⚡

// Skill profile

港股日内交易复盘技能

Name: 港股日内交易复盘技能
Author: aidalong

1. [核心交易逻辑](#核心交易逻辑重要)

by aidalong · published 2026-04-01

日历管理数据处理

Total installs

Stars

★ 0

Last updated

2026-04

// Install command

$ claw add gh:aidalong/aidalong-hk-intraday-trading

View on GitHub

// Full documentation

# 港股日内交易复盘技能

核心交易逻辑（重要！）

**盘前选股 → 盘中执行 → 盘后复盘**

交易执行规则

1. **盘前**：给出选股信息（目标买入价、目标卖出价、止损价）

2. **默认按选股信息交易**：不干预，默认会成交

3. **盘中**：

- 触发买入价 → 成交买入

- 买入后触发止损价 → 触发止损，卖出

- 买入后触发卖出价 → 触发止盈，卖出

- 没有触发买入价 → 不买入（没有成交）

4. **盘后复盘**：根据实际价格走势判断结果

复盘结果（只有3种）

| 结果 | 说明 | 触发条件 |

|------|------|----------|

| **没有成交** | 未触发买入价，未买入 | 最低价 > 目标买入价 |

| **买入后止损** | 触发止损价卖出 | 最低价 <= 买入价 AND 最低价 <= 止损价 |

| **买入后卖出** | 触发卖出价止盈 | 最低价 <= 买入价 AND 最高价 >= 卖出价 |

> **注意**：自动复盘系统会自动根据当日行情判断结果，无需手动记录

---

选股策略

选股时间

**盘前选股**：每个交易日上午 09:15-09:25（港股开盘前）

**选股时机**：在开盘前完成选股，给出交易计划

**定时任务**：建议设置 cron 任务在每个交易日的 09:15 执行选股

数据源

#### 可用数据源列表

| 数据源 | 状态 | 测试日期 | 说明 |

|--------|------|----------|------|

| **东方财富 API** | ✅ 可用 | 2026-03-13 | 免费，无需 API Key，稳定可靠 |

| **腾讯财经 API** | ✅ 可用 | 2026-03-13 | 免费，直接 HTTP 请求 |

| **easyquotation 库** | ✅ 可用 | 2026-03-13 | 封装腾讯财经 API，易于使用 |

| **finance-data skill** | ⚠️ 不适用 | - | 仅提供历史数据，不适合实时选股 |

#### 1. 东方财富 API（推荐）

**接口地址**：`https://push2.eastmoney.com/api/qt/stock/get`

**接口参数**：

- `secid=116.{股票代码}` （116 代表港股）

- `fields=f43,f44,f45,f46,f47,f48,f60,f169,f170,f171,f177`

**返回字段说明**：

| 字段 | 说明 |

|------|------|

| f43 | 当前价格（需除以1000） |

| f44 | 最高价（需除以1000） |

| f45 | 最低价（需除以1000） |

| f47 | 成交量 |

| f170 | 涨跌幅（需除以100） |

| f177 | 振幅（需除以100） |

**测试命令**：

curl -s "https://push2.eastmoney.com/api/qt/stock/get?secid=116.00700&fields=f43,f44,f45,f170,f177,f47"

**测试结果**：

{"data": {"f43": 545500, "f44": 551500, "f45": 543500, "f47": 2895136, "f170": -18, "f177": 384}}

✅ 解析：价格 545.5港元，涨跌幅 -1.8%，振幅 3.84%

#### 2. 腾讯财经 API（备用）

**接口地址**：`https://qt.gtimg.cn/q=hk{股票代码}`

**特点**：免费，稳定，返回数据格式特殊需要解析

**测试命令**：

curl -s "https://qt.gtimg.cn/q=hk00700"

**测试结果**：✅ 可用，返回包含价格、涨跌幅、成交量等数据

#### 3. easyquotation 库（推荐）

**安装**：`pip install easyquotation`

**使用**：

import easyquotation
quote = easyquotation.use('hkquote')
data = quote.stocks(['00700', '09988'])

**测试结果**：

✅ easyquotation 可用: 
  00700 腾讯控股: price=545.0, Pchange=-1.5, Amp=1.46
  09988 阿里巴巴: price=132.2, Pchange=0.6, Amp=1.67

