华创证券研究所形态学Skills上线
摘要
华创证券研究所推出形态学Skills（huachuang-morphology-skills），旨在系统观察A股市场中各类K线形态的整体表现。该Skills构建了一套可在全部A股日线上自动标注K线形态的研究系统，并实现每日更新，网址为：https://xingtai.pro。同时上线微信小程序“看线宝”，提供形态学相关服务。通过将个股形态信号整合为指数信号，实现对宽基指数、行业指数及概念指数的择时分析，帮助把握不同板块的市场情绪与资金动向。此外，还推出了ETF择时策略，辅助资产配置用户。
形态学研究平台介绍
K线形态是观察市场变化的重要工具，科学的K线分析方法应结合多方面信息进行综合判断。华创证券研究所构建了一套可在全部A股日线上自动标注K线形态的研究系统，并实现每日更新，网址为：http://xingtai.pro。此外，也同步上线了微信小程序“看线宝”，以不同的产品形式为大家提供形态学相关的服务。在提供个股形态学研究结果的基础上，进一步将个股形态信号整合为指数信号，实现对宽基指数、行业指数及概念指数的择时分析。基于这一思路，同步上线了ETF看线系统，网址为：https://xingtai.pro/ETF_portal.php。
形态学Skills简介
本Skill面向OpenClaw、CursorAgent等可执行脚本的智能体，将华创金工形态学后端HTTP能力封装为：
- 固定目录下的命令行工具（
scripts/morphology_cli.py）
- 通过JSON标准输出返回结果，便于程序解析与对话中引用。
典型使用场景包括：
- 查询形态文字说明、系统支持的资产、最新日统计等基础数据
- 获取宽基/行业/风格/概念指数的最新截面择时信号或历史择时区间
- 获取ETF截面信号、历史信号、门户数据、得分及中间数据
- 在已安装
empyrical模块的前提下，对ETF信号做简单绩效指标计算
数据来源为官方接口域名，访问需有效APIToken，Token仅存放在本地配置文件中，不写入Skills正文。
安装方法
- 环境要求：操作系统：Windows/macOS/Linux均可，Python：建议3.8及以上
- 获取Skill文件：将本skills文件夹“huachuang-morphology”整目录复制到所需位置
- 安装Python依赖：在本Skill根目录（与
SKILL.md同级）打开终端，执行：pip install -r scripts/requirements.txt
- 配置Token：将scripts/config.example.json复制为同目录下的scripts/config.json，将
token改为你的真实APIToken
- 验证安装：在Skill根目录执行：Python scripts/morphology_cli.py --list，若输出包含
\"ok\":true与方法名列表，说明CLI可运行。再执行（需Token有效、网络可达）Python scripts/morphology_cli.py get_basic_info
基本用法：人类用户
在Skill根目录下：
Python scripts/morphology_cli.py <方法名> '[JSON参数字符串]'
第一个参数：API方法名（与morphology_api.py中一致，如get_basic_info）
第二个参数（可选）：JSON对象字符串，作为该方法的关键字参数；未写的参数使用代码中的默认值。
基本用法：AI用户
在Cursor或OpenClaw中安装本Skills后可以直接提问。
Skills中的提供接口说明
本skill所封装的请求主要落在两类服务端：
- mark.hcquant.com/all_api下的PHP接口，均采用GET，并在Query中携带token完成鉴权
- xingtai.pro下的静态JSON资源路径，通常不依赖token，由资产代码或固定文件名定位资源
以下按客户端方法语义说明业务含义、关键参数映射及返回形态：
- 基础数据（鉴权：token）：get_basic_info、get_supported_assets、get_latest_daily_stats、get_historical_data
- 截面择时（鉴权：token）：get_broad_index_timing、get_industry_timing、get_style_timing、get_concept_timing
- 历史择时JSON（资源域：xingtai.pro，无token）：get_historical_broad_timing、get_historical_industry_timing、get_historical_style_timing、get_historical_concept_timing
- ETF相关：get_etf_cross_section_signal、get_etf_historical_signal、get_etf_portal_data、get_etf_scores、evaluate_etf_performance、get_realtime_historical_data、get_index_median_data、get_etf_median_data
- 其他：get_realtime_historical_data、get_index_median_data、get_etf_median_data
形态学Skills提问范式
- 基础数据
- 指数择时—截面（最新）
- 指数择时—历史区间
- ETF
- 绩效评价（依赖empyrical）
- 其他
安全与合规提示
- Token等同于账号密钥，仅限本机或受信环境使用，勿泄露、勿截图外传
- 本客户端对HTTPS校验策略与官方示例环境可能一致（如关闭证书校验），请在合规网络环境下使用
- 调用频率请遵守服务方约定，避免过高并发影响服务
文档与故障排查
- 问题一：提示缺少
config.json或者提示token为空|解决方案：复制并填写config.json
- 问题二：
执行pip install empyrical后重试。解决方案：执行pip install empyrical`后重试
- 问题三：
网络超时或SSL错误解决方案：检查本机网络、代理与防火墙；必要时联系服务提供方更细的Agent执行约定与脚本文件说明见SKILL.md
形态学Skills总结
本Skills将华创形态学相关能力拆分为两条技术主线：
- 一是经mark.hcquant.com/all_api访问、以token鉴权的PHP接口，承载形态元数据、可交易标的清单、最新日度统计、多维度截面择时以及ETF截面与部分中间数据
- 二是经xingtai.pro获取的JSON资源，以资产代码与路径模板定位历史行情与betime信号区间，支撑历史复盘、区间识别及（在固定etftiming数据源下）策略与基准的绩效对比
两类来源在鉴权方式、数据粒度与更新逻辑上存在明确分野，使用时应先区分“截面查询”与“历史序列/区间”场景，再选择对应方法。在ETF链条上，需特别注意三类用途不可混用：管理人维度的截面（etfnow）、随company切换目录的历史JSON，以及写死etftiming路径的绩效评价模块；路径不一致将直接导致样本与结论不可比。历史择时类接口中，客户对betime的processed_time加工降低了区间解读成本，但底层字段仍以服务端schema为准，正式投研引用建议以原始返回与业务文档交叉校验。整体而言，该封装适合作为投研与自动化流程中的统一数据接入层：上层聚焦策略逻辑与合规风控，下层通过CLI/JSON信封完成可审计、可编排的调用。后续若服务端URL、参数或字段发生变更，应以线上响应为准同步修订接口映射与本文结论边界。
风险提示
本报告中所有统计结果和模型方法均基于历史数据，不代表未来趋势。本Skills中不包含恶意代码，可放心安装使用。
