Skip to content
Education
Skill

/us-stock-prediction

美股个股次日走势预测 skill。当用户输入美股股票代码(如 AAPL、TSLA)或公司名称(如 "苹果"、"特斯拉"),并要求预测次日(T+1)走势、给出交易计划、评估盈亏概率时,触发本 skill。skill 会用 mcp__MiniMax__web_search 搜证盘前 90 分钟的关键信息(财报、盘后走势、隔夜期货、期权异动、内部人交易、宏观日历等),按"五维分析框架"(基本面/技术面/资金面/情绪面/宏观面)交叉验证,产出可量化的方向预测(涨/跌/横盘 + 概率百分比 + 区间),并写入当前项目 markdown 目录下的

BOOST
From plugin
blog
8.6k85 skills
Install
$ npx -y skills add digoal/blog --skill us-stock-prediction --agent claude-code

How it fires

How this skill gets triggered: by you, by Claude, or both.

  • Fires itselfAuto-invocation. Claude auto-loads it when your prompt matches the work.Auto-invocation is when the right skill fires by itself at the right moment, driven by a FLOW.md router and a hook, instead of you invoking it by name. It is the difference between a skill being installed and a skill actually getting used.Read the full definition →
  • You can call itInvoke it directly when you want it.
  • Slash command/us-stock-prediction

Context preview

The summary Claude sees to decide when to auto-load this skill.

美股个股次日走势预测 skill。当用户输入美股股票代码(如 AAPL、TSLA)或公司名称(如 "苹果"、"特斯拉"),并要求预测次日(T+1)走势、给出交易计划、评估盈亏概率时,触发本 skill。skill 会用 mcp__MiniMax__web_search 搜证盘前 90 分钟的关键信息(财报、盘后走势、隔夜期货、期权异动、内部人交易、宏观日历等),按"五维分析框架"(基本面/技术面/资金面/情绪面/宏观面)交叉验证,产出可量化的方向预测(涨/跌/横盘 + 概率百分比 + 区间),并写入当前项目 markdown 目录下的

SKILL.md

us-stock-prediction.SKILL.md
name: us-stock-prediction
description: 美股个股次日走势预测 skill。当用户输入美股股票代码(如 AAPL、TSLA)或公司名称(如 "苹果"、"特斯拉"),并要求预测次日(T+1)走势、给出交易计划、评估盈亏概率时,触发本 skill。skill 会用 mcp__MiniMax__web_search 搜证盘前 90 分钟的关键信息(财报、盘后走势、隔夜期货、期权异动、内部人交易、宏观日历等),按"五维分析框架"(基本面/技术面/资金面/情绪面/宏观面)交叉验证,产出可量化的方向预测(涨/跌/横盘 + 概率百分比 + 区间),并写入当前项目 markdown 目录下的 `us-stock-{TICKER}-{YYYY-MM-DD}.md`。输出必须有完整的逻辑推导链(每一维的打分过程与数据来源)、术语通俗解释、mermaid/ascii 流程图或可视化图表。适用场景:盘前/盘中想做次日的方向判断与交易计划;不适用:长线基本面估值(应改用 finance 领域其他 skill)、日内高频交易、加密货币/港股/A股。

美股个股次日走势预测

核心目标

把"次日走势"这一**低信噪比问题**转成**可重复、可量化、可复盘**的决策流程:

  • **风险锁死** — 单笔最大可承受亏损 ≤ 账户净值 1%
  • **赔率优先** — 只参与潜在盈利:潜在亏损 ≥ 2:1 的交易
  • **逻辑可追溯** — 每一条结论必须能反向定位到具体数据来源

工作流(7 步,严格按顺序执行)

