投投资策略平台
署名 老K
策略库/风格原型决策镜片

风险提示　本站内容为个人研究整理，仅供学习参考，不构成任何投资建议，据此操作风险自担。本策略的规则取自公开资料，并非个人独创交易体系。

风格原型决策镜片

用固定的风格阈值，回答一只 A 股该不该动手。

引擎 + 取数自备既有资产适用：股票
全贯穿全链路主用1选标的同时覆盖2定买点同时覆盖3定仓位同时覆盖4定卖点同时覆盖5复盘
下载完整策略包 37.9 KB · 13 个文件 · 解压即用
下载 .zip

内容指纹（SKILL.md 的 sha256 前 16 位）：4b13255d747f483d　——　下载解压后可用 shasum -a 256 SKILL.md 自行核对。

策略说明

适用场景

你对某只 A 股已经有兴趣，但拿不准在当前这套投资框架下该不该动手；或者你同时用几种风格选股，想知道它们会不会给出相反的结论。适合需要把「感觉」落成可复算判定的场合。不适合基金评价、组合归因、渠道分析。

输入

三个：标的一只 A 股代码；视角（风格原型，未指定时默认跑全部三套）；持仓状态（不填按空仓处理）。此外需要一份行情与财务快照 JSON——引擎本身不联网，取数由你自备，字段规范见包内 references/decision-funnel.md。

输出

一张三页签的决策卡：单视角决策卡、多视角分歧表与分歧归因、以及「框架口径 vs 你的交易纪律」双栏对照。结论只允许落在固定取值上（空仓：回避/不买/观察/买入；持仓：卖出/减仓/持有/加仓）。

核心逻辑
  1. 确认标的、视角、持仓状态三个输入，缺的按缺省处理并标注。
  2. 取数落成快照 JSON。比例类字段用百分数数值；缺的字段留空，不要填 0——引擎把 null 判为数据不足，把 0 判为真实零值。
  3. 跑确定性引擎：五层漏斗逐层过滤（能力圈 → 质量与成长 → 估值容忍度 → 买点与仓位 → 卖出纪律）。同样的输入永远给同样的输出。
  4. 渲染决策卡，再手工补两栏引擎给不出的内容：反方质询、关键否决项逐条命中情况。命中任一否决项，无论其余各层结果如何，结论一律降为回避。
  5. 止损纪律触发时，右栏结论优先于框架结论。
依赖

Python >=3.9；数据：由使用者自备（引擎不联网）；引擎与模板均为纯本地文件，不联网、不需要密钥。

文件清单
  • LICENSE 2.2 KB
  • SKILL.md 7.3 KB
  • assets/decision-card.html 17.9 KB
  • assets/playbook.json 577 B
  • references/archetypes/deep-value.json 4.3 KB
  • references/archetypes/growth-momentum.json 4.5 KB
  • references/archetypes/quality-low-valuation.json 4.5 KB
  • references/decision-funnel.md 5.1 KB
  • references/output-contract.md 5.6 KB
  • references/sources.md 1.2 KB
  • scripts/holdings_diff.py 3.8 KB
  • scripts/lens_engine.py 25.3 KB
  • scripts/valuation_percentile.py 4.9 KB

风险与局限

输出的是框架推演，不是投资建议。阈值是人为设定的，换个阈值结论就可能翻转；引擎的确定性只保证「同样输入给同样输出」，不保证「输入对了输出就对」。数据不全时置信度会一直偏低，此时应当补数据而不是用估计值填。

出处

共 1 条
  • 本站产出物为框架推演工具，其阈值与判据由使用者自行校准口径说明　不引用任何真实人物的投资观点，也不对任何在任基金经理建模。

SKILL.md 全文

下面这段就是下载包里 SKILL.md 的完整内容，未做删减。指纹 4b13255d747f483d。

风格原型决策镜片

用固定的判据回答一个问题：这只股票，在这个投资框架下该不该动手。

核心不是让模型自由点评，而是把风格原型的阈值变成可复算的判定。所有结论必须能 指回到具体字段、具体数值、具体阈值。禁止输出无法执行的措辞（如「长期看好」 「值得关注」「谨慎乐观」）。

工作流

Step 1：确认三个输入

输入 缺省处理
标的 必填。用户只给名称时先转成代码再取数
视角 未指定时默认跑全部三个原型（--list 查看）
持仓状态 未提供时按空仓处理，并在卡片上标注「未提供持仓信息」

若用户已在用多视角，不要重复询问；直接跑。

Step 2：取数并落成快照

引擎不联网，必须先取数。 按 references/decision-funnel.md 第五节的口径， 通过既有数据链取数，落成一份快照 JSON。取数时注意：

  • 比例类字段用百分数数值（12.3 表示 12.3%）
  • 缺少的字段留空，不要填 0 —— 引擎把 null 判为数据不足，把 0 判为真实零值
  • 估值分位用本 skill 的脚本算，不要直接抄第三方分位，口径会不一致：
  python3 scripts/valuation_percentile.py series.csv --value-col PE_TTM
  • 快照必须记录 as_of.quote（行情日期）与 as_of.financial（财报期），

