S
SkillNav

ths-advanced-analysis

by bensema

基于 thsdk 进行高级股票分析：分钟K线（1m/5m/15m/30m/60m/120m）、板块/指数行情（主要指数/申万行业/概念板块成分股）、多股票批量对比（表格+归一化走势图+相关性热力图）、盘口深度、大单流向、集合竞价异动、日内分时、历史分时。当用户提到"分钟K线"、"日内走势"、"盘口"、"大单"、"竞价异动"、"板块行情"、"行业排名"、"概念板块"、"成分股"、"对比多只股票"、"批量分析"、"涨幅对比"、"相关性"、"港股"、"美股"、"外汇"、"期货"、"资讯"、"快讯"，或者需要同时查看2只以上股票、关注短线交易、量化研究时，必须使用此skill。

3.7k数据与存储未扫描2026年3月23日

安装

claude skill add --url github.com/openclaw/skills/tree/main/skills/bensema/ths-advanced-analysis

文档

THS Advanced Analysis Skill

对话引导规范

澄清意图（意图模糊时必问）

用户说可能的意图必问
"帮我看看XX股票"实时行情？K线？大单？✅
"分析一下XX"技术面？资金面？和谁对比？✅
"XX板块怎么样"整体涨跌？成分股？领涨股？✅
"选一些好股票"短线？价值？哪个行业？条件？✅
"XX的5分钟K线"意图明确❌ 直接执行
"今日涨停股"意图明确❌ 直接执行

话术示例：

code
用户："帮我分析一下宁德时代"
Claude："好的，请问你主要想看哪个方向？
  1. 今日实时行情 + 资金流向
  2. 分钟K线（盘中走势）
  3. 近期日K线趋势
  4. 和比亚迪、亿纬锂能等对比
  5. 用问财筛选相关概念股"

调用后的后续提示（有延伸价值时才提）

场景提示
展示行业排名"需要查某个行业的成分股行情吗？"
展示分钟K线"需要同时看大单流向或盘口深度吗？"
展示多股对比表格"需要展示归一化走势图或相关性吗？"
问财选出候选股"需要对这些股票做K线技术验证吗？"
展示竞价异动"需要对某只异动股拉盘前分时看细节吗？"

完整调用案例

文件场景
examples/01_minute_kline.py分钟K线 + 均线 + 成交量异动标注
examples/02_sector_industry.py行业排名 + 概念板块成分股 + 指数行情
examples/03_multi_stock_compare.py多股批量对比：表格 + 归一化走势 + 相关性
examples/04_bigorder_auction.py大单流向 + 竞价异动扫描 + 分时/盘口 + 资讯
examples/05_wencai_nlp.py问财NLP：选股/行情/财务/技术/复杂组合

场景速查

用户需求方法
今日涨停/连板/竞价强势股wencai_nlp("今日涨停，非ST")
财务选股（ROE/PE/PB）wencai_nlp("连续3年ROE大于15%，非ST")
技术形态选股wencai_nlp("均线多头排列，MACD金叉")
分钟K线klines(code, interval="5m", count=78)
今日分时intraday_data(code)
历史某日分时min_snapshot(code, date="20250101")
五档盘口depth(code)
买方/卖方深度详情order_book_bid(code) / order_book_ask(code)
大单流向big_order_flow(code)
竞价异动扫描call_auction_anomaly("USHA")
申万行业列表ths_industry()
概念板块列表ths_concept()
板块行情（涨幅/市值）market_data_block(link_code)
板块成分股block_constituents(link_code)
指数行情market_data_index(ths_code)
多股票对比批量 market_data_cn + klines
港股行情market_data_hk(code)
美股行情market_data_us(code)
外汇汇率market_data_forex(code)
期货行情market_data_future(code)
实时资讯/快讯news()
权息资料corporate_action(code)
今日IPO / 待申购ipo_today() / ipo_wait()

安装

bash
pip install --upgrade thsdk

包来源：PyPI 系统要求：Python 3.9+，支持 Linux(x86_64/arm64)、macOS(Intel/Apple Silicon)、Windows

连接

python
from thsdk import THS

with THS() as ths:   # 游客模式，无需账户配置
    ...

