Oh My Mini Quant (OMMQ)

让小白用户也能通过AI助手从行情数据、财报分析到个股深度研究、估值与龙虎榜博弈的全流程投研任务,输出结构化研报。

本项目输出仅供研究与学习参考,不构成任何投资建议。

项目简介

OMMQ 是一个轻量级、本地优先的 A股、期货投研工作台,不依赖MCP服务,不依赖靠积分充值的范办公工具。内置各类绘图脚本、量化策略。由 Agent 与 SubAgent 按任务类型调度,最终产出结构化、可落盘的研报、量化选股池子、量化回测结果等。

部分案例

以下图表均由项目脚本自动生成(数据日期 2026-10-19,来源:24K-Claw):

A 股市场全景日报(market_overview.py)

市场情绪(market_sentiment.py)

板块涨跌幅 TOP5(sector_top5_chart.py)

申万一级行业轮动热力图(sector_rotation_heatmap.py)

资金流趋势(两融)(money_flow_trend.py)

商品期货主力合约涨跌幅 TOP5(futures_top5_chart.py)

期货量仓(futures_volume_oi.py)

技术分析(stock_technical.py)

股指期货期现基差与升贴水分析(stock_index_basis.py)

细分龙头(XFLT)等权组合 · 近5年收益与最大回撤(sector_equal_weight_curve.py)

核心能力:

• 取数:通过通达信接口获取行情、K 线、财务、龙虎榜等原始数据
• 分析:财报速读、个股深度研究、公司质地打分、估值研判、龙虎榜掘金、业绩预告博弈
• 交互:推荐 OpenCode 开源工具及内置的免费模型,实现 0 费用对话与分析；
• 补充数据源:第三方数据补充(strategies/ 下的脚本全部基于 Akshare 取数)
• 量化策略:strategies/ 提供市场全景、情绪、资金流、板块轮动、期货、个股财务与技术面等可独立运行的图表脚本
• 量化计算与绘图:pandas / numpy / scipy / TA-Lib 计算,matplotlib / seaborn 出图
• 产出归档:正式报告与图表统一落盘至 reports/

策略脚本

strategies/ 下的脚本独立于技能体系,直接用拉取公开数据并出图,可单独运行或作为取数参考。图表产物按当天日期统一写入 reports/YYYYMMDD/(编号规则见 strategies/plot_paths.py:核心八图 01–08、扩展研究图 09 起,参数化脚本以代码作后缀避免覆盖)；股票财务脚本导出的 CSV 数据文件仍存 strategies/output/financials/。

脚本	用途
market_overview.py	A 股市场全景日报:四大指数走势(归一化)+ 成交额 + 涨跌家数
global_index_week_curve.py	全球三大指数周度累计收益曲线:沪深300 / 恒生指数 / 标普500
market_sentiment.py	市场情绪:涨停/跌停家数趋势、连板梯队、涨停行业分布
money_flow_trend.py	杠杆资金(两融)趋势:融资余额、两融余额、单日净增
sector_top5_chart.py	申万一级行业 / 概念板块 涨跌幅 TOP5
sector_rotation_heatmap.py	申万一级行业板块轮动热力图(行=行业,列=交易日)
industry_valuation_percentile.py	申万一级行业 PE / PB 当前值及近 5 年历史分位
futures_basis_spread.py	期货基差与跨期价差:期货 vs 现货、近月 vs 远月、股指基差
futures_top5_chart.py	国内商品期货主力合约 涨幅/跌幅 TOP5
futures_volume_oi.py	期货量仓:主力合约成交量与持仓量、日增仓
stock_financials.py	个股财务:主要指标 + 三大报表(季度口径),导出 CSV 并出图
stock_financials_annual.py	年度财务概览:营收 / 净利 / EPS / ROE 长周期趋势
stock_money_flow.py	个股资金流
stock_technical.py	个股技术面:日 K + MA5/20/60 + 成交量 + MACD + RSI
peer_dupond.py	同业杜邦分析 / 财务估值横向对比
charts_demo.py	绘图示例:折线、柱状、直方、热力图各一张
fetch_daily.py	本地日线行情缓存:data/daily/ 按证券代码分文件(parquet)
sector_equal_weight_curve.py	自定义板块收益回测分析案例
neff_value_strategy.py	约翰·内夫(John Neff)低PE价值投资策略/选股/回测/监控/模板 4 个功能全部内置在里面

技能清单

技能 ID	名称	说明
tdx-tq-local	通达信 TQ-Local	通过本机 HTTP 服务(JSON-RPC,127.0.0.1:17709)直接调用 tqcenter 接口,首选
tdx-aidata	通达信AiData	跨平台(Windows / macOS / Linux)
tdx-quant	通达信 TQ-Python	生成 Python 代码,通过 tqcenter.py 模块与本地通达信客户端交互
tdx-financial-quick-read	财报速读	三表关键指标提取、多期趋势对比、财务异常检测、盈利能力诊断与同业对标
tdx-stock-analysis	个股深度分析	单只 A 股全面研究,输出结构化一页纸报告(九大维度)
tdx-gszddf	公司质地打分	长期质地结构化评估打分,区分"好公司"与"好股票",辅助长线选股
tdx-valuation-navigator	估值导航员	估值方法选择、估值合理性、市场交易预期、重估/杀估值风险
tdx-dragon-tiger-miner	龙虎榜掘金	龙虎榜明细拆解、机构/北向/游资席位意图、买卖力量评分、三日榜分析
tdx-yjygby	业绩预告博弈	业绩发布前后的市场交易、预期差、博弈路径与多情景推演

