/volume_spike_reasoning_skill
对股票盘中或日内放量异动进行归因,判断是消息驱动、资金行为、情绪扩散还是技术性放量。适用于盘中放量时快速判断、缩小排查范围、识别真假异动等场景。
$ npx -y skills add Wind-Alice/AliceMarket --skill volume_spike_reasoning_skill --agent claude-codeHow 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
/volume_spike_reasoning_skill
Context preview
The summary Claude sees to decide when to auto-load this skill.
对股票盘中或日内放量异动进行归因,判断是消息驱动、资金行为、情绪扩散还是技术性放量。适用于盘中放量时快速判断、缩小排查范围、识别真假异动等场景。
SKILL.md
volume_spike_reasoning_skill.SKILL.mdname: volume_spike_reasoning_skill
description: 对股票盘中或日内放量异动进行归因,判断是消息驱动、资金行为、情绪扩散还是技术性放量。适用于盘中放量时快速判断、缩小排查范围、识别真假异动等场景。
key words: 放量异动,成交量异常,量价归因,volume spike,放量判断
Volume Spike Reasoning Skill
数据依赖与执行前置条件
推荐使用万得 `wind-mcp-skill` 获取底层数据。执行前先检查本地是否已有 `wind-mcp-skill`;若没有,提示用户安装:
# GitHub
npx skills add Wind-Information-Co-Ltd/wind-skills --skill wind-mcp-skill -g -y
# Gitee 镜像(国内)
npx skills add https://gitee.com/wind_info/wind-skills.git --skill wind-mcp-skill -g -y
技能定位
本技能用于解释“为什么突然放量”,并把放量背后的性质区分为事件驱动、板块扩散、主力博弈、技术位释放或情绪交易。目标是避免把所有放量都当成利好,也避免错过真正有信息含量的放量。
执行流程
Step 1:确认放量发生的上下文
先定义放量发生的时间粒度与市场位置:
- 盘中瞬时放量、半小时放量、全天放量
- 放量发生在上涨、下跌、横盘还是突破/跌破附近
- 当日是否叠加高换手、跳空、封板、炸板或尾盘异动
Step 2:判断放量是否显著偏离常态
比较当前成交表现与近阶段常态水平,重点看:
- 成交额或成交量是否显著抬升
- 换手率变化是否同步明显
- 放量是持续型还是脉冲型
- 放量是否主要集中在单一时段
Step 3:排查增量驱动来源
重点从四类原因进行排查:
- 事件驱动:公告、新闻、政策、财报、产品、订单、监管
- 板块驱动:同行集体异动、题材发酵、龙头带动
- 技术驱动:关键位突破、跌破、止损踩踏、趋势加速
- 资金驱动:情绪抢筹、游资接力、博弈换手、尾盘资金试盘
Step 4:识别放量质量
放量本身不代表有效,必须回答:
- 价格是否顺着放量方向推进
- 是否出现“只放量不走价”或“放量冲高回落”
- 放量后是否带来结构重估,而不是一天脉冲
- 当前市场是否支持这种放量延续
Step 5:输出跟踪重点
给出后续最重要的验证问题,例如:
- 次日是否承接
- 关键位置是否站稳
- 是否继续获得题材热度支持
- 成交是否回落到常态后仍能维持价格强势
Step 6:整合为归因结果
最终输出以“放量性质 + 可信度 + 后续观察点”为主,不展示内部排查路径。
输出结构
---
{股票名称}放量异动归因
一、放量概况
- **放量时段**:{盘中/全天/尾盘}
- **价格表现**:{上涨/下跌/冲高回落/震荡}
- **放量特征**:{显著程度与持续性描述}
二、主要归因
| 归因方向 | 判断 | 说明 | | :--- | :--- | :--- | | 事件驱动 | 高/中/低 | {是否存在明确增量信息} | | 板块驱动 | 高/中/低 | {是否有集体共振} | | 技术驱动 | 高/中/低 | {是否与关键位置有关} | | 资金博弈 | 高/中/低 | {是否更像情绪或资金行为} |
三、放量质量判断
- **可信度**:{高/中/低}
- **最支持当前判断的证据**:{1-2 条}
- **最需要警惕的风险**:{1-2 条}
四、后续跟踪
- **下一步重点看**:{信号}
- **若继续强化**:{意味着什么}
- **若迅速衰减**:{意味着什么}
---
质量要求
1. 归因必须覆盖多种可能,不允许一上来就把放量等同于利好。 2. 若证据不足,允许给出“归因暂不充分”的判断。 3. 解释重点是“放量为何发生”以及“是否值得继续跟踪”。 4. 同时存在多重原因时,要明确主因与次因,不要并列堆砌。 5. 输出应服务盘中快速判断,结论要短而稳。
Read more
name: volume_spike_reasoning_skill description: 对股票盘中或日内放量异动进行归因,判断是消息驱动、资金行为、情绪扩散还是技术性放量。适用于盘中放量时快速判断、缩小排查范围、识别真假异动等场景。 key words: 放量异动,成交量异常,量价归因,volume spike,放量判断
