A股个股异动归因分析，自动识别股票代码并输出结构化解读报告，聚焦涨跌原因、大盘影响、板块共振、公司事件与机构验证。触发词：异动分析、为什么涨、为什么跌、拉升、跳水、盘中异动。
⚡ 个股异动分析
功能概述
⚡ 个股异动分析是一项面向实际任务的技能，主要用于面向 A 股个股异动归因分析，聚焦上涨下跌原因、大盘影响、板块共振、公司事件与机构验证；基于今日投资金融数据接口，自动识别股票代码并输出结构化异动解读报告；
核心要点
- 用户询问某只股票今天为什么涨、为什么跌、为什么突然拉升或跳水；
- 用户希望区分本次异动更偏大盘带动、板块共振还是公司自身催化；
- 用户想知道“这次异动有没有消息面支持”“是不是只是情绪扰动”；
使用与执行
关键词：异动分析、为什。它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
结果检查与注意事项
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。
⚡ 个股异动分析
面向 A 股个股异动归因分析，聚焦上涨下跌原因、大盘影响、板块共振、公司事件与机构验证。基于今日投资金融数据接口，自动识别股票代码并输出结构化异动解读报告。
触发场景
- 用户询问某只股票今天为什么涨、为什么跌、为什么突然拉升或跳水
- 用户希望区分本次异动更偏大盘带动、板块共振还是公司自身催化
- 用户想知道“这次异动有没有消息面支持”“是不是只是情绪扰动”
- 关键词：异动分析、为什么涨、为什么跌、拉升、跳水、盘中异动、大盘带动、板块共振、事件驱动
输入示例
示例 1：上涨原因
浪潮信息今天为什么涨？
示例 2：下跌原因
宁德时代这波下跌是市场原因还是公司自己的问题？
示例 3：盘中异动
帮我看一下中际旭创刚才那波拉升靠什么驱动。
💡 支持输入股票名称或 6 位股票代码。若用户只提供名称，先通过
search识别标的，再进入异动归因流程。若用户想系统梳理近阶段消息面或解读相关新闻，优先使用股票消息解读。
前置依赖
本 Skill 依赖 investoday-finance-data（今日投资金融数据）Skill 获取实时金融数据。
基础 API 调用与底层执行方式统一以该 Skill 为准，业务 Skill 不重复展开底层接入细节。
工具说明
以下为本 Skill 通过 investoday-finance-data 使用的数据接口。在 System Prompt 中以 工具ID 标识调用。
基础工具
| 工具名称 | 工具ID | 方法 | 说明 |
|---|---|---|---|
| 综合标的搜索 | search |
GET | 通过关键字搜索股票代码 |
| 股票基本信息 | stock/basic-info |
GET | 获取股票名称、行业、主营业务等基础信息 |
行情与市场工具
| 工具名称 | 工具ID | 方法 | 说明 |
|---|---|---|---|
| 沪深京实时行情 | stock-quote/realtime-merge |
GET | 获取个股最新行情及所属行业、概念表现 |
| 指数实时行情 | index-quote/realtime |
POST | 获取主要宽基指数最新涨跌幅，用于判断市场环境 |
事件与验证工具
| 工具名称 | 工具ID | 方法 | 说明 |
|---|---|---|---|
| 实体相关新闻 | news/entity-related |
GET | 获取公司或行业相关新闻 |
| 研报舆情 | research/sentiment |
POST | 获取近期机构观点与情绪验证 |
| 上市公司公告 | announcements |
GET | 获取公司公告与正式事件披露 |
数据获取流程
用户提供股票名称或代码后，Agent 按以下流程获取数据：
- Step 0：标的识别（如用户输入名称而非代码）：工具ID
search，参数key=<股票名称> type=11 - Step 1：股票基本信息：工具ID
stock/basic-info，参数stockCode= - Step 2：个股实时行情：工具ID
stock-quote/realtime-merge，参数stockCode= - Step 3：指数实时行情：工具ID
index-quote/realtime(POST)，参数indexCodes=000300 indexCodes=<动态指数> - Step 4：公司维度新闻（近30天）：工具ID
news/entity-related，参数stockCode=beginTime=<30天前> endTime=<当前时间> newsType=3 pageNum=1 pageSize=3 - Step 5：行业维度新闻（近30天）：工具ID
