SM Stock Screen

这个 skill 负责把"我大概想看一个方向"变成"我先研究哪 5-10 个票"。 当用户明确要求多策略、共识票、ClawHub skill、10 个 strategy 对比时，它还负责把外部选股 skill 收编成统一的比较框架。

强制流程（v0.2 硬约束）

⛔ 任何分析输出之前，必须严格执行 [../../core/preamble.md](../../core/preamble.md) 的 6 步开始前流程

⛔ 任何输出完成之前，必须严格执行 [../../core/postamble.md](../../core/postamble.md) 的 8 步结束后流程

输出归档按 [../../core/output-archive.md](../../core/output-archive.md) 命名规范
输出验收按 [../../core/acceptance.md](../../core/acceptance.md) 清单逐条自检

Stock Screen 特别注意：

• 先定义问题，再筛股票；不要直接报一串名字
• 必须把筛选逻辑写清楚：是景气度、供给瓶颈、估值切换、低涨幅补涨，还是预期差
• 输出不是结论，而是研究优先级
• 多策略模式下，先定义可比口径，再比较结果

先判定是哪个模式

模式 A：标准选股

适用于：

• "AI 链条上还缺什么"
• "MLCC 里帮我挖几个重点标的"
• "跟 AI 相关但涨得比较少的板块还有谁"
• "给我一个选股思路模板，不要直接报票"

模式 B：多策略共识比较

适用于：

• "把这些选股 skill 都拉进来比较"
• "我有 10 个 strategy，看看共同推荐了什么"
• "ClawHub 上和量化选股相关的 skill 跑一个 registry"
• "哪些票是多策略共识，哪些只是单一风格选出来的"

读取规则

• 进入 模式 B 时，先读 [references/strategy-compare-contract.md](references/strategy-compare-contract.md)
• 进入 模式 B 时，必须读 [references/clawhub-quant-registry.md](references/clawhub-quant-registry.md)，并把它当作本模式的默认 canonical roster
• 用户要求 刷新、增删、补录外部策略 时，再读 [references/strategy-refresh-playbook.md](references/strategy-refresh-playbook.md)
• 不要因为当前工作区恰好装了某些本地 skill，就自动改用本地 roster；除非用户明确说"改用本地已安装 skill"或"把本地 skill 也并入比较"

五种默认筛法（模式 A）

1. 瓶颈环节筛法

适合："AI 链条里还缺什么？"

• 找出主线已经验证的环节
• 找 supply chain 里被忽视但必要的器件 / 材料 / 设备
• 关注"量先上去、利润后反映"的环节

2. 低涨幅补涨筛法

适合："跟 AI 相关，但涨得比较少的板块有哪些？"

• 先确认主线已经涨了什么
• 再找同样受益、但涨幅落后 / 仓位不重 / 预期不满的公司
• 排除纯左侧价值陷阱

3. 预期差筛法

适合："市场还没 fully price in 的票有哪些？"

• 行业逻辑已经形成共识
• 公司层变量还没被充分上修
• 看未来 1-2 个季度有没有验证点

4. 产业链扩散筛法

适合："主线从龙头往哪里扩？"

• 先定龙头和直接受益
• 再看二阶 / 三阶受益
• 判断扩散是走业绩、走弹性，还是走情绪

5. 错杀修复筛法

适合："基本面相关，但因为别的原因涨得少 / 跌得多"

• 先确认是否真相关
• 再找错杀原因：财报短期 miss、仓位、流动性、非核心业务拖累
• 看修复催化是否明确

多策略共识模式（模式 B）

模式 B 的核心不是"把一堆 skill 名单堆在一起"，而是做三个动作：

1. 建 roster：先明确这次要纳入哪些 strategy，哪些只是数据层 / validator / router
2. 统一口径：把不同 strategy 的输出映射成统一 schema，再做 raw/family-adjusted 共识
3. 解释差异：说明共识票为什么重合，分歧票为什么只被某类风格选中

模式 B 的硬规则

• 默认 roster 只认 references/clawhub-quant-registry.md 里登记过的 strategy；没有登记的 strategy，哪怕当前工作区可用，也不能自动纳入
• 本地已安装 skill 不等于 mode B roster；本地 skill 只有两种情况下才能进入：

1. 它在 registry 里有对应 owner/slug / strategy card 2. 用户明确要求切到 local roster mode

• 外部 skill 默认视为 strategy card，不等于真的安装进当前工作区
• 只有 generator 才能直接投票产出候选池
• validator 只能做通过/否决/降级，不单独制造 universe
• data / meta / router 技能默认不算票
• 同一家族的近似策略不能重复计票

- 例如 tvscreener 和 tradingview-screener 属于同一 TradingView 族，raw 可以双记，family-adjusted 只能算 1 票

