Astock Morning DAO

A股全维度早盘综合分析报告技能
基于宏观、政策、外围、资金、情绪、技术六维度的量化投资决策框架

---

📖 项目简介

Astock Morning DAO 是一个专为 A 股市场设计的早盘综合分析技能，基于顶尖投资机构的投研框架，构建了**"1+6"早报分析体系**：

• 1个总览技能：汇总六大维度，交叉验证，输出当日操作指导
• 6个维度技能：宏观、政策、外围市场、资金流向、市场情绪、技术面

核心特性

特性	说明
🎯 六维度覆盖	宏观、政策、外围、资金、情绪、技术全方位分析
⚖️ 加权评分	基于维度重要性的综合评分体系（0-100分）
🔍 交叉验证	多维度信号共振与矛盾识别
📊 量化输出	仓位建议、板块配置、操作计划、止损位
🎨 精美报告	深色金融风格 HTML 报告模板
🔧 易于扩展	模块化设计，支持自定义维度

---

🚀 快速开始

安装方法

方法一：直接下载（推荐）

1. 访问 Releases 页面
2. 下载 astock-morning-dao.skill 文件
3. 将技能文件导入到你的 AI 助手系统中

方法二：源码安装

# 克隆仓库
git clone https://github.com/laozdao/astock-morning-dao.git

# 进入目录
cd astock-morning-dao

# 打包技能（如需修改）
python scripts/package_skill.py .

使用方法

安装技能后，可以通过以下方式调用：

生成今天的全维度早盘报告
制作 2025-05-26 的综合分析报告
查看今日 A 股操作指导

---

📊 六维度分析框架

维度权重设计

维度	权重	优先级	核心功能
宏观	25%	⭐⭐⭐⭐⭐	周期定位、大方向判断
政策	25%	⭐⭐⭐⭐⭐	板块映射、受益/受损识别
资金	20%	⭐⭐⭐⭐⭐	热点确认、趋势验证
情绪	12%	⭐⭐⭐⭐	极端值预警、逆向信号
外围	10%	⭐⭐⭐	开盘指引、情绪传导
技术	8%	⭐⭐⭐	入场时机、关键点位

综合评分体系

综合评分	市场判断	仓位建议	风险偏好
80-100	强烈看多	80-100%	积极进攻
60-79	偏多	60-80%	稳健偏多
40-59	中性	40-60%	均衡配置
20-39	偏空	20-40%	防御为主
0-19	强烈看空	0-20%	空仓避险

---

📚 研究文档

本项目基于以下研究文档构建，详细阐述了六维度分析框架的理论基础和实践方法：

模型理论系列 (M Series)

文档	主题	说明
M01-03: 早盘分析框架	六维度融合决策模型	完整的框架设计和回测验证

方法论系列 (R Series)

文档	主题	说明
R04-01: 六维度研究方法论	从信息收集到投资决策	系统化的研究流程
R04-02: 资金流向量化	北向资金到主力动向	多维度资金监测体系
R04-03: 情绪指标构建	行为金融到量化交易	综合情绪指数 DEI
R04-04: 技术面量化	经典理论到现代量化	趋势、动量、形态识别

行业研究系列 (I Series)

文档	主题	说明
I09-01: 政策驱动分析	TMT行业政策量化框架	以 AI 产业为例

📖 完整研究文档库：Dao Quant Research

---

🏗️ 项目结构

astock-morning-dao/
├── SKILL.md                      # 技能定义文件
├── assets/
│   └── report-template.html      # HTML报告模板
├── docs/                         # 研究文档
│   ├── M01-03-morning-analysis-framework.md
│   ├── R04-01-six-dimension-methodology.md
│   ├── R04-02-capital-flow-quantification.md
│   ├── R04-03-sentiment-indicator-construction.md
│   ├── R04-04-technical-quantification.md
│   └── I09-01-policy-driven-analysis.md
├── .github/
│   └── workflows/
│       └── release.yml           # 自动发布工作流
├── LICENSE                       # 开源协议
├── CONTRIBUTING.md               # 贡献指南
└── README.md                     # 本文件