第一步：代码解析

所有中文名/缩写/短代码先用 search_symbols 获得完整 THSCODE：

python
with THS() as ths:
    resp = ths.search_symbols("同花顺")
    # data → [
    #   {'THSCODE': 'USZA300033', 'Name': '同花顺',
    #    'MarketStr': 'USZA', 'Code': '300033', 'MarketDisplay': '深A'},
    #   {'THSCODE': 'URFI883404', 'Name': '同花顺情绪指数', 'MarketDisplay': '同指'},
    # ]

选码规则：

情况处理
0条告知未找到
1条直接使用
多条，只有1只A股（MarketDisplay含"沪A"或"深A"）自动选A股
多条，多只A股展示列表，等用户选择

市场前缀说明：

前缀含义
USHA上海A股
USZA深圳A股
USHI上海指数
USZI深圳指数
USTM北交所
UHKG港股
URFI行业/概念板块
UFXB外汇（基本汇率）

常用指数 THSCODE（直接使用，无需 search_symbols）：

指数THSCODE
上证指数USHI000001
深证成指USZI399001
创业板指USZI399006
科创50USHI000688
沪深300USHI000300
中证500USHI000905
上证50USHI000016

⚠️ 指数前缀是 USHI/USZI，需调用 market_data_index，不能用 market_data_cn

K线数据

interval 参数： "1m" / "5m" / "15m" / "30m" / "60m" / "120m" / "day" / "week" / "month" / "quarter" / "year"

⚠️ 必须写 "5m"，不能写 "5min"

count 与 start/end 二选一，不可混用：

python
from datetime import datetime
from zoneinfo import ZoneInfo
tz = ZoneInfo('Asia/Shanghai')

with THS() as ths:
    # 按条数
    resp = ths.klines("USZA300033", interval="5m", count=78)

    # 按时间范围
    resp = ths.klines("USZA300033", interval="day",
                      start_time=datetime(2025, 1, 1, tzinfo=tz),
                      end_time=datetime(2025, 3, 1, tzinfo=tz))

    # 前复权（量化回测用）
    resp = ths.klines("USHA600519", interval="day", count=250, adjust="forward")

    df = resp.df
    # 返回字段：时间, 收盘价, 成交量, 总金额, 开盘价, 最高价, 最低价
    # 分钟K线"时间"自动转为 datetime；日K"时间"为 datetime(YYYYMMDD)

分时与盘口数据

日内分时（当日）

python
with THS() as ths:
    resp = ths.intraday_data("USZA300033")
    df = resp.df
    # 字段：时间(datetime+tz), 价格, 成交量, 总金额, 领先指标

历史分时（近一年）

python
with THS() as ths:
    resp = ths.min_snapshot("USZA300033", date="20240315")
    df = resp.df
    # 字段：时间(timestamp), 价格, 成交量, 外盘成交量, 内盘成交量, 总金额

五档盘口

python
with THS() as ths:
    resp = ths.depth("USZA300033")              # 单只
    resp = ths.depth(["USZA300033", "USHA600519"])  # 多只
    df = resp.df
    # 字段：买1~5价/量, 卖1~5价/量, 代码, 昨收价

买卖深度详情

python
with THS() as ths:
    resp = ths.order_book_bid("USZA300033")   # 买方深度
    resp = ths.order_book_ask("USZA300033")   # 卖方深度
    df = resp.df

3秒 Tick

python
with THS() as ths:
    resp = ths.tick_level1("USZA300033")
    df = resp.df
    # 字段：时间(timestamp), 价格, 成交方向, 交易笔数, 当前量

超级盘口（含委托档位）

python
with THS() as ths:
    resp = ths.tick_super_level1("USZA300033")                   # 实时
    resp = ths.tick_super_level1("USZA300033", date="20240315")  # 历史
    df = resp.df
    # ⚠️ 部分字段值为 4294967295 表示无效数据，需过滤

