【量化看市场系列之十】给龙虾插上形态学的翅膀–形态学Skills(huachuang-morphology-skills)上线

华创专题报告

K线的本质，是多空双方资金在争夺主导权过程中留下的轨迹。通过对K线形态的研究，我们可以更深入地观察到市场真正的变化。无论是宏观环境的变动、赛道格局的调整，还是个股基本面的变化，最终都会在K线图上留下痕迹。

      科学的K线分析方法，不能仅仅停留在形态本身，而应结合多方面的信息进行综合判断，包括该K线出现时的均线排列状态、成交量、换手率、股东户数、筹码分布以及基本面情况等，真正做到：“技术面”与“基本面”并用来指导分析。

      需要指出的是，在全市场范围内对不同K线形态进行未来收益的统计，实际意义有限。同一形态在不同个股、不同历史阶段所蕴含的信号可能截然不同，必须结合具体标的和当时的环境加以分析。在此基础上，若能叠加合理的选股条件，则有望最大程度提升形态策略的胜率。

      为便于系统观察A股市场中各类 K线形态的整体表现，我们对常见的K线形态进行了量化定义与特征归纳，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，我们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，我们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。通过自下而上的视角，将个股层面的形态信号进行聚合与归纳，有助于从整体上把握不同板块的市场情绪与资金动向。

      基于这一思路，我们同步上线了ETF看线系统，网址为：https://xingtai.pro/ETF_portal.php。该系统延续了形态学研究的方法框架，将个股层面的形态信号映射至相应指数层面，为指数择时与板块轮动研究提供数据支持，方便使用者从更全局的角度理解和应用K线形态分析。

      本Skill面向OpenClaw、Cursor Agent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。

2.1  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

      网络：能访问形态学服务所在公网地址（包括mark.hcquant.com与xingtai.pro）

• 获取Skill文件

      可以在 https://github.com/hgsz2003/huachuang-morphology-skill 下载安装。

      将本skills文件夹“huachuang-morphology”整目录复制到所需位置，例如：

      课题/项目内：放在你的工程目录下，与代码一起管理；

      个人Cursor技能目录（可选）：复制到“~/.cursor/skills/huachuang-morphology”，便于所有项目识别该Skill。

      OpenClaw：安装路径下的skills文件夹下

      目录内应至少包含：

      `SKILL.md`

      `scripts/morphology_api.py`

      `scripts/morphology_cli.py`

      `scripts/config.json`

      `scripts/requirements.txt`。

      等文件。

• 安装Python依赖

      在本Skill根目录（与`SKILL.md`同级）打开终端，执行：

      pipinstall-rscripts/requirements.txt

      若仅需基础拉数、不做ETF绩效指标，可暂不安装“empyrical”；使用“evaluate_etf_performance”前需确保已安装“empyrical”。

• 配置Token（必做）

      将scripts/config.example.json复制为同目录下的scripts/config.json。 

      用文本编辑器打开`scripts/config.json`，将`token`改为你的真实API Token，例如：

      ```json

      {

       "token":"此处填写你的真实Token"

      }

      ```

注意：不要将`config.json`提交到公共仓库。本仓库已提供`.gitignore`忽略`scripts/config.json`，请保持该习惯。

• 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.pyget_basic_info

      若返回`"ok":true`且`data`中有数据，则安装与配置成功。

2.2  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。 

      示例：

      Python scripts/morphology_cli.pyget_basic_info

     Python scripts/morphology_cli.pyget_historical_data"{\"win_rate\":0.6,\"trade_date\":\"2024-01-02\",\"position\":\"负面\"}"

      JSON中含双引号时，外层可用单引号包住整段JSON，或对内部双引号转义为`\"`

      返回约定简述：

• 成功：`ok:true`，`type`标明`dataframe`/`dict`/`text`/`json`，业务数据多在`data`中。 

• 失败：`ok:false`，`error`为说明；部分提示可能同时在stderr。

2.3  基本用法：AI用户

在Cursor或OpenClaw中安装本Skills后可以直接提问：

2.4  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：

      其一为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；

      其二为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请求basic.php，用于获取形态条目及其文字说明等元信息，便于与信号结果对照解读。

      get_supported_assets请求get_sid.php，返回系统当前支持的证券/指数代码集合，可用于参数合法性校验与标的筛选。

      get_latest_daily_stats请求all.php，提供全市场或全资产维度的最新日度统计，适用于最新截面的概览分析。

      get_historical_data请求fullfun.php，基于自2020年起的历史样本，按胜率阈值、交易日与持仓方向（正面/负面等）进行筛选；其中win_rate映射为查询参数win（默认0.6），trade_date映射为tr（缺省为当日YYYY-MM-DD），position映射为pos（默认“负面”）。上述接口在客户端侧多解析为pandas.DataFrame，经CLI序列化为JSON记录数组。

• 截面择时（鉴权：token）

      四类接口分别对应不同指数域的最新截面形态学输出：

      get_broad_index_timing（indextiming.php，宽基）

      get_industry_timing（indtiming.php，行业）

      get_style_timing（styletiming.php，风格）

      get_concept_timing（concepttiming.php，概念）

      其共同特征为输出当前截面上的信号或解读型表格数据，具体字段以后端返回schema为准。

      历史择时JSON（资源域：xingtai.pro，无token）

      请求模式为GEThttps://xingtai.pro/<子路径>/<asset_code>.json。

      get_historical_broad_timing

      get_historical_industry_timing

      get_historical_style_timing

      get_historical_concept_timing

      分别对应timing、indtiming、styletiming、concepttiming子路径；

      默认资产代码依次为881001.WI、CI005001.WI、000015.SH、884030.WI，均可通过asset_code覆盖。典型响应体包含code、msg、data（行情或序列矩阵）及betime（由起止Unix毫秒时间戳构成的持仓/信号区间列表）。

