aifinlab/a-share-macro

数据源

# akshare 宏观数据接口（cn-stock-data 不直接覆盖宏观数据，需通过 akshare 获取）
python -c "
import akshare as ak
# GDP
df = ak.macro_china_gdp()
# CPI
df = ak.macro_china_cpi_monthly()
# PPI
df = ak.macro_china_ppi_monthly()
# PMI（制造业）
df = ak.macro_china_pmi_monthly()
# 社会融资规模
df = ak.macro_china_shrzgm()
# M2 货币供应
df = ak.macro_china_money_supply()
# LPR
df = ak.macro_china_lpr()
# 进出口
df = ak.macro_china_trade_balance()
print(df.to_json(orient='records', force_ascii=False))
"

补充 web 搜索：央行/国务院/统计局最新发布、券商宏观研报、市场解读。

Workflow (5 steps):

Step 1: 确定分析范围 根据用户需求：

• 综合宏观："宏观经济怎么看" → 全面分析 GDP/CPI/PMI/社融/货币政策
• 单项数据："最新 CPI 怎么样" → 聚焦单个指标深度解读
• 政策分析："降准降息影响" → 聚焦货币/财政政策
• 市场影响："宏观对 A 股什么影响" → 宏观到市场的传导链条

Step 2: 数据获取 通过 akshare 获取核心宏观指标（近 12-24 个月）：

经济增长：

• GDP 季度增速（实际 + 名义）
• 工业增加值同比
• 固定资产投资同比
• 社会消费品零售总额同比

物价：

• CPI 同比/环比（总体 + 核心CPI）
• PPI 同比/环比

先行指标：

• PMI 制造业/非制造业/综合（50 为荣枯线）
• PMI 分项：新订单/生产/就业/库存

金融：

• 社会融资规模（存量同比 + 当月增量）
• M1/M2 同比增速（M1-M2 剪刀差）
• 新增人民币贷款
• LPR（1年期/5年期）

外贸：

• 进出口同比增速
• 贸易顺差

Step 3: 数据分析

趋势判断： | 指标 | 当前值 | 前值 | 去年同期 | 趋势 | 解读 | |------|--------|------|---------|------|------|

经济周期定位：

• 复苏期：GDP↑ CPI↑ PMI>50 社融↑
• 过热期：GDP高位 CPI↑快 PMI高位
• 滞涨期：GDP↓ CPI↑ PMI↓
• 衰退期：GDP↓ CPI↓ PMI<50 社融↓

政策空间判断：

• 货币政策：降准/降息空间、流动性松紧
• 财政政策：赤字率、专项债额度、减税降费

Step 4: 对市场的影响判断

• 经济数据超/低于预期 → 对 A 股的影响方向
• 政策转向信号 → 利好/利空哪些板块
• 流动性变化 → 对成长股 vs 价值股的差异影响
• 汇率影响 → 人民币走势对北向资金的影响

Step 5: 输出

风格说明

| 维度 | formal（机构宏观研究） | brief（个人宏观笔记） | |------|---------------------|---------------------| | 篇幅 | 4-8 页 | 1-2 页 | | 数据覆盖 | 完整（8+ 项指标） | 核心（3-5 项关键指标） | | 历史对比 | 近 12-24 个月趋势 | 当前 vs 前值 vs 去年同期 | | 经济周期 | 详细定位 + 历史类比 | 一句话判断 | | 政策分析 | 完整（货币+财政+产业） | 核心政策方向 | | 市场影响 | 详细板块影响分析 | 1-2 句结论 | | 免责声明 | 需要 | 不需要 |

关键规则

1. 数据来源标注：所有数据标注来源（统计局/央行/海关）和发布日期
2. 预期差分析：数据公布后的市场反应取决于实际值 vs 市场预期的差值
3. 不做精确预测：宏观预测极难，给出趋势判断和概率评估而非精确数字
4. 区分领先/同步/滞后指标：PMI 是领先指标，GDP 是滞后指标，分析时注意时序关系
5. 政策解读谨慎：政策信号往往需要多次确认，避免过度解读单次表态
6. 与其他 skill 联动：宏观判断可指导 a-share-sector（哪些行业受益）、a-share-stock-screen（调整筛选策略）

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