Volume Spike Reasoning Skill
数据依赖与执行前置条件
推荐使用万得 `wind-mcp-skill` 获取底层数据。执行前先检查本地是否已有 `wind-mcp-skill`;若没有,提示用户安装:
# GitHub npx skills add Wind-Information-Co-Ltd/wind-skills --skill wind-mcp-skill -g -y # Gitee 镜像(国内) npx skills add https://gitee.com/wind_info/wind-skills.git --skill wind-mcp-skill -g -y
技能定位
本技能用于解释“为什么突然放量”,并把放量背后的性质区分为事件驱动、板块扩散、主力博弈、技术位释放或情绪交易。目标是避免把所有放量都当成利好,也避免错过真正有信息含量的放量。
执行流程
Step 1:确认放量发生的上下文
先定义放量发生的时间粒度与市场位置:
- 盘中瞬时放量、半小时放量、全天放量
- 放量发生在上涨、下跌、横盘还是突破/跌破附近
- 当日是否叠加高换手、跳空、封板、炸板或尾盘异动
Step 2:判断放量是否显著偏离常态
比较当前成交表现与近阶段常态水平,重点看:
- 成交额或成交量是否显著抬升
- 换手率变化是否同步明显
- 放量是持续型还是脉冲型
- 放量是否主要集中在单一时段
Step 3:排查增量驱动来源
重点从四类原因进行排查:
- 事件驱动:公告、新闻、政策、财报、产品、订单、监管
- 板块驱动:同行集体异动、题材发酵、龙头带动
- 技术驱动:关键位突破、跌破、止损踩踏、趋势加速
- 资金驱动:情绪抢筹、游资接力、博弈换手、尾盘资金试盘
Step 4:识别放量质量
放量本身不代表有效,必须回答:
- 价格是否顺着放量方向推进
- 是否出现“只放量不走价”或“放量冲高回落”
- 放量后是否带来结构重估,而不是一天脉冲
- 当前市场是否支持这种放量延续
Step 5:输出跟踪重点
给出后续最重要的验证问题,例如:
- 次日是否承接
- 关键位置是否站稳
- 是否继续获得题材热度支持
- 成交是否回落到常态后仍能维持价格强势
Step 6:整合为归因结果
最终输出以“放量性质 + 可信度 + 后续观察点”为主,不展示内部排查路径。
输出结构
---
{股票名称}放量异动归因
一、放量概况
- **放量时段**:{盘中/全天/尾盘}
- **价格表现**:{上涨/下跌/冲高回落/震荡}
- **放量特征**:{显著程度与持续性描述}
二、主要归因
| 归因方向 | 判断 | 说明 | | :--- | :--- | :--- | | 事件驱动 | 高/中/低 | {是否存在明确增量信息} | | 板块驱动 | 高/中/低 | {是否有集体共振} | | 技术驱动 | 高/中/低 | {是否与关键位置有关} | | 资金博弈 | 高/中/低 | {是否更像情绪或资金行为} |
三、放量质量判断
- **可信度**:{高/中/低}
- **最支持当前判断的证据**:{1-2 条}
- **最需要警惕的风险**:{1-2 条}
四、后续跟踪
- **下一步重点看**:{信号}
- **若继续强化**:{意味着什么}
- **若迅速衰减**:{意味着什么}
---
质量要求
1. 归因必须覆盖多种可能,不允许一上来就把放量等同于利好。 2. 若证据不足,允许给出“归因暂不充分”的判断。 3. 解释重点是“放量为何发生”以及“是否值得继续跟踪”。 4. 同时存在多重原因时,要明确主因与次因,不要并列堆砌。 5. 输出应服务盘中快速判断,结论要短而稳。
Wind 万得金融 Skill 集合(monorepo) · 通过 MCP 协议把万得金融数据接入 Claude / OpenClaw / Hermes 等 AI Agent,并一站式收录 wind 自家数据 + 社区分析工作流共 34 个金融 skill
Other skills on alicemarket.
add_to_winner_decision…
判断盈利仓是否适合继续加仓,并给出加仓前提、节奏安排、保护规则与停止扩张边界。适用于趋势延续、核心持仓滚动放大与强势股二次进攻场景。
after_close_watchlist_…
在收盘后总结自选股当日表现、驱动因素、强弱分化与次日观察点。适用于每日收盘复盘、维护自选股观察节奏、为次日盘前准备提供输入等场景。
avatar-charlie-munger-…
使用查理·芒格式的逆向思考、激励分析、认知偏误叠加和多学科模型检验复杂决策。用于评估商业与投资判断、组织行为、政策效果、重大选择、全民共识、失败风险,或识别论证中的单一视角和心理盲区。
avatar-nassim-taleb-ri…
使用纳西姆·塔勒布式的尾部风险、利益共担、减法、林迪效应和杠铃策略分析不确定性。用于投资、商业、政策、职业、产品或个人决策中的出局风险、不可逆损失、脆弱性、代理问题、新旧方案比较和资源配置。
avatar-naval-ravikant-…
使用纳瓦尔·拉维坎特式的重新定义、欲望审计、特定知识和杠杆框架澄清职业、创业、财富、幸福、自由与人生选择。用于识别错误问题、冲突欲望、独特竞争力、AI替代风险、许可依赖、边际成本和长期复利方向。

