THS Advanced Analysis Skill

对话引导规范

澄清意图（意图模糊时必问）

用户输入往往不精确，调用前先判断意图，不要猜测直接跑。

用户说	可能的意图	必问
"帮我看看XX股票"	实时行情？K线走势？大单？	✅
"分析一下XX"	技术面？资金面？和谁对比？	✅
"XX板块怎么样"	板块整体涨跌？成分股？领涨股？	✅
"选一些好股票"	短线？价值？哪个行业？条件？	✅
"XX的5分钟K线"	意图明确	❌ 直接执行
"今日涨停股"	意图明确	❌ 直接执行

澄清话术示例：

用户："帮我分析一下宁德时代"
Claude："好的，请问你主要想看哪个方向？
  1. 今日实时行情 + 资金流向
  2. 分钟K线（盘中走势）
  3. 近期日K线趋势
  4. 和比亚迪、亿纬锂能等对比
  5. 用问财筛选相关概念股"

调用后的后续提示（有延伸价值时才提）

不要每次都机械列出"还可以做XYZ"。只在以下情况自然地带出：

场景	合适的后续提示
展示了行业排名	"需要查某个行业的成分股行情吗？"
展示了分钟K线	"需要同时看大单流向或盘口深度吗？"
展示了多股对比表格	"需要展示归一化走势图或相关性吗？"
问财选出了候选股	"需要对这些股票做K线技术验证吗？"
展示了竞价异动	"需要对某只异动股拉盘前分时看细节吗？"

---

完整调用案例（直接可运行）

详见 examples/ 目录，4个端到端场景：

文件	场景
examples/01_minute_kline.py	分钟K线 + 均线 + 成交量异动标注
examples/02_sector_industry.py	行业排名 + 概念板块成分股 + 指数行情
examples/03_multi_stock_compare.py	多股批量对比：表格 + 归一化走势 + 相关性
examples/04_bigorder_auction.py	大单流向 + 竞价异动扫描 + 分时/盘口
examples/05_wencai_nlp.py	问财NLP：选股/行情/财务/技术/复杂组合 + 与klines联用

---

场景速查

用户需求	使用方法
今日涨停/连板/竞价强势股	wencai_nlp("今日涨停，非ST")
财务指标选股（ROE/PE/PB）	wencai_nlp("连续3年ROE大于15%，非ST")
技术形态选股（MACD金叉）	wencai_nlp("均线多头排列，MACD金叉")
复杂组合条件选股	wencai_nlp("...多条件...") 见案例5
宁德时代5分钟K线	klines(code, interval="5m", count=78)
茅台今日分时图	intraday_data(code)
历史某日分时	min_snapshot(code, date="20250101")
盘口买卖五档	depth(code) 或 tick_level1(code)
大单流向	big_order_flow(code)
今日竞价异动	call_auction_anomaly(market)
申万行业列表	ths_industry()
概念板块列表	ths_concept()
板块成分股	block_constituents(link_code)
指数行情	market_data_index(ths_code)
多股票对比	批量 market_data_cn + klines
权息资料/除权	corporate_action(code)
今日IPO	ipo_today()

---

第零步：安装

pip install --upgrade thsdk

包来源：PyPI

---

连接

所有调用统一使用游客模式，无需账户配置：

from thsdk import THS

with THS() as ths:
    ...

---

第一步：股票代码解析

所有中文名/缩写/短代码 先用 search_symbols 获得完整 ths_code：

with THS() as ths:
    resp = ths.search_symbols("宁德时代")
    # resp.data → [{'THSCODE': 'USZA300750', 'Name': '宁德时代', 'Code': '300750', 'MarketDisplay': '深A'}, ...]

代码选择规则：

情况	处理
0条结果	告知用户未找到
1条结果	直接使用
多条结果，只有1只A股	自动选A股
多条结果，多只A股	展示列表，等用户选择

指数用专用市场前缀（不需要 search_symbols）：

指数	THSCODE
上证指数	USHI000001
深证成指	USZI399001
创业板指	USZI399006
科创50	USHI000688
沪深300	USHI000300
中证500	USHI000905
上证50	USHI000016

⚠️ 指数前缀是 USHI/USZI（非 USHA/USZA），需调用 market_data_index 而非 market_data_cn

---

市场代码说明

前缀	含义
USHA	上海A股
USZA	深圳A股
USHI	上海指数
USZI	深圳指数
USTM	北交所
UHKG	港股

---

K线数据

interval 完整参数

"1m" / "5m" / "15m" / "30m" / "60m" / "120m" / "day" / "week" / "month" / "quarter" / "year"

⚠️ 正确写法是 "5m" 而非 "5min"

用法（count 与 start/end 二选一，不可混用）

from datetime import datetime
from zoneinfo import ZoneInfo

tz = ZoneInfo('Asia/Shanghai')

with THS() as ths:
    # 方式1：按条数（最常用）
    resp = ths.klines("USZA300750", interval="5m", count=78)

    # 方式2：按时间范围
    resp = ths.klines(
        "USZA300750",
        interval="day",
        start_time=datetime(2025, 1, 1, tzinfo=tz),
        end_time=datetime(2025, 3, 1, tzinfo=tz)
    )