Agent

每个 Agent 可以配置独立的系统提示词、模型、工具访问权限和行为约束,用于处理特定类型的任务和工作流程。你可以在会话期间随时切换代理,或通过 @ Agent名称 的方式直接调用特定代理。

Agent目录

Agent	用途
Build (主Agent)	默认,启用了所有工具,适合需要完整文件操作和系统命令访问权限的日常开发工作。这是你最常使用的代理。
Plan (主Agent)	专为代码分析和规划设计的受限代理。
TdxQuant(子Agent)	通过通达信获取数,输出结构化研报。
General (子Agent)	通用子代理,拥有完整的工具访问权限,可以修改文件。适用于研究复杂问题和执行多步骤任务,也可以并行运行多个独立的工作单元。
Explore (主Agent)	只读子代理,无法修改任何文件。适合快速查找文件、搜索代码关键字或回答关于代码库结构的问题,速度快且不会产生副作用。

Agrnt 使用方式

1、切换主 Agent 在会话期间按 Tab 键可以在所有主代理之间循环切换,按 Shift+Tab 反向切换。也可以使用 /Agent 打开代理列表直接选择。

2、调用 子 Agent 子代理有两种调用方式:

自动调用:主代理根据任务性质判断需要某个子代理时,会自动调用并将任务委派给它

手动 @ Agent:在消息中使用 @Agent名称 直接指定由哪个子代理处理

简单创建 Agent

在以下路径创建 .md 文件,文件名即为代理名称(如 review.md 对应代理名 review):

全局:~/.config/opencode/agents/(对所有项目有效)

项目级:.opencode/agents/(仅对当前项目有效)

实例

# 文件路径:~/.config/opencode/agents/review.md
---
description: Reviews code for quality and best practices
mode: subagent
model: anthropic/claude-sonnet-4-20250514
temperature: 0.1
tools:
  write: false
  edit: false
  bash: false
---

You are in code review mode. Focus on:

- Code quality and best practices
- Potential bugs and edge cases
- Performance implications
- Security considerations

Provide constructive feedback without making direct changes.

核心能力:

• 取数:通过通达信接口获取行情、K 线、财务、龙虎榜等原始数据
• 分析:财报速读、个股深度研究、公司质地打分、估值研判、龙虎榜掘金、业绩预告博弈
• 交互:推荐 OpenCode 开源工具及内置的免费模型,实现 0 费用对话与分析；
• 补充数据源:Akshare 作为第三方数据补充(strategies/ 下的脚本全部基于 Akshare 取数)
• 量化策略:strategies/ 提供市场全景、情绪、资金流、板块轮动、期货、个股财务与技术面等可独立运行的图表脚本
• 量化计算与绘图:pandas / numpy / scipy / TA-Lib 计算,matplotlib / seaborn 出图
• 产出归档:正式报告与图表统一落盘至 reports/

技术栈

类别	组件	说明
运行平台	OpenCode	加载 .opencode 下的 Agent 与技能
数据接口	通达信 TdxQuant(tqcenter)	本地客户端取数,主数据源
第三方数据	Akshare	补充行情与宏观数据
数据处理	pandas、numpy、scipy	数据清洗、统计与计算
技术指标	TA-Lib	常用技术指标计算(预编译 wheel,无需额外 C 库)
可视化	matplotlib、seaborn	研报图表输出
运行环境	Python 3.12	Windows

目录结构

OMMQ/
├── .opencode/
│   ├── agents/TdxQuant.md        # 投研分析 Agent 定义
│   └── skills/                   # 技能集(取数 + 分析)
├── reports/                      # 生成的研报与图表产物/选股结果、复盘报告输出目录
├── strategies/                   # 量化策略与图表脚本
│   ├── futures/                  # 期货相关脚本
│   ├── stock/                    # A 股相关脚本
│   └── output/                   # 脚本生成的图表与数据产物
├── requirements.txt              # Python 依赖锁定文件
├── data/                         # 本地行情缓存(parquet,别每次重新拉)
│   └── daily/                    # 按股票代码分文件
├── backtest/
│   └── run.py                    # 回测入口,参数化
├── screening/
│   └── screen.py                 # 盘后选股脚本
├── .venv/                        # 项目虚拟环境(已忽略,不入库)
└── .gitignore