#### 4. finance-data skill

**结论**：⚠️ 不适用于日内交易实时选股

**原因**：该 skill 主要提供历史数据查询（港股日线、分钟线），不适合实时数据获取

**适用场景**：盘后复盘获取历史 K 线数据

#### 数据源选择建议

1. **首选**：东方财富 API - 直接 HTTP 请求，无需额外依赖

2. **备选**：easyquotation 库 - 封装良好，易于使用

3. **备用**：腾讯财经 API - 直接请求腾讯接口

4. **不使用**：finance-data skill（仅历史数据）

选股指标

基于以下指标进行选股：

1. **涨跌幅 (Pchange)**

- 最佳范围：-2.0% ~ +1.5%

- 理由：日内交易需要波动，但涨幅不能太大否则没有空间

2. **振幅 (Amp)**

- 最佳范围：2.0% ~ 4.0%

- 理由：振幅太小没有交易空间，振幅太大风险高

3. **成交量 (amount)**

- 最小要求：300万股以上

- 理由：流动性要好，便于买入和卖出

4. **技术指标**

- RSI：30-70 之间最佳

- 行业偏好：科技股 +8分，金融股 +5分

选股流程

# 伪代码
1. 获取股票池（25只主流港股）
2. 调用东方财富API获取实时数据
3. 过滤条件：
   - 涨跌幅 > -3%
   - 振幅 >= 1%
   - 成交量 >= 300万
   - RSI 在 30-70 之间
4. 对满足条件的股票进行评分
5. 按评分排序，选出最高分的股票
6. 计算交易价格（买入价、卖出价、止损价）
7. 生成交易计划并推送

评分体系

总分 100 分，各指标分配：

| 指标 | 分数范围 | 评分规则 |

|------|----------|----------|

| 涨跌幅 | 0-30分 | -2%~+1.5%得25分，+1.5%~+3%得18分，-3%~-2%得15分 |

| 波动性 | 0-25分 | 2%~4%振幅得20分，1.5%~2%得15分 |

| 流动性 | 0-15分 | 成交量越高分数越高 |

| 技术面 | 0-20分 | RSI在40-60得15分，行业加成 |

| 综合 | 0-10分 | 数据完整性奖励 |

**评分 >= 75**：强烈买入信号

**评分 65-74**：关注

**评分 55-64**：持有

**评分 < 55**：观望

---

交易价格计算策略

价格计算公式

基于股票的振幅（ATR）计算交易价格：

# 输入参数
current_price = 当日收盘价或当前价
atr_pct = 振幅 / 100  # 转换为小数

# 根据评分确定目标收益和止损比例
if score >= 80:
    target_gain_pct = atr_pct * 0.8    # 目标获取80%振幅
    stop_loss_pct = atr_pct * 0.4      # 止损40%振幅
elif score >= 70:
    target_gain_pct = atr_pct * 0.6
    stop_loss_pct = atr_pct * 0.5
elif score >= 60:
    target_gain_pct = atr_pct * 0.5
    stop_loss_pct = atr_pct * 0.6
else:
    target_gain_pct = atr_pct * 0.4
    stop_loss_pct = atr_pct * 0.7

# 计算交易价格
buy_price = round(current_price * 0.995, 3)    # 比当前价低0.5%买入
sell_target = round(current_price * (1 + target_gain_pct), 3)  # 卖出目标
stop_loss = round(current_price * (1 - stop_loss_pct), 3)      # 止损价格