news/entity-related，参数stockCode=beginTime=<30天前> endTime=<当前时间> newsType=2 pageNum=1 pageSize=3 - Step 6：研报舆情（近60天）：工具ID
research/sentiment(POST)，参数stockCode=beginTime=<60天前> endTime=<当前时间> pageNum=1 pageSize=5 - Step 7：上市公司公告（近30天）：工具ID
announcements，参数stockCode=beginDate=<30天前> endDate=<今天> pageNum=1 pageSize=10
动态指数规则：沪市主板优先配
000001，深市主板优先配399001，创业板优先配399006，科创板优先配000688，北交所优先配899050。完成 Step 0 后，Step 1-7 可并行调用。
分析框架（5步）
Agent 获取数据后，按以下 5 步框架进行结构化分析：
Step 1：确认异动方向与强弱
目标：先判断本次异动是上涨、下跌还是高波动震荡，并确认异动强度。
数据来源：stock-quote/realtime-merge
分析要点：
- 当前涨跌幅、成交额、日内高低点、量价状态
- 个股相对自身近阶段表现是否属于异常波动
- 若仅为窄幅震荡，不应硬写成强异动
输出：异动方向、强弱与初步判断。
Step 2：判断大盘环境影响
目标：判断本次异动是否主要受市场整体风险偏好驱动。
数据来源：index-quote/realtime + stock-quote/realtime-merge
分析要点：
- 主要指数是否与个股同向波动
- 个股涨跌幅与宽基指数差值是否明显
- 若个股与指数同向且强弱接近，优先考虑大盘带动
输出：大盘影响强弱与市场环境结论。
Step 3：判断板块共振程度
目标：判断个股异动是否来自行业或概念板块联动。
数据来源：stock-quote/realtime-merge + news/entity-related
分析要点：
- 所属行业、概念板块是否同步走强或走弱
- 行业新闻是否提供清晰催化
- 若行业与个股方向一致且幅度接近，优先归因为板块共振
输出：板块共振强弱与主要板块催化。
Step 4：判断公司自身因素
目标：识别是否存在公司层面的新闻、公告或机构验证。
数据来源：news/entity-related + announcements + research/sentiment
分析要点：
- 近 30 天是否有公告、重大合同、业绩预告、监管事项等正式事件
- 公司新闻是否与异动时间和方向一致
- 近期研报是否强化或弱化本次异动逻辑
输出：公司自身催化/利空、机构验证与证据强度。
Step 5：形成主导归因结论
目标：综合大盘、板块、公司三个层级，给出主导驱动因素排序。
数据来源：前 4 步分析结果汇总
分析要点：
- 主因属于大盘带动、板块共振、公司事件还是多因素共振
- 当前判断属于“明确”“初步”还是“待验证”
- 后续应重点跟踪公告、新闻发酵、板块持续性还是市场情绪
输出：异动主导因素、判断置信度与跟踪重点。
策略逻辑汇总
| 信号组合 | 含义 | 判断 |
|---|---|---|
| 个股与主要指数同向，且涨跌幅差值 ≤ 1 个百分点 | 市场环境驱动较强 | 📊 中性 |
| 个股与所属行业同向，且涨跌幅差值 ≤ 1.5 个百分点 | 板块共振特征明显 | 🟡 关注 |
| 个股相对所属行业强/弱 ≥ 2 个百分点 | 公司自身因素权重提升 | ✅ 积极 |
| 近 3 个交易日内存在正式公告且方向一致 | 公司事件驱动增强 | ✅ 积极 |
| 公司新闻与公告均缺失，仅指数和行业同向 | 更偏大盘或板块驱动 | 📊 中性 |
| 指数偏弱但个股逆势上涨 ≥ 2 个百分点 | 逆势异动，需重点找公司催化 | 🟡 关注 |
| 指数偏强但个股逆势下跌 ≥ 2 个百分点 | 个股承压更强，警惕负面事件 | ⚠️ 警惕 |
| 负面公告/新闻时间距离当前 ≤ 3 个交易日 | 异动更可能是事件冲击 | 🔴 高风险 |
| 研报舆情与异动方向一致 | 机构验证较强 | ✅ 积极 |
| 研报舆情与异动方向相反或明显分歧 | 当前逻辑仍待验证 | ⚠️ 警惕 |
输出格式