[用户输入代码/名称]
        │
        ▼
[步骤 1: 标的解析] — 确认 ticker、公司全名、所在交易所、所属板块
        │
        ▼
[步骤 2: 信息搜证] — 用 mcp__MiniMax__web_search 拉取盘前 90 分钟关键数据
        │
        ▼
[步骤 3: 五维打分] — 基本面 30% / 技术面 25% / 资金面 20% / 情绪面 15% / 宏观面 10%
        │
        ▼
[步骤 4: 综合推演] — 五维加权 → 方向预测(看多/看空/中性) + 概率(%) + 价格区间
        │
        ▼
[步骤 5: 交易计划] — 入场价、止损价、目标价、仓位、时间止损、退出条件
        │
        ▼
[步骤 6: 写出 markdown] — 保存到 <项目>/markdown/us-stock-{TICKER}-{YYYY-MM-DD}.md
        │
        ▼
[步骤 7: 输出摘要] — 控制台/聊天框给出核心结论 + 文件路径

---

步骤 1:标的解析

收到用户输入(如 "AAPL" 或 "苹果"),先确认以下信息(必要时就近 24h 内的搜索补充):

| 字段 | 说明 | 来源 | |---|---|---| | Ticker | 标准化代码(如 AAPL,BRK.B) | 用户输入 + 搜索 | | 公司全名 | Legal Name | 搜索 "Apple Inc ticker" | | 交易所 | NYSE / NASDAQ / 其他 | 搜索 | | 板块 | GICS 一级行业(科技/金融/医疗等) | 搜索 | | 关键宏观关联 | 是否权重股(影响 SPY/NQ)、是否中概、是否有特殊风险 | 推断 |

如果用户只给公司名(如"苹果"),用 `mcp__MiniMax__web_search(query="苹果公司 股票代码 ticker")` 之类查询,优先在结果里找 ticker。

---

步骤 2:信息搜证(盘前 90 分钟清单)

**严格按以下优先级**调用 `mcp__MiniMax__web_search`,每次查询都把 ticker + 关键词组合:

P0 必查(没查到则预测置信度降一级)

{ticker} earnings after-hours
{ticker} 8-K filing {最近一周}
{ticker} after-hours price reaction
ES NQ futures overnight
VIX index today

P1 强烈建议查

{ticker} unusual options activity
{ticker} call put ratio
{ticker} institutional holdings 13F change
{ticker} insider trading Form 4
{ticker} analyst upgrade downgrade {最近一周}

P2 视情境查

{板块} sector ETF performance today
{ticker} technical analysis support resistance
{宏观经济事件} CPI FOMC NFP date this week
US 10 year yield today
DXY dollar index today

搜证时一次只搜 1-2 个查询,**不要一次塞太多关键词**,搜出来的结果至少要读 3-5 个 source 链接,做交叉验证。

如果搜证失败(网络问题、结果太少),**直接降级为"中低置信度"预测**,并在 markdown 中明确标注"信息缺失"。

---

步骤 3:五维打分(详细规则见 `references/five-dimension-framework.md`)

每维给出 -2 ~ +2 的整数打分(代表强烈看空到强烈看多),并简述 1-3 条关键证据。

| 维度 | 权重 | 打分(举例) | |---|---|---| | **基本面催化** | 30% | 财报超预期 + 指引上修 → +2;无重大消息 → 0;业绩暴雷 + 指引下调 → -2 | | **技术面结构** | 25% | 突破前高 + 量能配合 → +2;区间震荡 → 0;跌破关键支撑 → -2 | | **资金面** | 20% | 大额回购 + 内部人增持 + OI 看涨 → +2;无明显异动 → 0;暗池出货 → -2 | | **情绪面** | 15% | 分析师一致上调 + 散户关注度适中 → +1;极端一致预期(反向风险)→ 0 或反向 | | **宏观面** | 10% | 期货涨 + VIX 跌 + 无大事件 → +1;FOMC 当天 → 0;宏观冲击 → -1~-2 |