两者会被原样写进卡片

Step 3：跑引擎

# 列出可用原型
python3 scripts/lens_engine.py --list

# 空仓：跑全部视角
python3 scripts/lens_engine.py --snapshot snap.json --out result.json

# 持仓：带上纪律对照
python3 scripts/lens_engine.py --snapshot snap.json \
  --position pos.json --playbook assets/playbook.json --out result.json

# 只跑指定视角
python3 scripts/lens_engine.py --snapshot snap.json \
  --archetypes deep-value,growth-momentum --out result.json

引擎是确定性的：同样的输入永远给同样的输出。不要手工修改引擎给出的结论， 若认为结论不对，改阈值（references/archetypes/*.json）或改输入数据，并在 calibration_slot 记下理由。

Step 4：渲染决策卡

用 assets/decision-card.html 作模板，把 result.json 填进 window.LENS_DATA， 另存为 {代码}-{名称}-决策卡.html。模板已含三个页签与打印 CSS，不要另起样式。

  • 页签一：单视角决策卡（每个原型一张）
  • 页签二：多视角分歧表 + 分歧归因
  • 页签三：纪律对照（双栏 + 触发的纪律条款）

Step 5：补充引擎给不出的两栏

引擎产出的是确定性判定。以下两栏必须由你补充，且要写进卡片：

  1. 反方质询 —— 不是复述卡住的层，而是问「如果这个框架要买它，需要先接受什么」。

写法见 references/output-contract.md 第三节。

  1. 关键否决项命中情况 —— 把该原型的 kill criteria 逐条列出并标注本次是否命中。

命中任一条时，无论其余五层结果如何，结论一律降为「回避」。

补充完再用 references/output-contract.md 的字段清单自查一遍，缺字段的卡片不发。

硬约束

输出前必须逐条核对，任一条不满足就重做：

  1. 措辞：只说「按 XX 框架推演」，绝不说「XX 认为 / XX 会买」。真实人物的

观点不得被虚构或代言。完整清单见 references/output-contract.md 第一节。

  1. 免责声明：每张卡片必须带固定免责文本，不得省略或改写。
  2. 数据缺口：任一层数据不足时不得用估计值填补，必须显式标注缺口及其影响。
  3. 结论离散：只允许输出 回避/不买/观察/买入（空仓）或 卖出/减仓/持有/加仓（持仓）。
  4. 止损优先：右栏（你的纪律）触发硬止损或跟踪止盈时，右栏结论优先于框架结论。
  5. 一致不等于正确：多视角结论一致时必须标注该提示，三个原型共享同一套数据口径。

可用原型

id 名称 一句话
deep-value 深度价值型 只在价格显著低于重置价值时出手，靠均值回归和股息赚钱
growth-momentum 景气成长型 买景气上行期盈利加速的公司，容忍高估值，不容忍失速
quality-low-valuation 高质量低估值型 只买长期高 ROE、现金转化好的公司，等到估值回到中低位

三个原型都是风格范式，不是对任何在任基金经理的建模。calibration_refs 里的 样本是公开的经典投资范式，用于校准阈值，不构成对具体人物的评价。

新增原型的做法：复制任一 JSON，改 id / name / 各层阈值 / kill_criteria， 然后在 calibration_slot 写下校准依据。引擎会自动加载 references/archetypes/ 下的全部 JSON，无需改代码。

参考文件

  • references/decision-funnel.md —— 五层判定的口径、快照字段规范、取数口径、阈值调整规则。

改动判定逻辑前先改这里。

  • references/output-contract.md —— 措辞约束、证据分层、决策卡字段清单、双栏与分歧表规范。
  • references/archetypes/*.json —— 三套原型的阈值定义。
  • assets/decision-card.html —— 决策卡模板（三页签 + 打印 CSS）。
  • assets/playbook.json —— 你的交易纪律阈值，首次使用前必须逐项核对。

常见问题

结论全是「不买」，是不是引擎坏了？ 先看是不是同一层卡住所有标的。若连续 5 个标的都在同一层卡住，优先怀疑阈值过严， 而非市场真的没有机会。去 references/archetypes/ 调阈值并记录依据。

置信度一直是「低」。 说明取数不全。回 references/decision-funnel.md 第一节核对缺哪些字段， 补齐后重跑。不要用估计值填。

不同视角结论完全相反，该信哪个？ 都不要直接信。先看分歧归因：如果是能力圈设定不同，说明是两个不同的游戏， 用哪个取决于你打算用什么方式赚钱；如果是对估值/增速的容忍度不同，才需要你 自己在两者之间表态。见 references/output-contract.md 第五节。

能不能直接用它下单？ 不能。本 skill 输出的是框架推演，不是投资建议。它给的是「这个框架会怎么想」， 最终决策与风险承担都是你自己的。右栏的止损纪律永远优先于左栏的框架结论。