依赖安装

项目使用 .venv 虚拟环境管理 Python 依赖(akshare 等)。.venv/ 不入库。

# 激活虚拟环境
.\.venv\Scripts\Activate.ps1

# 安装依赖
pip install -r requirements.txt

# 或直接使用虚拟环境中的解释器运行脚本
.\.venv\Scripts\python.exe your_script.py

首次创建虚拟环境(基于本机 Python 3.12):

python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -U pip -r requirements.txt

依赖清单见 requirements.txt,已包含 akshare、pandas、numpy、scipy、TA-Lib、matplotlib、seaborn 等。

快速开始

1. 通过OpenCode 中打开本项目,直接用自然语言提问(见下方"常用提问示例"),Agent 会自动加载对应技能并调度取数。

新手首次使用 prompt:帮我分析这个项目,安装依赖环境,创建虚拟环境并且激活；

2. 启动通达信客户端(TdxQuant 平台)并登录到主界面。确认本地 HTTP 服务可用:

   curl -s --connect-timeout 3 -X POST "http://127.0.0.1:17709/" `
     -H "Content-Type: application/json; charset=utf-8" `
     -d '{"id":1,"method":"get_match_stkinfo","params":{"key_word":"茅台"}}'

   返回正常 JSON-RPC 响应即取数链路通畅。
3. 报告与图表产物归档至 reports/。

环境要求

• Windows 系统(tqcenter 接口仅在 Windows 下可用)
• Python 3.12(项目虚拟环境 .venv 基于此版本创建)
• 本机已安装并启动通达信客户端(TdxQuant 平台)
• PYPlugins\user\tqcenter.py 模块可用(Python 取数方式)
• 本地 HTTP 服务可达:http://127.0.0.1:17709/(JSON-RPC 取数方式)

运行方式(需在项目根目录执行,脚本输出路径基于项目根目录计算):

.\.venv\Scripts\python.exe strategies/market_overview.py        # 部分脚本支持命令行参数
.\.venv\Scripts\python.exe strategies/stock_technical.py 600519 250

各脚本支持的具体参数(交易日数、股票代码、年份等)见脚本文件头部的说明注释。
部分数据源(如东方财富部分接口)在本机存在限流,脚本已按注释中的说明改用申万、、生意社、中证指数等替代源。

工作流程

1. 明确任务类型(取数 / 财报 / 个股研究 / 质地 / 估值 / 龙虎榜 / 业绩博弈),加载最匹配的分析技能。
2. 按技能流程执行；需要行情、K 线、财务、龙虎榜等原始数据时,再加载 tdx-tq-local 或 tdx-quant 取数。
3. 数据请求失败时排查:通达信客户端是否运行、HTTP 服务端口 17709 是否可达；仍失败则如实报告,不得编造。
4. 输出结构化结论:关键数据用表格,评分/结论给出理由与不确定性,涉及交易判断时附风险提示。
5. 报告落盘:正式报告保存为 Markdown 至 reports/,图表产物同样归档于此。

常用提问示例

想做什么	参考问法	触发技能
快速看财报	"看看 XX 的财报"、"XX 最近业绩怎么样"、"XX 现金流健康吗"	tdx-financial-quick-read
个股深度研究	"XX 股票怎么样"、"XX 投资逻辑"、"帮我研究一下 XX"	tdx-stock-analysis
判断公司质地	"公司质地"、"这家公司好不好"、"是不是好公司"、"壁垒强不强"	tdx-gszddf
估值研判	"XX 估值贵不贵"、"业绩超预期"、"增速下滑要不要杀估值"	tdx-valuation-navigator
龙虎榜拆解	"XX 上龙虎榜了吗"、"游资追踪"、"机构买了什么"、"三日榜"	tdx-dragon-tiger-miner
业绩预告博弈	"业绩预告"、"超预期还能涨吗"、"利空出尽"、"预告后还能买吗"	tdx-yjygby

输出规范

• 所有文本使用中文；图表必须包含标题、图例、坐标轴标签,不能仅靠颜色或形状区分数据。
• 同一数据系列用相同颜色,不同系列用不同颜色；遵循红涨绿跌。
• 配色统一:红色 #F36、绿色 #0C9、蓝色 #99F、黄色 #FC3、字体色 #99F；图表来源统一标注 24KRMB.COM。

故障排查

现象	排查方向
取数请求失败	确认通达信客户端(TdxW.exe)已启动并登录到主界面
端口 17709 连接被拒	客户端未完全启动,或本地 HTTP 服务未就绪,重启客户端后重试
tqcenter 导入失败	将通达信 PYPlugins\user 目录加入 sys.path,并优先使用 sys.path.insert(0, ...)
talib 导入报错	使用本项目的 TA-Lib 0.8.2(PyPI 预编译 wheel),pip install -r requirements.txt 即可,无需单独安装 C 库
数据缺失	如实标注缺失项,不得编造；必要时改用 Akshare 补充数据源

更新记录

更新记录

免责声明

本项目所有输出内容仅供研究与学习参考,不构成任何投资建议。投资有风险,据此操作风险自担,请结合自身风险承受能力独立决策。