模式 B 的输出目标

• 共识票：被多个独立策略家族同时命中的标的
• 分歧票：只被单一路径命中，或被 validator 否决的标的
• 原理归因：每只票到底是被趋势、资金、估值、宏观、情绪、主题扩散中的哪条逻辑选出来的
• 下一步研究顺序：哪几只值得调 sm-thesis / sm-company-deepdive

输出格式

模式 A：标准选股输出

# Stock Screen · {主题}

## 一句话筛选命题
- {例如“AI 训练链已经交易到光模块，但 MLCC / 高频被动件的二阶受益尚未充分定价”}

## 先筛什么，不筛什么
- 纳入：{市场 / 子行业 / 市值段 / 业务暴露}
- 排除：{纯概念、业务相关度弱、数据无法验证}

## 候选池

| 分层 | 股票 | 为什么入池 | 现在最大的疑问 | 建议下一步 |
|---|---|---|---|---|
| A 级优先看 | ... | ... | ... | 调 `sm-thesis` |
| B 级观察 | ... | ... | ... | 等数据 / 等催化 |
| C 级备选 | ... | ... | ... | 暂不深挖 |

## 这次用的筛法
- 瓶颈环节 / 低涨幅补涨 / 预期差 / 产业链扩散 / 错杀修复

## 可复用模板
1. 先问：主线已经涨了谁？
2. 再问：谁是真受益但还没涨够？
3. 再问：缺的验证数据是什么？
4. 最后分成 A/B/C 三层，不要一次全做深度

模式 B：多策略共识输出

# Strategy Compare · {主题 / 市场 / 时间窗}

## 这次比较的问题是什么
- {筛选命题}

## 本次纳入的 strategy roster
| strategy | family | role | vote_mode | 市场 | 出处 |
|---|---|---|---|---|---|

## 为什么这些 strategy 可比 / 不可比
- generators: 负责产出候选池
- validators: 负责对候选池做通过/否决
- data/meta: 不计票，只补数或编排

## 候选池并集（union pool）
| 股票 | 首次命中 strategy | 主逻辑标签 | 备注 |
|---|---|---|---|

## 共识矩阵
| 股票 | raw_hits | family_hits | validator_pass | validator_reject | 主逻辑 | 结论 |
|---|---:|---:|---:|---:|---|---|

## A级共识票
| 股票 | 为什么被多策略同时选中 | 主要分歧点 | 建议下一步 |
|---|---|---|---|

## B级交叉风格票
| 股票 | 命中哪些风格 | 为什么暂不升 A | 建议下一步 |
|---|---|---|---|

## C级单一策略票 / 分歧票
| 股票 | 只被谁选中 | 可能的偏见或限制 | 是否保留观察 |
|---|---|---|---|

## 这些重合是怎么来的
- 趋势共识 / 估值共识 / 主题扩散 / 资金流向 / 情绪催化 / 宏观门控

## 下一步研究顺序
1. {A级里最值得调 `sm-thesis` 的票}
2. {需要 `sm-consensus-watch` 补预期差的票}
3. {需要 `sm-company-deepdive` 深挖的票}

典型触发例子

• "AI 链条上现在哪些东西比较缺？"
• "MLCC 和 TWS 里帮我挖几个重点标的"
• "跟 AI 相关但涨得比较少的板块还有谁"
• "把 ClawHub 上选股的 skill 收进来做一个比较"
• "我这里有 10 个 strategy，看看共同推荐的是什么"
• "给我一个共识票框架，不要只报票"

约束

• ❌ 不直接给"必涨股"名单
• ❌ 不把弱相关公司硬扯进 AI 链
• ❌ 不把选股候选池写成深度报告
• ❌ 不把 data / meta / router 技能当成投票器
• ❌ 不让同一家族的重复策略无限加权
• ❌ 用户未明示时，用当前环境里"恰好可用"的本地 skill 替代 registry 里的 Claude Hub strategy
• ✅ 必须分层（A/B/C）
• ✅ 必须说明这次筛法或策略 roster
• ✅ 必须明确下一步是调哪个 skill 去深挖
• ✅ 用户要求外部 strategy 时，必须显式写出处（至少 owner/slug 或源码链接）

输出归档路径

themes/{theme-slug}/stock-screen/{YYYY-MM-DD}-{screen-slug}.md

与其他 skill 的关系

实操提醒

• 用户说"把这些 skill 装进来"时，默认理解为装进选股方法板块 / registry，不是立刻安装所有外部 skill
• 只有用户明确要求安装某个外部 skill 时，才进入真实安装流程
• 默认先做 registry、对比、共识和研究顺序；把"方法编排"和"真实执行"分开
• 如果用户没有特别说明，模式 B 的 strategy roster 以 clawhub-quant-registry.md 为准，不做本地自动发现