PE/PB分析器
stock-pe-pb-analyzer
by caoyachao
分析股票PE/PB历史水位的专业工具。使用BaoStock API获取真实股票数据，计算股票在过去十年中的PE、PB历史百分位水位。适用于：1）查询单个股票的PE/PB历史估值水平；2）评估当前估值相对于历史的高低位置；3）为投资决策提供估值参考数据。支持通过股票名称（如贵州茅台）或代码（如600519）查询A股所有股票。
安装
claude skill add --url github.com/openclaw/skills/tree/main/skills/caoyachao/stock-pe-pb-analyzer-skill文档
股票PE/PB历史水位分析器
基于BaoStock数据源的股票估值分析工具，帮助分析股票当前PE、PB在历史区间中的位置（水位）。
功能特点
- 支持股票名称和代码查询
- 自动计算10年、5年、3年、1年的历史水位
- 提供详细的统计指标（最低、最高、中位数、平均值）
- 输出估值评级（低估/适中/偏高）
使用方法
1. 直接调用分析脚本
# 执行分析脚本
python .agents/skills/stock-pe-pb-analyzer/scripts/analyze_stock.py <股票名称或代码>
示例：
python .agents/skills/stock-pe-pb-analyzer/scripts/analyze_stock.py 贵州茅台
python .agents/skills/stock-pe-pb-analyzer/scripts/analyze_stock.py 600519
2. 作为Python模块使用
from .agents.skills.stock-pe-pb-analyzer.scripts.analyze_stock import StockPEPBAnalyzer
# 创建分析器实例
analyzer = StockPEPBAnalyzer()
# 分析单只股票
result = analyzer.analyze("贵州茅台", years=10)
# 打印详细报告
analyzer.print_report(result)
# 获取原始数据
historical_data = result['historical_data'] # DataFrame包含date, peTTM, pbMRQ等字段
percentiles = result['percentiles'] # 各周期水位计算结果
输出说明
-
PE水位: 当前PE在过去N年中的百分位（0%-100%）
- 🔴 低估: 0-20%（历史较低水平，可能存在估值修复机会）
- 🟡 适中: 20-50%（估值相对合理）
- 🟢 偏高: >50%（估值偏高，需注意风险）
-
PB水位: 当前PB在过去N年中的百分位，评级标准同上
依赖要求
需要安装以下Python包：
- baostock
- pandas
- numpy
注意事项
- 首次使用时会自动登录BaoStock并加载股票列表
- 数据基于日频估值指标（PE-TTM, PB-MRQ）
- 过滤了PE>1000的异常数据点
- 分析结果仅供参考，不构成投资建议
相关 Skills
技术栈评估
by alirezarezvani
对比框架、数据库和云服务，结合 5 年 TCO、安全风险、生态活力与迁移复杂度做量化评估，适合技术选型、栈升级和替换路线决策。
✎ 帮你系统比较技术栈优劣，不只看功能，还把TCO、安全性和生态健康度一起量化，选型和迁移决策更稳。
资深数据工程师
by alirezarezvani
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。
迁移架构师
by alirezarezvani
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。
相关 MCP 服务
PostgreSQL 数据库
编辑精选by Anthropic
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。
SQLite 数据库
编辑精选by Anthropic
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。
Firecrawl 智能爬虫
编辑精选by Firecrawl
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。