**加权求和** → 范围 -2.0 ~ +2.0。

  • **> +1.0** = 强看多(置信度"高")
  • **+0.3 ~ +1.0** = 弱看多(置信度"中")
  • **-0.3 ~ +0.3** = 中性震荡(置信度"中低")
  • **-1.0 ~ -0.3** = 弱看空(置信度"中")
  • **< -1.0** = 强看空(置信度"高")

如果五维里出现**对冲信号**(如基本面 +2 但宏观 -2),把"置信度"强制降一级,并在 markdown 里明确写"对冲点"。

---

步骤 4:综合推演 → 概率量化

**输出三个数值**(必须同时给):

方向:        看多 / 看空 / 中性
方向概率:    55% (区间 50%-60%)
价格区间:    $185 - $192 (次日内最可能的运行区间)
期望波动幅度: ±2.3%(基于 ATR 估算或近期日均波幅)

**概率估算方法**(不要瞎编): 1. **基准概率**:五维加权得分 ÷ 2.0 × 100%(线性映射)再 clamp 到 35%-65% 区间 2. **基础概率**:55%(中性,因美股个股次日方向近乎 50/50) 3. **调整**:

  • 有清晰 P0 催化 + 五维同向:基准 ± 10%-15%
  • 财报/重大事件次日:概率区间扩到 30%-70%
  • 信息严重缺失:clamp 回 45%-55%

4. **最终**:基础 55% + 调整 = 最终概率;同时给出 80% 置信区间的价格上下界(用近期 5 日 ATR × 1.28 作为一倍标准差)

**必须明说**:任何"≥ 70% 的方向概率"都是过度自信,需要在 markdown 顶部加**免责声明**。

---

步骤 5:交易计划(标准模板)

只有**置信度 ≥ "中"** 才给完整交易计划;**置信度 < "中"** 只给"观望/小注试错"建议。

### 交易计划
- 入场触发价: $____ (理由:____)
- 止损价:    $____ (理由:跌破 ____ 支撑 / 形态破坏)
- 目标价 TP1: $____ (赔率 1:1,平 50%)
- 目标价 TP2: $____ (赔率 2:1,再平 30%)
- 跟踪止损: 剩余 20% 用 1×ATR 跟踪
- 仓位大小:  账户净值的 ____% (确保止损触发时亏损 ≤ 1%)
- 最大持仓: ____ 个交易日(时间止损)
- 不做条件: 开盘 30 分钟内若 VWAP 之下,放弃

仓位计算公式(必须用):

仓位(股数) = (账户净值 × 风险预算%) ÷ (入场价 − 止损价)

---

步骤 6:输出 markdown 文件

命名规范

`<项目根目录>/markdown/us-stock-{TICKER}-{YYYY-MM-DD}.md`

例:`/Users/digoal/new/markdown/us-stock-AAPL-2026-06-08.md`

必须包含的章节(顺序固定)

# {TICKER} {公司名} 次日走势预测

> 预测日期:2026-06-08 | 目标交易日:2026-06-09
> 免责声明:本预测基于公开信息与概率推断,非投资建议。次日方向本身就是低信噪比问题,任何 ≥70% 的方向概率都应视为过度自信。

## 一、核心结论(速读)

用 3 行说清楚:方向、概率、关键价位。
例:
- 方向:看多(置信度 中)
- 次日方向概率:58%(区间 50%-66%)
- 关键价位:支撑 $185 / 压力 $195

## 二、五维分析(详细推导)

### 2.1 基本面催化(权重 30%,打分 +1)
证据 1:____(附数据来源)
证据 2:____
证据 3:____

### 2.2 技术面结构(权重 25%,打分 0)
证据 1:____
…

(每维重复)

## 五维加权得分
| 维度 | 打分 | 权重 | 加权 |
|---|---|---|---|
| 基本面 | +1 | 30% | +0.30 |
| 技术面 | 0  | 25% | 0    |
| 资金面 | +2 | 20% | +0.40 |
| 情绪面 | +1 | 15% | +0.15 |
| 宏观面 | +1 | 10% | +0.10 |
| **合计** |   |     | **+0.95** |

