Dexter Research - A股自主金融研究

核心能力

输入股票代码或名称，自动完成：

1. 数据收集：财务指标(80指标)、资金流向、K线、行业信息
2. 量化评分：盈利能力/成长性/财务健康/现金流四维评分
3. 研报生成：结构化JSON + 飞书推送摘要
4. Mari总结：深度解读，补充行业对比与投资逻辑

数据源

依赖

pip install -r requirements.txt

必需依赖：akshare, requests, pandas, numpy

环境变量配置

飞书推送功能需要配置以下环境变量：

配置方式：

export FEISHU_APP_ID=your_app_id
export FEISHU_APP_SECRET=your_app_secret
export FEISHU_USER_OPEN_ID=ou_xxxxxxxx  # 可选

> ⚠️ 凭证必须从环境变量读取，严禁硬编码在代码中。

执行流程

用户: "分析贵州茅台"
         ↓
Step 1 - 执行数据收集脚本
    python3 scripts/research.py <股票代码>
         ↓
Step 2 - 脚本输出:
    - 飞书推送财务摘要（含评分）
    - /root/.openclaw/workspace/data/dexter-research.json
         ↓
Step 3 - Mari深度总结
    - 读取JSON数据
    - 结合行业背景给出投资研判
    - 飞书推送深度报告

使用方式

方式1：直接分析

用户: "分析贵州茅台" 或 "帮我研究 600519"

执行步骤：

1. 判断股票代码（上交所600/601/688/898开头 → sh，深交所000/001/002/003/300开头 → sz）
2. 运行 python3 /root/.openclaw/workspace/skills/dexter-research/scripts/research.py <代码>
3. 等待JSON生成后，Mari读取并深度总结
4. 总结完成后发起飞书消息给用户

方式2：批量分析

用户: "分析以下股票：000001、600519、000002"

按顺序逐一分析，每只股票独立生成报告后汇总推送。

评分体系（满分100）

评分参考：

• 80+：优质公司
• 60-80：良好
• 40-60：一般
• <40：需谨慎

注意事项

• 财务数据来自东方财富，A股上市公司一般滞后1-2个季度
• 银行/保险行业资产负债率天然偏高（>90%正常），评分需结合行业特点
• K线数据通过 Tencent财经API 获取，自动识别沪深交易所
• 研究结果保存在 /root/.openclaw/workspace/data/dexter-research.json，每次运行覆盖
• 评分仅供参考，不构成投资建议

故障排除