大单与竞价

大单流向

python
with THS() as ths:
    resp = ths.big_order_flow("USZA300033")
    df = resp.df
    # 字段：时间, 成交方向, 成交量, 总金额, 委托买入价, 委托卖出价

集合竞价异动（9:15~9:25）

python
with THS() as ths:
    resp_sh = ths.call_auction_anomaly("USHA")   # 沪市
    resp_sz = ths.call_auction_anomaly("USZA")   # 深市
    df = resp_sh.df
    # 字段：时间, 价格, 总金额, 代码, 名称, 异动类型1(已映射中文)
    # 异动类型：涨停试盘/竞价抢筹/大幅高开/急速上涨/大买单试盘 等13种

早盘集合竞价快照

python
with THS() as ths:
    resp = ths.call_auction("USZA300033")
    df = resp.df
    # 字段：时间, 成交方向, 成交量, 总金额, 委托买入价, 委托卖出价

板块与指数

行业/概念板块列表

python
with THS() as ths:
    resp = ths.ths_industry()   # 同花顺行业，约90个
    resp = ths.ths_concept()    # 概念板块，约390个
    df = resp.df
    # ⚠️ 仅返回：代码(URFIXXXXXX), 名称
    # 涨幅/行情需另调 market_data_block(link_code)
    # extra['total_count'] = 板块总数

板块行情（两步走）

python
with THS() as ths:
    # Step 1：获取板块列表
    resp = ths.ths_industry()
    target = next(r for r in resp.data if '半导体' in r['名称'])
    link_code = target['代码']   # 格式 URFIXXXXXX

    # Step 2：查板块行情
    resp = ths.market_data_block(link_code, "基础数据")
    df = resp.df
    # 字段：价格, 涨幅, 成交量, 板块总市值, 板块流通市值,
    #        上涨家数, 下跌家数, 领涨股
    # query_key 也支持 "扩展"（含板块涨速、主力净流入等）

板块成分股

python
with THS() as ths:
    resp = ths.block_constituents("URFI883404")
    df = resp.df
    # 字段：代码(完整THSCODE), 名称
    # extra['total_count'] = 成分股总数

指数列表 & 行情

python
with THS() as ths:
    # 全部指数列表（约580个）
    resp = ths.index_list()
    df = resp.df   # 字段：代码, 名称

    # 指数行情（单只或同市场批量）
    resp = ths.market_data_index("USHI000001")
    resp = ths.market_data_index(["USHI000001", "USHI000300", "USHI000905"])
    df = resp.df
    # 字段：价格, 涨幅, 涨跌, 成交量, 总金额, 最高价, 最低价
    # query_key 也支持 "扩展"（含量比、振幅等）

A股行情（market_data_cn）

python
with THS() as ths:
    resp = ths.market_data_cn("USZA300033", "基础数据")
    # 也支持列表（同市场）
    resp = ths.market_data_cn(["USZA300033", "USZA000001"], "汇总")
    df = resp.df
    # 基础数据字段：价格, 成交方向, 成交量, 交易笔数, 总金额,
    #               涨速, 当前量, 代码, 名称, 昨收价, 开盘价, 最高价, 最低价

query_key 选项：

query_key含义
"基础数据"价格、涨跌幅、成交量、金额、开高低、涨速
"基础数据2"精简版基础数据
"基础数据3"极简（价格、昨收、成交量）
"扩展1"涨幅、涨跌、换手率、量比、主力净流入、委比
"扩展2"涨幅、换手率、总市值、流通市值、委比
"汇总"全量字段，多股对比首选

⚠️ 同市场限制：USHA 和 USZA 不能在同一次调用中混合

多市场行情

港股

python
with THS() as ths:
    # 港股列表
    resp = ths.stock_hk_lists()
    # 港股行情
    resp = ths.market_data_hk("UHKG00700", "基础数据")
    df = resp.df
    # query_key 支持："基础数据" / "每股净资产" / "净利润" / "财务指标"