→ 弱看多(置信度"中"),基础概率 55% + 调整 +3% = **58%**

## 三、价格区间与可视化

用 mermaid 画一根"价格刻度尺",标记入场/止损/目标位:

​```mermaid
graph LR
    A[止损 $182] -->|6% 风险| B[入场 $185]
    B -->|5% 赔率| C[目标 TP1 $190]
    C -->|3% 赔率| D[目标 TP2 $195]
    style A fill:#ff6b6b,color:#fff
    style B fill:#4ecdc4,color:#fff
    style C fill:#95e1d3,color:#333
    style D fill:#95e1d3,color:#333
​```

或者用 ascii:

$182 ----|---- $185 ----|---- $190 ----|---- $195 ----|---- $200 止损 入场 TP1(50%平) TP2(30%平) 跟踪止盈 ↑ 风险6% ↑ 赔率5% ↑ 赔率10% ↑ 赔率17%


## 四、交易计划

(填步骤 5 模板)

## 五、风险与陷阱

列出本次预测的 3-5 个最大风险点(用通俗语言 + 术语解释)。
例:"如果开盘 CPI 数据高于预期 0.3 个百分点,会触发系统性抛售,这个预测要立即废弃。"

## 六、术语通俗解释

列出本文用到的所有专业术语(财报超预期、VWAP、Put/Call、ATR、暗池、IV Rank…),每个用 1-2 句通俗话解释,**默认读者是投资小白**。

## 七、数据来源

每一条数据后面用 [n] 标注来源(链接或机构名)。
1. SEC EDGAR 8-K 申报:URL
2. CNBC 盘后报道:URL
3. Bloomberg:URL
4. 期权扫描平台:URL

写作风格硬性要求

1. **每个专业术语第一次出现时,立即用括号给出口语解释**

  • 正确: "财报超预期(EPS 实际比分析师平均预期高)"
  • 错误: "公司 Q2 EPS beats consensus"

2. **每个数字必须标注单位、时点、来源**

  • 正确: "盘后股价 $208(2026-06-07 18:00 ET,Bloomberg)"
  • 错误: "盘后涨到 208"

3. **必须用图示**(mermaid 或 ascii),至少 1 个;最好 2-3 个(五维雷达、概率饼图、价格刻度尺) 4. **逻辑链必须能逆向追溯*

Read more
Ships withblog

AI,Opensource,Database,Business,Finance,Minds. git clone --depth 1 https://github.com/digoal/blog

Get the whole plugin

Other skills on blog.

a-stock-prediction
Skill

a-stock-prediction

A股个股次日(T+1)走势预测 skill。当用户输入A股股票代码(如 600519、000858、300750、688981、430090)或公司名称(如"贵州茅台"、"宁德时代"、"比亚迪"),并要求预测次日走势、给出交易计划、评估盈亏概率时,触发本…

@digoal@digoalInstall Skill
andres-freund-perspective
Skill

andres-freund-perspect…

PostgreSQL 核心 committer Andres Freund 的思维框架与表达方式。基于 6 个调研维度(著作、对话、表达 DNA、他者视角、决策、时间线) 共 2957 行 / 200 KB 一手资料的深度调研,提炼 6 个核心心智模型、10…

@digoal@digoalInstall Skill
article-fact-checker
Skill

article-fact-checker

三层审查模型,逐段逐句验证文章真伪、证据链与逻辑结构。Use when the user asks to fact-check, verify, audit, or evaluate the credibility of an article, essay,…

@digoal@digoalInstall Skill
axiom-explainer
Skill

axiom-explainer

Write Chinese Markdown articles for university students and adults with social experience that explain one viewpoint, axiom,…

@digoal@digoalInstall Skill
blog-cover-poster
Skill

blog-cover-poster

Turn a blog post, article, notes, or any source material into a set of vertical poster images — one cover plus several coherent…

@digoal@digoalInstall Skill