# 风险收益比
risk_reward_ratio = target_gain_pct / stop_loss_pct

价格计算原则

1. **买入价**：比当前价低 0.5%，给市场调整空间

2. **卖出目标**：根据评分和振幅计算，评分越高，目标收益越高

3. **止损价格**：评分越高，止损越紧（但不超过振幅的 70%）

4. **风险收益比**：至少 1:1，最好 1.5:1 以上

---

复盘策略

复盘时间

**盘后复盘**：每个交易日下午 16:30（港股收盘后）

**定时任务**：建议设置 cron 任务在每个交易日的 16:30 执行复盘

复盘数据

需要获取以下数据：

1. **交易计划数据**（选股时生成）

- 股票代码

- 目标买入价

- 目标卖出价

- 止损价

- 选股评分

2. **当日实际行情数据**（从东方财富 API 获取）

- 最高价

- 最低价

- 收盘价

- 涨跌幅

- 振幅

复盘逻辑

**自动判断**：根据当日行情自动判断交易结果，无需手动输入

**结果类型（只有3种）**：

| 结果 | 说明 | 触发条件 |

|------|------|----------|

| **没有成交** | 未触发买入价，未买入 | 最低价 > 目标买入价 |

| **买入后止损** | 触发止损价卖出 | 最低价 <= 买入价 AND 最低价 <= 止损价 |

| **买入后卖出** | 触发卖出价止盈 | 最低价 <= 买入价 AND 最高价 >= 卖出价 |

**自动判断脚本**：

# 自动复盘（默认昨天）
python scripts/auto_review.py

# 指定日期复盘
python scripts/auto_review.py --date 2026-03-13

**自动判断流程**：

1. 读取昨日选股结果（包含买入价、卖出价、止损价）

2. 获取当日实际行情（最高价、最低价、收盘价）

3. 自动判断结果类型并计算收益

4. 更新 performance_tracking.json

5. 生成复盘报告

**判断逻辑**：

# 自动判断伪代码
if 最低价 <= 目标买入价:
    # 触发了买入
    if 最高价 >= 目标卖出价:
        result = "sell_achieved"  # 买入后卖出（止盈）
    elif 最低价 <= 止损价:
        result = "stop_loss"      # 买入后止损
    else:
        result = "sell_achieved"  # 持有到收盘，按收盘价计算收益
else:
    # 没有触发买入价
    result = "no_buy"  # 没有成交

复盘结果判定

| 结果 | 触发条件 | 记录方式 |

|------|----------|----------|

| **没有成交** | 最低价 > 目标买入价 | `no_buy` |

| **买入后止盈** | 最低价 <= 买入价 AND 最高价 >= 卖出价 | `sell_achieved` |

| **买入后止损** | 最低价 <= 买入价 AND 最低价 <= 止损价 | `stop_loss` |

> 注：`hold_to_close`（持有到收盘）归入 `sell_achieved` 的边界情况，最终统计时归为止盈未触发。

策略优化

根据复盘结果，反推选股策略问题：

#### 1. 如果 "没有成交" 居多

**问题诊断**：

目标买入价设置过低

开盘前选股时数据不完整

选股时间过早

**优化建议**：

调整买入价为当前价的 99% 而不是 99.5%

延后选股时间到 10:00 后（等数据稳定）

增加选股数量，分散风险

#### 2. 如果 "止损" 居多

**问题诊断**：

选的股票日内走势向下

止损设置过紧

振幅计算不准确

**优化建议**：

增加选股时的趋势判断（涨跌幅为正更好）

放宽止损到 1.5%-2%

使用更可靠的数据源（避免错误数据导致策略失效）

#### 3. 如果 "止盈" 居多

**问题诊断**：

选的股票日内走势向上

止损设置合理

**优化建议**：

保持当前策略

可以适当提高止盈目标

---

飞书消息推送

配置方法

#### 1. 飞书机器人 Webhook

1. 在飞书群聊中添加自定义机器人

2. 获取 Webhook 地址（格式：`https://open.feishu.cn/open-apis/bot/v2/hook/{webhook_id}`）

3. 将 Webhook 地址配置到 `feishu_config.json`：

{
  "enabled": true,
  "webhook_url": "https://open.feishu.cn/open-apis/bot/v2/hook/xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx",
  "secret": "your_secret_key",
  "notify_types": {
    "selection": true,
    "review": true,
    "error": true
  },
  "message_format": "rich"
}

#### 2. OpenClaw 飞书配置

在 OpenClaw 中配置飞书应用

确保应用有发送消息的权限

获取 `app_id` 和 `app_secret`

推送格式

#### 选股结果推送（富文本格式）

{
  "msg_type": "post",
  "content": {
    "post": {
      "zh_cn": {
        "title": "🎯 港股选股结果",
        "content": [
          [
            {"tag": "text", "text": "🏆 首选股票："},
            {"tag": "text", "text": "00700 腾讯控股", "bold": true}
          ],
          [
            {"tag": "text", "text": "💰 交易计划："}
          ],
          [
            {"tag": "text", "text": "买入价："},
            {"tag": "text", "text": "¥380.50", "color": "blue"}
          ],
          [
            {"tag": "text", "text": "卖出目标："},
            {"tag": "text", "text": "¥390.00 (+2.5%)", "color": "green"}
          ],
          [
            {"tag": "text", "text": "止损价："},
            {"tag": "text", "text": "¥375.00 (-1.5%)", "color": "red"}
          ],
          [
            {"tag": "text", "text": "风险收益比："},
            {"tag": "text", "text": "1.67:1"}
          ]
        ]
      }
    }
  }
}