---

🎯 使用示例

示例 1：生成完整早盘报告

用户：生成今天的全维度早盘报告

系统：
┌─────────────────────────────────────────┐
│  A股全维度早盘综合报告 - 2025年5月26日   │
├─────────────────────────────────────────┤
│  综合评分: 78分（偏多）                  │
│  仓位建议: 60-80%                       │
│  风险等级: 中等                         │
├─────────────────────────────────────────┤
│  六维度信号:                            │
│  • 宏观: ↑多头 ⭐⭐⭐⭐ 复苏拐点确立      │
│  • 政策: ↑利好 ⭐⭐⭐⭐⭐ AI政策发布       │
│  • 外围: ↑利好 ⭐⭐⭐ 美股小幅上涨        │
│  • 资金: ↑流入 ⭐⭐⭐⭐ 北向+80亿         │
│  • 情绪: →乐观 ⭐⭐⭐ 赚钱效应良好        │
│  • 技术: ↑多头 ⭐⭐⭐⭐ 多头排列          │
├─────────────────────────────────────────┤
│  板块配置:                              │
│  • 重点配置: AI算力 40%                 │
│  • 积极配置: 医药 25%                   │
│  • 观察配置: 新能源 15%                 │
└─────────────────────────────────────────┘

示例 2：操作指导输出

当日操作指导:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📈 市场方向: 偏多，震荡上行
📊 综合评分: 78/100
💰 仓位建议: 60-80%（偏多配置）
⚠️  风险等级: 中等

板块配置策略:
┌──────────┬──────────┬────────────────┬────────┐
│ 配置方向  │ 板块      │ 逻辑            │ 仓位   │
├──────────┼──────────┼────────────────┼────────┤
│ 重点配置  │ AI算力    │ 政策+资金+技术共振 │ 40%   │
│ 积极配置  │ 医药      │ 北向加仓+超跌   │ 25%   │
│ 观察配置  │ 新能源    │ 超跌反弹        │ 15%   │
│ 规避板块  │ 银行地产  │ 资金流出        │ 0%    │
└──────────┴──────────┴────────────────┴────────┘

关键点位:
• 压力位: 3180
• 支撑位: 3120
• 止损位: 跌破3100减仓50%

---

🔬 理论基础

本项目基于以下核心理论构建：

1. 多因子模型理论

参考 Fama-French 多因子模型，将市场收益分解为多个维度：

$$R_i = \alpha + \sum_{j=1}^{6} \beta_j F_j + \epsilon$$

其中 $F_j$ 代表六个维度的因子暴露。

2. 行为金融学

基于 Kahneman 和 Tversky 的前景理论，识别投资者情绪偏差：

• 过度自信导致的过度交易
• 损失厌恶导致的止损犹豫
• 羊群效应导致的趋势强化

3. 市场微观结构

分析订单流、资金流向对价格形成的影响：

• 北向资金的"聪明钱"效应
• 主力资金的板块轮动引导
• 散户情绪的逆向指标价值

---

🤝 贡献指南

我们欢迎社区贡献！请参考 CONTRIBUTING.md 了解如何：

• 提交 Bug 报告
• 提出新功能建议
• 提交代码改进
• 完善文档

贡献者

---

📄 开源协议

本项目采用 MIT License 开源协议，允许：

• ✅ 商业使用
• ✅ 修改
• ✅ 分发
• ✅ 私人使用

唯一要求：保留版权声明。

---

🙏 致谢

• Dao Quant Research - 研究文档支持
• Trae Solo - AI 开发平台支持

---

📞 联系我们

• GitHub Issues: 提交问题
• Email: laozdao@126.com

---

⚠️ 免责声明
本项目仅供学习研究交流，不构成任何投资建议。股市有风险，投资需谨慎。

_{© 2026 [laozdao (老子道)](https://laozdao.github.io/) · Dao Quant Research}