客户端在解析成功后附加processed_time，将区间转换为begindate/enddate的时序表，便于区间统计与可视化；CLI输出时对嵌套DataFrame做JSON化。

• ETF相关

      get_etf_cross_section_signal请求etfnow.php（需token），参数company为基金公司缩写（默认fg），返回指定管理人旗下的ETF截面信号表。

      get_etf_historical_signal基于xingtai资源路径，目录与company映射关系为：th→etftimingth，htbr→etftiminghtbr，fg/bs→etftiming，其余缺省为etftiming；asset_code多为跟踪指数代码。

      get_etf_portal_data请求etftimingV2/<sid>.json（默认sid=000037.SH），sid语义为跟踪指数代码，对应门户聚合数据。

      get_etf_scores请求etfv2/score_all.json，无额外路径参数，返回全市场ETF得分截面，客户端为DataFrame。

• 绩效评价（依赖empyrical）

      evaluate_etf_performance固定自https://xingtai.pro/etftiming/<asset_code>.json拉取数据（默认asset_code=000812.CSI），在betime区间内赋信号，采用下一交易日开盘相对当日开盘的日收益构造策略与基准序列，并计算年化收益、最大回撤、夏普、Sortino、Calmar及有效样本长度rows。

     须注意：该方法与get_etf_historical_signal的路径策略不一致——后者随company切换etftiming/etftimingth/etftiminghtbr等目录，而绩效评价写死etftiming，仅适用于与该数据源一致的标的。

• 其他

      get_realtime_historical_data请求fullfun_realtime.php（需token），trade_date→tr，默认当日；提供自2010年起、偏“纯信号”取向的历史序列，与fullfun.php口径不同。

      get_index_median_data请求index_median_data.php或当sid含港股指数特征子串HI时切换HK_median_data.php（均需token与sid）。

      get_etf_median_data请求etf_median_data_all.php（需token、company、sid），默认company=bs、sid=000861.CSI，用于ETF中间层序列或加工指标。

• 归纳

      鉴权接口集中于mark域，承担元数据、截面信号与部分中间数据服务；

      xingtai域以资产代码定位历史JSON，支撑区间信号与序列回测；

      ETF场景需区分截面（etfnow）、多管理人历史路径与固定etftiming绩效管道三类用途，避免路径混用导致样本不一致。

2.5  形态学Skills提问范式

• 基础数据

      “系统里形态学支持哪些资产？列出来。”→ get_supported_assets

      “形态学里各形态的文字说明是什么？简要汇总。”→ get_basic_info

      “最新一个交易日，全体资产的形态学日度统计是什么？”→ get_latest_daily_stats

      “按胜率 0.65、交易日 2024-06-03、负面仓位，拉一下历史筛选结果。”→ get_historical_data

      “今天（或不写日期用默认）的实时历史纯信号长什么样？”→ get_realtime_historical_data

• 指数择时 — 截面（最新）

      “宽基指数最新的形态学截面择时信号是什么？”→ get_broad_index_timing

      “中信一级行业最新的截面择时一览有吗？”→ get_industry_timing

      “风格指数最新择时结果汇总一下。”→ get_style_timing

      “概念指数最新择时截面给一份。”→ get_concept_timing

• 指数择时 — 历史区间

      “881001.WI 宽基上的历史择时区间（起止时间）拉一下并转成可读日期。”→ get_historical_broad_timing

      “CI005001.WI 行业代码的历史择时区间。”→ get_historical_industry_timing

      “000015.SH 风格指数的历史择时区间。”→ get_historical_style_timing

      “884030.WI 概念指数的历史择时区间。”→ get_historical_concept_timing

• ETF

      “富国（fg） 旗下 ETF 截面形态学信号现在是怎样？”→ get_etf_cross_section_signal

      “天弘（th）、标的 000300.SH 的 ETF 历史择时 JSON 以及区间处理结果。”→ get_etf_historical_signal

      “000037.SH 的 ETF 门户页对应那份 JSON 数据能拉吗？”→ get_etf_portal_data

      “当前全市场 ETF 得分最新一版是什么？”→ get_etf_scores

      “博时（bs）、000861.CSI 的 ETF 中间数据。”→ get_etf_median_data

      “用接口算一下 000812.CSI 这套 ETF 信号的简单绩效（年化、回撤、夏普等）。”（需已装 empyrical）→ evaluate_etf_performance

• 指数中间数据（含港股）

      “沪深300 000300.SH 的指数中间数据。”→ get_index_median_data

      注意：问历史区间类问题时，尽量带上 资产代码（如 881001.WI）；问 ETF 时带上 基金公司代码（如 fg / th / bs）和需要的 sid，Agent 更容易一次调对接口。

2.6  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。高并发的token会被系统监测后自动终止权限。

2.7  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`pipinstallempyrical`后重试

    解决方案：执行`pipinstallempyrical`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](SKILL.md)。

      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。

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。

    具体内容详见华创证券研究所3月26日发布的报告《量化看市场系列之十：给龙虾插上形态学的翅膀--形态学Skills（huachuang-morphology-skills）上线》。

 往期推荐：

【量化看市场系列之四】使用“OpenClaw”搭建属于自己的私域AI助理

【量化看市场系列之五】如何叫你的AI更聪明、运行更有效率——Skills的设置与使用

【量化看市场系列之六】OpenClaw金融行业必备Skills推荐与实战应用

【量化看市场系列之七】使用OpenClaw快速搭建AI助理团队

【量化看市场系列之八】OpenClaw的安全防护指南

【量化看市场系列之九】四象限理论帮你消除AI焦虑

欢迎扫码创见小程序阅读华创金工历史报告