美股 / 纳斯达克

python
with THS() as ths:
    resp = ths.stock_us_lists()      # 美股列表
    resp = ths.nasdaq_lists()        # 纳斯达克列表
    resp = ths.market_data_us("UNQQAAPL", "基础数据")
    df = resp.df
    # query_key 支持："基础数据" / "每股净资产" / "每股收益" / "净利润" / "财务指标"

外汇

python
with THS() as ths:
    resp = ths.forex_list()          # 外汇列表（约25个，UFXB前缀）
    resp = ths.market_data_forex("UFXBGBPUSD", "基础数据")
    df = resp.df
    # 字段：价格, 委托买入价, 委托卖出价, 代码, 名称, 昨收价, 开盘价, 最高价, 最低价
    # query_key 也支持 "扩展"

期货

python
with THS() as ths:
    resp = ths.futures_lists()        # 主力合约列表
    resp = ths.market_data_future("UCFSAU2506", "基础数据")
    df = resp.df
    # query_key 支持："基础数据" / "日增仓" / "扩展"

债券 / ETF

python
with THS() as ths:
    resp = ths.bond_lists()           # 可转债列表
    resp = ths.fund_etf_lists()       # ETF基金列表
    resp = ths.fund_etf_t0_lists()    # ETF T+0基金列表
    resp = ths.market_data_bond("USHD123456", "基础数据")
    resp = ths.market_data_fund("USHA510300", "基础数据")

多股票批量对比

python
import pandas as pd
from collections import defaultdict
from thsdk import THS

stock_names = ["贵州茅台", "五粮液", "泸州老窖"]

with THS() as ths:
    # Step 1: 批量解析代码
    stock_codes = []
    for name in stock_names:
        resp = ths.search_symbols(name)
        a_shares = [s for s in resp.data
                    if any(m in s.get('MarketDisplay', '') for m in ['沪A', '深A'])]
        if a_shares:
            stock_codes.append({'name': name, 'code': a_shares[0]['THSCODE']})

    # Step 2: 按市场分组
    by_market = defaultdict(list)
    for s in stock_codes:
        by_market[s['code'][:4]].append(s)

    # Step 3: 批量行情
    rows = []
    for market, stocks in by_market.items():
        codes = [s['code'] for s in stocks]
        resp = ths.market_data_cn(codes, "汇总")
        for i, row in enumerate(resp.data):
            row['股票名称'] = stocks[i]['name']
            rows.append(row)
    quote_df = pd.DataFrame(rows)

    # Step 4: 批量K线
    klines_data = {}
    for s in stock_codes:
        resp = ths.klines(s['code'], interval="day", count=30, adjust="forward")
        klines_data[s['name']] = resp.df

# Step 5: 归一化走势（起点=100）
for name, df in klines_data.items():
    df['归一化'] = df['收盘价'] / df['收盘价'].iloc[0] * 100

# Step 6: 相关性矩阵
returns = pd.DataFrame({name: df['收盘价'].pct_change() for name, df in klines_data.items()})
corr_matrix = returns.corr()

输出规范：

  1. 表格：股票 / 最新价 / 涨幅% / 成交额 / 换手率 / 量比 / 主力净流入 / 总市值
  2. 归一化走势折线图（多线，颜色区分）
  3. 相关性热力图（量化场景）

问财自然语言查询（wencai_nlp）

对接 iwencai.com 同一接口，多条件用逗号/分号分隔。

python
with THS() as ths:
    resp = ths.wencai_nlp("连续3日主力净流入，换手率大于5%，非ST")
    df = resp.df
    # ⚠️ 股票代码格式为 "605366.SH"，需转换

返回代码转换：

python
def to_ths_code(code_str: str) -> str:
    # wencai 返回：'300033.SZ' / '600519.SH' / '835975.BJ'
    try:
        code, market = str(code_str).split('.')
        mapping = {'SH': 'USHA', 'SZ': 'USZA', 'BJ': 'USTM'}
        prefix = mapping.get(market.upper(), '')
        return f"{prefix}{code}" if prefix else None
    except Exception:
        return None

df['ths_code'] = df['股票代码'].apply(to_ths_code)

