点评） | brief（个人事件笔记） | |------|---------------------|---------------------| | 篇幅 | 2-4 页 | 半页 | | 事件描述 | 完整（含公告/政策原文引用） | 一段话概述 | | 定量影响 | 详细计算（EPS/净资产影响） | 核心数字 | | 定性评估 | 完整评级表 | 一句话判断 | | 历史类比 | 2-3 个案例 | 无或 1 个 | | 结论 | 客观分析正反面 | 可加操作建议 | | 免责声明 | 需要 | 不需要 |

关键规则

1. 先看公告原文：所有分析基于公告/政策原文，不基于二手解读
2. 区分"预期内"和"超预期"：市场已充分预期的事件影响有限
3. 短期反应 ≠ 长期影响：股价短期反应可能过度，长期取决于基本面实质变化
4. 关注细节：增发价格/回购价格区间/减持比例/激励条件等细节决定影响程度
5. 不做简单类推：历史类似事件仅供参考，不能直接预测本次结果
6. 与其他 skill 联动：事件分析后可用 a-share-earnings-analysis 评估财务影响，用 a-share-thesis 更新投资论点

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