a-stock-data-quant 是一个整合版金融技能包，定位为「研究框架 + A股量化数据引擎 + 多市场数据层 + 研报写作工作流」。它同时提供可执行的取数/量化脚本与分场景的分析方法论，用于支撑股票、基金、ETF、指数、宏观、外汇、大宗商品、财报、估值、持仓交易、量化因子回测、期权衍生品等分析与研究任务。
【用途与覆盖范围】 技能覆盖的数据域包括：A股实时行情与K线、港股行情与K线、期货（18个主连品种）、期权（ETF与CFFEX指数期权）、宏观指标（CPI/PPI/GDP/M2/PMI/社融/LPR/SHIBOR/国债收益率）、北向资金、涨跌停与行业题材板块、龙虎榜与大宗交易、业绩预告/快报/披露计划、解禁/股东户数/增减持/回购/分红/新股与IPO日历、A股三大报表（利润表/资产负债表/现金流量表）、ETF与可转债列表及行情；另有备用数据源可提供集合竞价、公募基金全字段、特色数据、权威复权因子、全市场历史行情批量导出等能力。
【主要能力】
- 命令行取数与量化计算：通过 python3 bin/quant.py 提供综合分析、多股对比、多策略共振回测、实时行情、市场温度计、估值分位、热门股票/板块排行、板块成分股、资金流向、基本面快照、筹码分布等命令。
- 多市场数据层：通过 bin/cn/ 下的脚本提供港股行情、期货行情、期权链与PCR、宏观数据、北向资金、涨跌停、行业与题材、龙虎榜、大宗交易、公告事件、ETF与可转债等数据。
- 数据源多源降级：内置多层数据源（腾讯财经、东方财富、通达信、百度股市通、巨潮、同花顺、广发MCP、东方财富妙想AI等），首选链路失败时可降级。
- 研究方法论库：references/ 下按场景提供个股研究、业务模式、估值定价、护城河、管理层体检、同业比选、质量增长、财报前瞻与复盘、公告影响、事件催化、交易计划、仓位决策、持仓体检、止损纪律、板块轮动、市场主线、题材周期、资金流、机构持仓、宏观传导、政策影响、产业链、技术形态、异动归因、风险压力测试、因子研究、系统化策略、组合优化、期权策略、固定收益、外汇商品、分红回购、出海链、危机周期、投行建模等分析框架。
- 可执行工具脚本：scripts/price-action/ 含K线、谐波、波浪、缠论、一目、SMC、基础指标等技术分析信号引擎；scripts/quant/ 含配对、季节性、波动率、多因子、基本面、分钟级等量化策略引擎；scripts/ib/ 含DCF Excel校验与投行材料数字一致性工具。
- 研报写作工作流：references/research-workflows/ 下提供读年报、可比公司、深度报告、业绩快评、调研纪要、行业研究、晨会纪要、研报摘要等8个方法论模板，可据此产出结构化投资备忘录、估值倍数矩阵、深度研报、业绩点评、标准化纪要、行业全景报告、晨会材料和研报要点矩阵。
【使用方式】 先区分请求是「取数据」还是「给方法论/分析/输出」，多数请求需要先取数再分析。取数统一经 agentic_search 工具，委派时只给一句话检索意图（保留用户原始意图），不拆成字段清单或表格要求；工具不可用时用 WebSearch 兜底并标注来源与非实时性。分析类请求需按场景加载对应 reference，并遵循数据底线：前提显式、检索优先于记忆、禁止硬编码数据、时效校验、关键数据可追溯到来源+时间戳。输出时除非用户指定格式，分析型回答尽量产出 HTML 可视化文件。
【适用场景】 个股与板块研究、财报与事件解读、估值与定价、交易与持仓决策、市场主线与题材跟踪、资金与机构行为分析、宏观政策与产业链传导、技术形态识别、量化因子与策略回测、期权与跨资产分析、投行估值建模，以及日常投研简报与研报写作。
【限制与约束】 技能设定金融场景红线：禁止编造数据、禁止核心概念混淆、禁止数据自相矛盾；包含具体投资建议或操作价位的输出必须附加固定免责声明。同一数据域只走一条链路，不重复跑两套。深度数据域（集合竞价、公募基金全字段、特色数据、权威复权因子、批量导出等）依赖同花顺 hithink 备用源，仅在公共源不可用且用户明确同意后启用，不得越级使用。港股/美股行情在当前引擎侧覆盖有限，部分数据需备用源，具体可用范围与计费、价格信息暂未提供，需以实际环境探测为准。