六大查询类型：

① 行情 & 盘面

python
"今日涨停，非ST"
"连续2日涨停，非一字板，非ST"
"今日涨停原因类别，涨停封单额，封单量"
"竞价涨幅大于3%，竞价量大于昨日成交量5%，非ST"
"主力净流入由大到小排名前20，非ST"
"近10日区间主力资金流向大于5000万，市值大于100亿"

② 板块 & 行业

python
"今日申万行业涨跌幅排名"
"今日概念板块涨幅排名前20"
"人工智能概念股，今日涨跌幅，成交额，主力净流入"
"今日涨幅最大的5个概念板块，涨幅，成分股数量"

③ 财务指标

python
"连续3年ROE大于15%，非ST，上市大于3年"
"市盈率小于15，股息率大于3%，市净率小于2，非ST"
"市净率小于1，非ST，流通市值大于20亿"
"连续5年分红，股息率大于4%，资产负债率小于60%"

④ 技术形态

python
"均线多头排列，MACD金叉，换手率大于3%，非ST"
"均线粘合，平台突破，成交量大于5日均量1.5倍"
"仙人指路，非ST，非停牌"
"250日新高，非ST，沪深A，上市超过250天"

⑤ 复杂组合

python
# 短线强势
"均线多头排列，MACD金叉，DIFF上穿中轴，换手率大于1%且小于10%，30日内有2个交易日涨幅大于4%，非ST"
# 竞价打板
"昨日非一字板涨停，今日竞价涨幅大于等于0%且小于等于9.9%，今日隔夜买单额小于10亿，非ST，非科创板"

⑥ 信息查询

python
"涨停原因归类前20"
"今日龙虎榜"
"今日大宗交易"
"近一周北向资金净买入前20"
方法用途
wencai_nlp(condition)主要用法。完整自然语言，返回股票列表+字段
wencai_base(condition)简单字段查询，如 "所属行业"

实时资讯（news）

python
import re

with THS() as ths:
    resp = ths.news()   # 默认：上证指数相关快讯
    # 指定个股资讯：
    # resp = ths.news(text_id=0x3814, code="300033", market="USZA")

    for item in resp.data:
        props = dict(re.findall(r'(\w+)=([^\n]+)', item.get('Properties', '')))
        print(f"[{props.get('source','')}] {item['Title']}")
        print(f"  {props.get('summ','')}\n")
    # 字段：Op, Time(timestamp), Title, ID, Code, Stock, Properties
    # Properties 含：ctime, summ(摘要), source(来源)

其他实用 API

权息资料

python
with THS() as ths:
    resp = ths.corporate_action("USZA300033")
    df = resp.df
    # 字段：时间(int YYYYMMDD), 权息资料(文字)
    # 示例：20100312 → "2010-03-12(每十股 转增10.00股 红利3.00元)$"

IPO 数据

python
with THS() as ths:
    resp = ths.ipo_today()   # 今日申购/上市
    resp = ths.ipo_wait()    # 待申购
    df = resp.df
    # 字段：stock_name, stock_code, order_date, issue_price,
    #       issue_pe_static, success_rate, order_limit_up,
    #       industry_name, exchange 等

市场列表

python
with THS() as ths:
    resp = ths.stock_cn_lists()    # 全部A股（约5198只）
    resp = ths.stock_hk_lists()    # 港股
    resp = ths.stock_us_lists()    # 美股
    resp = ths.stock_bj_lists()    # 北交所
    resp = ths.nasdaq_lists()      # 纳斯达克
    resp = ths.stock_b_lists()     # B股
    resp = ths.bond_lists()        # 可转债
    resp = ths.fund_etf_lists()    # ETF基金
    resp = ths.fund_etf_t0_lists() # ETF T+0基金
    resp = ths.futures_lists()     # 期货主力合约
    resp = ths.forex_list()        # 外汇（约25个）
    df = resp.df   # 字段：代码(完整THSCODE), 名称

代码补全工具

python
with THS() as ths:
    resp = ths.complete_ths_code("USZA300033")
    # 用于验证/补全代码信息