# ⚡ [股票名称] 异动分析报告 > 分析日期：YYYY-MM-DD | 数据来源：今日投资 ## 一、异动结论 （先写本次异动是上涨/下跌/震荡放大，以及主导因素判断） ## 二、异动概览 （最新涨跌幅、成交额、行业表现、概念表现等） ## 三、大盘环境影响 （指数是否同向、市场环境是否明显带动） ## 四、板块与行业共振 （行业/概念是否同步，是否存在板块催化） ## 五、公司自身因素 （公告、新闻、研报验证与主要事件） ## 综合结论 - 3-5 条核心发现 - 明确主导因素与判断置信度 - 给出后续需跟踪的验证点
证据约束（必须遵守）
- 每个异动归因结论至少给出 2 个证据来源，优先使用行情 + 事件/公告组合
- 不允许只写“受消息刺激上涨/下跌”，必须说明是哪类消息、时间窗口和方向一致性
- 时间口径必须写清楚，如“近30天新闻”“近60天研报”“今日盘中行情”
- 不展示内部打分、排序分值或未公开的中间推理
- 若某类数据为空，只能写“暂无相关数据”或“暂不足以支持判断”，不得补充臆测
- 不给买卖建议、目标价、止损价、仓位建议或交易时点
- 若多种因素同时存在，必须明确主次，不得笼统写成“多重利好/利空”而不给排序
执行示例
用户说：“中际旭创今天为什么跌？”
- 通过
search获取股票代码 - 并行调用
stock/basic-info、stock-quote/realtime-merge、index-quote/realtime、公司/行业新闻、research/sentiment与announcements - 先判断异动方向，再拆解大盘、板块和公司层面的驱动因素
- 输出 Markdown 格式异动分析报告
- 在结尾给出主导归因与后续验证点
安全与隐私
- 仅通过今日投资 API 查询公开市场数据
- 不记录、不存储用户的查询记录
- 分析结论仅供参考，不构成投资建议
相关专题
本专题从实际API接口调试场景出发，讲解Postman身份认证的完整配置流程，包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查，帮助用户正确完成接口授权与访问验证。
2026.11.06
0
12
围绕Postman HTTP请求头配置展开，讲解Headers选项的具体使用方式，包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法，帮助用户解决接口调试过程中遇到的请求头配置问题。
2026.11.06
0
13
详细介绍Postman接口请求的创建与发送方法，涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看，帮助用户掌握Postman接口请求的完整操作流程。
2026.11.06
0
10
DBeaver数据导入专题，整理Excel、CSV、SQL、TXT等常见文件的数据导入方法，涵盖目标数据库选择、数据表创建、字段映射、数据类型设置及导入参数配置等操作，帮助用户将本地文件中的数据写入数据库，并了解批量导入、重复数据处理和导入失败等常见问题的解决方法。
2026.11.05
0
12
DBeaver安全防护专题，围绕数据库连接安全、账号密码保护和访问权限管理展开，整理SSL/TLS加密连接、SSH隧道、数据库凭据保存及证书验证等配置方法，同时介绍敏感信息保护、远程连接风险和高权限账号使用等注意事项，帮助用户提高数据库日常管理的安全性。
2026.11.05
0
12
本专题聚焦DBeaver数据库连接配置与管理，覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库，整理相应的连接设置方法，并提供驱动缺失、认证失败和连接异常等问题的排查方向。
2026.11.04
0
16
本专题围绕XORM框架的结构体映射展开，说明表名与字段的命名策略、xorm标签常用属性、主键自增与时间字段自动填充，并演示Sync2自动建表、增量字段升级、索引声明与反向生成结构体的完整流程。
2026.11.04
0
15
本专题聚焦XORM框架的配置与连接环节，拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择，讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式，并补充容器与兼容数据库的适配经验。
2026.11.04
0
15
本专题聚焦XORM框架的配置与连接环节，拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择，讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式，并补充容器与兼容数据库的适配经验。
2026.11.04
0
16
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134.3万人学习
共49课时 | 82.7万人学习
