Racing Quant AI 赛马量化AI选股系统

Overview

Racing Quant AI是一套集成化的A股量化选股分析系统，核心功能包含两大部分：

策略选股：从远程MySQL量化策略数据库中，根据用户需求智能匹配推荐量化策略，并获取策略对应的最新持仓股票
基本面分析：对筛选出的持仓个股，使用结构化分析框架进行深度基本面分析，给出客观的投资参考

整个工作流闭环：用户需求 → 匹配策略 → 获取持仓 → 个股分析 → 综合推荐

触发条件

当用户满足以下任意一种场景时，自动启用本skill：

用户要求"量化选股"、"AI选股"、"策略选股"
用户提到"racing quant"、"赛马量化"、"赛马量化AI"
用户需要从数据库选股并进行基本面分析
用户要求根据量化策略推荐股票并分析

核心功能

功能1：策略数据库查询与选股

支持多种查询方式，包括直接查询、关键词搜索和互动偏好匹配，满足不同用户场景：

数据库配置

连接信息（远程公开量化策略库）：

地址：47.121.180.199
端口：3306
账号：display
密码：display999!
数据库：db_strategy
主表：strategy_information

主策略表字段说明

字段	类型	说明
strategy_table	text	策略对应持仓数据表名称
strategy_name	text	策略英文名称
strategy_id	text	策略ID（唯一标识）
benchmark	text	对标指数
owner_name	text	策略创建人姓名
owner_id	text	创建人ID
start_date	datetime	策略开始回测时间
online_date	datetime	策略上线时间
strategy_name_cn	text	策略中文名称
strategy_summ	text	策略简介
strategy_desc	text	策略详细描述
strategy_cat	text	策略分类（量价/基本面/事件驱动/量化选股等）
how_to_trade	text	交易调仓规则
if_recommended	bigint	是否推荐（1=推荐，0=不推荐）

支持的查询操作

获取全部策略列表：查询数据库中所有注册策略，展示策略基本信息
关键词搜索策略：根据关键词搜索策略名称/简介/描述，返回匹配结果
分类筛选：按策略分类（量价/基本面等）筛选策略
推荐策略筛选：只筛选标记为if_recommended=1的优质推荐策略
需求智能匹配：根据用户描述的投资需求，语义匹配最符合的策略
互动偏好匹配：通过多轮互动提问，了解用户的投资偏好和风险承受能力，从strategy_desc字段中匹配最契合的策略
获取最新持仓：根据选中的策略，查询对应持仓表获取最新一期持仓股票列表

功能2：个股基本面深度分析

对策略输出的持仓股票，逐个进行结构化深度分析，遵循以下分析框架：

维度1：核心交易数据

最新股价、当日涨跌幅
日内波动区间（最高价/最低价）
成交量、成交额、换手率
总市值
估值指标（PE(TTM)、PB）

数据源：通过akshare接口获取公开股票交易行情数据

维度2：股价走势回顾

分类展示不同周期涨跌幅：

短期：近5日、近1个月
中期：近3个月
长期：近1年、近5年

数据源：通过akshare获取历史行情数据，自动计算涨跌幅

维度3：资金面分析

近期主力资金流向（净流入/净流出）
主力持仓成本对比当前股价
机构控盘度
关键支撑位/压力位

数据源：通过akshare接口获取公开主力资金流向数据，可得到单日/近5日/近20日/近一月主力累计净流入数据

维度4：基本面核心分析

估值对比：当前PE/PB对比行业平均，判断高估/低估
业绩表现：近期营收、净利润增速，增长稳定性
业务亮点：核心优势、新增长点
风险提示：客观列出潜在风险（高负债、政策风险、行业周期等）

维度5：综合评价

短期趋势判断
长期投资价值评价
不同类型投资者参考建议
必须添加免责声明：明确说明"分析结果仅供学习交流，不构成任何投资建议，投资有风险，入市需谨慎"

完整工作流程

标准工作流（用户给出投资需求）

1. 连接数据库 → 查询所有推荐策略（if_recommended=1）
2. 根据用户需求，智能匹配最符合的1-3个策略
3. 对匹配的每个策略，获取其最新一期持仓股票（通常前10-20只）
4. 对持仓股票逐个进行基本面分析（可根据用户需求限定数量）
5. 整理汇总：策略信息 → 持仓列表 → 个股分析报告 → 综合总结

用户指定策略名称/ID工作流

1. 根据用户提供的策略名称/ID，从数据库查询策略详细信息
2. 获取该策略最新持仓列表
3. 对持仓股票进行基本面分析
4. 输出完整报告

用户只想查询策略工作流

1. 根据用户条件（关键词/分类）筛选策略
2. 输出策略列表和基本信息，供用户选择
3. 用户选择后再进行下一步获取持仓和分析

互动偏好匹配工作流（用户不清楚具体需求，需要引导）

1. 主动提问了解用户的投资偏好，包括：
   - 投资周期偏好（短期/中期/长期）
   - 风险承受能力（保守/稳健/激进）
   - 选股风格偏好（价值成长/红利低波/动量趋势/事件驱动）
   - 行业偏好（是否有特定看好或回避的行业）
   - 其他特殊需求
2. 将用户回答的偏好转化为搜索关键词，在strategy_desc字段中进行语义匹配
3. 按匹配度排序，推荐最符合的3-5个策略
4. 请用户确认选择哪个策略
5. 用户确认后，获取策略最新持仓并进行个股分析

互动提问参考问题

"你好！为了给你推荐最合适的量化策略，可以先回答几个问题吗？"
"你的投资周期更倾向于哪种？（短期/中期/长期）"
"你的风险承受能力大概是什么水平？（保守/稳健/激进）"
"你更喜欢哪种选股风格？比如：价值成长/红利低波/动量趋势/事件驱动..."
"有没有特别看好或者想要回避的行业？"
"还有其他特殊需求吗？"

racing-quant-ai

Install via CLI (Recommended)