错误处理

python
with THS() as ths:
    resp = ths.klines("USZA300033", interval="5m", count=60)
    if not resp:
        print(f"调用失败: {resp.error}")
    elif resp.df.empty:
        print("数据为空，可能是非交易时间")
    else:
        df = resp.df

常见报错：

错误原因解决
"未登录"未 connect确保用 with THS() as ths
"证券代码必须为10个字符"格式错误先过 search_symbols
"一次性查询多支股票必须市场代码相同"沪深混合按市场分组查询
"无效的周期类型: 5min"interval 写法错改为 "5m"
"'count' 参数不能与 'start_time' 同时使用"参数冲突二选一

注意事项：

  • 游客账户在部分专业数据/实时数据上可能有权限限制
  • 批量拉取时建议加 time.sleep(0.5) 避免限流
  • THS 为同步阻塞，在 FastAPI/asyncio 中需放入线程池

与 ths-financial-data 的分工

场景skill
单只A股行情/资金流向/日Kths-financial-data
分钟K线 / 盘中监控本 skill
盘口深度 / 大单 / 竞价异动本 skill
板块/指数行情及成分股本 skill
多股票批量对比本 skill
港股/美股/外汇/期货行情本 skill
实时资讯快讯本 skill
问财自然语言查询两者均可

相关 Skills

迁移架构师

by alirezarezvani

Universal
热门

为数据库、API 与基础设施迁移制定分阶段零停机方案，提前校验兼容性与风险，生成回滚策略、验证关卡和时间线，适合复杂系统平滑切换。

✎ 做数据库与存储迁移时，用它统一梳理表结构和数据搬迁流程，架构视角更完整，复杂迁移也更稳。

数据与存储
未扫描9.0k

数据库建模

by alirezarezvani

Universal
热门

把需求梳理成关系型数据库表结构，自动生成迁移脚本、TypeScript/Python 类型、种子数据、RLS 策略和索引方案，适合多租户、审计追踪、软删除等后端建模与 Schema 评审场景。

✎ 把数据库结构设计、ER图梳理和SQL建模放到一处，复杂业务也能快速统一数据模式，少走不少返工弯路。

数据与存储
未扫描9.0k

资深数据工程师

by alirezarezvani

Universal
热门

聚焦生产级数据工程，覆盖 ETL/ELT、批处理与流式管道、数据建模、Airflow/dbt/Spark 优化和数据质量治理，适合设计数据架构、搭建现代数据栈与排查性能问题。

✎ 复杂数据管道、ETL/ELT 和治理难题交给它，凭 Spark、Airflow、dbt 等现代数据栈经验，能更稳地搭起可扩展的数据基础设施。

数据与存储
未扫描9.0k

相关 MCP 服务

PostgreSQL 数据库

编辑精选

by Anthropic

热门

PostgreSQL 是让 Claude 直接查询和管理你的数据库的 MCP 服务器。

✎ 这个服务器解决了开发者需要手动编写 SQL 查询的痛点，特别适合数据分析师或后端开发者快速探索数据库结构。不过，由于是参考实现，生产环境使用前务必评估安全风险，别指望它能处理复杂事务。

数据与存储
82.9k

SQLite 数据库

编辑精选

by Anthropic

热门

SQLite 是让 AI 直接查询本地数据库进行数据分析的 MCP 服务器。

✎ 这个服务器解决了 AI 无法直接访问 SQLite 数据库的问题，适合需要快速分析本地数据集的开发者。不过，作为参考实现，它可能缺乏生产级的安全特性，建议在受控环境中使用。

数据与存储
82.9k

Firecrawl 智能爬虫

编辑精选

by Firecrawl

热门

Firecrawl 是让 AI 直接抓取网页并提取结构化数据的 MCP 服务器。

✎ 它解决了手动写爬虫的麻烦，让 Claude 能直接访问动态网页内容。最适合需要实时数据的研究者或开发者，比如监控竞品价格或抓取新闻。但要注意，它依赖第三方 API，可能涉及隐私和成本问题。

数据与存储
5.9k

评论