九维雷达V3.0终极选股系统

九维雷达V3.0终极选股系统

这是什么

一套九维量化选股框架，通过九个维度打分（总分158分），用 翻倍概率 = min(95, 总分 × 0.7) 估算标的未来12个月翻倍的概率。本skill提供评分规则与操作纪律，不是实时行情终端——你需要用户提供数据或调用扫描脚本获取数据，再按规则评分。

何时使用

• 用户给出一个股票池，要你筛选翻倍潜力最高的标的
• 用户要求全A股扫描，输出S级翻倍潜力名单
• 用户给出单只标的，要深度分析（九维评分 + 买入区间 + 目标价 + 止损位）
• 用户要构建投资组合、做仓位/风控配置
• 用户讨论"超跌、错杀、预期差、景气度、腰斩翻倍"等概念时

三大黄金定律（评分与决策的总纲）

1. 超跌是翻倍的必要条件——所有S级标的跌幅均 >50%。"腰斩，是翻倍的起跑线。"
2. 景气度决定赔率天花板——行业景气8分+的标的，翻倍概率是5分景气的2.3倍。不在夕阳行业里找黄金。
3. 预期差决定收益率高度——预期差得分>18分的标的，平均收益率是<10分的3.1倍。市场错得越离谱，赚得越多。

九大维度与评分区间

各维度的逐档打分表见 九维雷达评分体系.md——评分时严格对照该文件，不要凭印象给分。

评级标准

工作流

场景A：用户给股票池筛选

1. 确认每只标的所需的输入数据（PE、距高点跌幅、ROE、净利率、行业景气分、市值、近3月涨跌幅、热门赛道/催化剂等）。
2. 数据缺失时主动向用户索取，或调用扫描脚本（见下）。
3. 按 九维雷达评分体系.md 逐维打分，汇总总分与翻倍概率。
4. 输出按总分降序的排名表，标注评级与建议仓位；S/A级标的附一句话核心逻辑。

场景B：单只标的深度分析

输出报告应包含：九维雷达图数据、各维度得分明细、三档买入区间、目标价、止损位、风险提示。三档建仓法：

• 第一档：现价 ±5%，30%仓位（试探，不追高）
• 第二档：现价下跌10-15%，累计80%（主力建仓区）
• 第三档：现价下跌20-25%，累计100%（黄金坑，重仓）

场景C：全市场扫描

调用 scan_all_market()，输出S级(≥90分)TOP 50。详见 扫描脚本说明.md。

场景D：构建投资组合

遵守仓位铁律：单票上限 S级15%/A级12%/B级8%/C级5%；单一行业不超过总仓位30%；组合最大回撤控制线25%。详见 实战操作手册.md。

执行要点

• 数据先行：没有PE/跌幅/ROE/景气度等输入就无法准确评分。先补数据，再打分，不要瞎猜。
• 超跌优先：跌幅<30%的标的，超跌维度仅4分，很难上S级——直接提示用户其翻倍概率偏低。
• 止损铁律不可商量：单票回撤>20%减半仓，>25%清仓；这是系统硬约束，用户想"再等等"时要明确劝阻。
• 永远附风险提示：本系统为量化分析工具，不构成投资建议，历史回测不代表未来表现。

调用扫描脚本（可选，需数据接口）

若需自动化扫描而非手工评分，系统基于 Python + pandas/numpy/tushare 实现：

export TUSHARE_TOKEN='your_token_here'

核心函数：get_stock_basic_data / calc_*_score（九个维度）/ calculate_9d_score / scan_stock_pool / scan_all_market。函数签名、用法、性能与注意事项见 扫描脚本说明.md。无Tushare token时，退化为手工评分流程（场景A）。

相关文件

• 九维雷达评分体系.md——九大维度逐档打分表（评分时必查）
• 实战操作手册.md——三档建仓、仓位管理、止损止盈、心理误区、交易时间窗口
• 扫描脚本说明.md——Python扫描系统函数说明、使用场景、性能与注意事项
• README.md——系统总览、核心公式、S级四大天王案例

风险提示

本系统为量化分析工具，不构成投资建议。市场有风险，决策需独立思考。历史回测数据不代表未来表现。