#### 复盘结果推送（富文本格式）

{
  "msg_type": "post",
  "content": {
    "post": {
      "zh_cn": {
        "title": "📊 港股复盘报告",
        "content": [
          [
            {"tag": "text", "text": "📈 交易统计："}
          ],
          [
            {"tag": "text", "text": "• 买入达成：1/1 (100%)"}
          ],
          [
            {"tag": "text", "text": "• 卖出达成：1/1 (100%)"}
          ],
          [
            {"tag": "text", "text": "• 止损触发：0/1 (0%)"}
          ],
          [
            {"tag": "text", "text": "✅ 选股策略评价："}
          ],
          [
            {"tag": "text", "text": "今日策略表现良好，选中的股票成功触发止盈"}
          ]
        ]
      }
    }
  }
}

定时任务

#### 选股任务（每个交易日 09:15）

# OpenClaw cron 配置
cron:
  - name: "港股早盘选股"
    schedule: "0 15 * * 1-5"  # 周一至周五 09:15
    command: "python /path/to/hk_best_picker_real_fixed.py"
    on_success:
      - type: feishu
        message: "选股结果消息"

#### 复盘任务（每个交易日 16:30）

# OpenClaw cron 配置
cron:
  - name: "港股收盘复盘"
    schedule: "0 30 * * 1-5"  # 周一至周五 16:30
    command: "python /path/to/scripts/auto_review.py"
    on_success:
      - type: feishu
        message: "复盘报告消息"

推送触发条件

| 消息类型 | 触发条件 | 推送时间 |

|----------|----------|----------|

| 选股结果 | 每日开盘前 | 09:15-09:25 |

| 选股异常 | 选股失败时 | 立即推送 |

| 复盘结果 | 每日收盘后 | 16:30-16:45 |

| 策略预警 | 连续3天选股失败 | 立即推送 |

---

文件结构

hk-intraday-trading/
├── SKILL.md                    # 技能说明文档
├── template.md                 # 报告模板
├── data/
│   ├── strategy_config.json    # 策略配置
│   └── performance_tracking.json  # 性能追踪数据
├── scripts/
│   ├── hk_simple_picker.py     # 选股脚本（生成交易价格）
│   ├── auto_review.py          # 自动复盘脚本 ⭐
│   ├── review_analyzer.py      # 复盘分析器
│   ├── trading_cli.py          # 交易CLI工具
│   └── ...
├── output/
│   ├── picks/                  # 选股结果
│   │   ├── picks_YYYY-MM-DD.json
│   │   └── picks_report_YYYY-MM-DD.md
│   ├── reviews/                # 复盘报告 ⭐
│   │   └── review_YYYY-MM-DD.md
│   └── 复盘分析_YYYY-MM-DD.md
└── examples/
    └── sample_report_YYYY-MM-DD.md

核心脚本

| 脚本 | 用途 | 运行时间 |

|------|------|----------|

| `hk_simple_picker.py` | 盘前选股，生成交易价格 | 交易日 09:15 |

| `auto_review.py` | 盘后自动复盘，判断结果 | 交易日 16:30 |

更新日志

2026-03-14：实现自动复盘功能，无需手动记录结果；选股器现在生成交易价格

2026-03-13：移除旧版内容，统一报告格式；修复数据源逻辑，数据失败直接返回失败

2026-03-06：创建技能，包含完整的复盘报告模板

2026-03-05：参考用户提供的格式模板优化结构

2026-03-04：基于实际交易复盘需求设计

注意事项

1. 所有价格单位均为港元

2. 时间使用北京时间（GMT+8）

3. 百分比计算保留两位小数

4. 报告生成后建议保存到指定目录归档

5. 数据源获取失败时，直接返回错误，不使用假数据

// Comments

// Related skills

More tools from the same signal band

Order food/drinks (点餐) on an Android device paired as an OpenClaw node. Uses in-app menu and cart; add goods, view cart, submit order (demo, no real payment).

Sign plugins, rotate agent credentials without losing identity, and publicly attest to plugin behavior with verifiable claims and authenticated transfers.

The philosophical layer for AI agents. Maps behavior to Spinoza's 48 affects, calculates persistence scores, and generates geometric self-reports. Give your...

日历管理数据处理

1 installs★ 0