    # 复权：前复权 forward / 后复权 backward / 不复权 ""（默认）
    resp = ths.klines("USHA600519", interval="day", count=250, adjust="forward")

    df = resp.df  # 列: 时间, 开盘价, 最高价, 最低价, 收盘价, 成交量 等
    # 分钟K线的"时间"已自动转为 datetime；日K的"时间"为 datetime(YYYYMMDD)

分钟K线分析示例

with THS() as ths:
    resp = ths.klines("USZA300750", interval="5m", count=78)
    df = resp.df
    df['ma5'] = df['收盘价'].rolling(5).mean()
    df['ma20'] = df['收盘价'].rolling(20).mean()
    # 成交量异动（超均量2倍）
    df['vol_avg'] = df['成交量'].rolling(20).mean()
    df['vol_spike'] = df['成交量'] > df['vol_avg'] * 2
    # 支撑/压力位
    support = df['最低价'].tail(20).min()
    resistance = df['最高价'].tail(20).max()

---

盘口与实时数据

日内分时（当日）

with THS() as ths:
    resp = ths.intraday_data("USZA300750")
    df = resp.df  # 列: 时间(datetime), 价格, 成交量, 均价 等

历史分时（近一年内任意日期）

with THS() as ths:
    resp = ths.min_snapshot("USZA300750", date="20250301")
    df = resp.df

买卖五档盘口

with THS() as ths:
    resp = ths.depth("USZA300750")              # 单只
    resp = ths.depth(["USZA300750", "USHA600519"])  # 多只
    df = resp.df  # 含 买1~5价/量, 卖1~5价/量

3秒 Tick 数据

with THS() as ths:
    resp = ths.tick_level1("USZA300750")
    df = resp.df

超级盘口（含十档委托）

with THS() as ths:
    resp = ths.tick_super_level1("USZA300750")                      # 实时
    resp = ths.tick_super_level1("USZA300750", date="20250301")     # 历史（近一年）
    df = resp.df

---

大单与竞价

大单流向

with THS() as ths:
    resp = ths.big_order_flow("USZA300750")
    df = resp.df
    # 含字段：主动买入特大单量/金额/笔数、主动卖出特大单量/金额/笔数、
    #         主动买入大单量/金额/笔数、资金流入/流出 等

集合竞价异动（盘前9:15~9:25监控）

with THS() as ths:
    resp = ths.call_auction_anomaly("USHA")   # 沪市
    resp = ths.call_auction_anomaly("USZA")   # 深市
    df = resp.df
    # 异动类型1 已自动映射中文：
    # 涨停试盘 / 跌停试盘 / 涨停撤单 / 竞价抢筹 / 竞价砸盘
    # 大幅高开 / 大幅低开 / 急速上涨 / 急速下跌
    # 买一剩余大 / 卖一剩余大 / 大买单试盘 / 大卖单试盘

早盘集合竞价快照

with THS() as ths:
    resp = ths.call_auction("USZA300750")
    df = resp.df

---

板块与指数

行业板块列表

with THS() as ths:
    resp = ths.ths_industry()   # 同花顺行业（含 URFI 前缀的 link_code）
    df = resp.df  # 含板块名称、代码(link_code)、涨幅、成交量、上涨/下跌家数 等

概念板块列表

with THS() as ths:
    resp = ths.ths_concept()
    df = resp.df  # 含概念名称、link_code、涨幅、领涨股 等

板块成分股

with THS() as ths:
    # 先获取行业/概念列表，找到 link_code（格式 URFIXXXXXX）
    industry_resp = ths.ths_industry()
    target_row = [r for r in industry_resp.data if '新能源' in str(r.get('名称', ''))][0]
    link_code = target_row.get('代码') or target_row.get('link_code')

    resp = ths.block_constituents(link_code)
    df = resp.df  # 含成分股代码、名称等

板块实时行情

with THS() as ths:
    # query_key: "基础数据"（涨幅/成交/市值）或 "扩展"（涨速/主力净流入）
    resp = ths.market_data_block("URFI881273", "基础数据")
    df = resp.df
    # 含: 价格, 涨幅, 成交量, 板块总市值, 板块流通市值, 上涨家数, 下跌家数, 领涨股

指数实时行情

with THS() as ths:
    # 单只
    resp = ths.market_data_index("USHI000001", "基础数据")
    # 多只（必须同市场：同为 USHI 或同为 USZI）
    resp = ths.market_data_index(["USHI000001", "USHI000300", "USHI000905"])
    df = resp.df  # 含: 价格, 涨幅, 涨跌, 成交量, 总金额, 最高价, 最低价

    # 扩展（含量比、振幅等）
    resp = ths.market_data_index("USHI000001", "扩展")

market_data_cn 可用 query_key

query_key	含义
"基础数据"	价格、涨跌幅、成交量、金额、开高低、涨速、当前量
"基础数据2"	精简版
"基础数据3"	极简（价格、昨收、成交量）
"扩展1"	涨幅、涨跌、换手率、量比、主力净流入、委比
"扩展2"	涨幅、换手率、总市值、流通市值、委比、流通市值
"汇总"	全量字段（基础+扩展合并，多股对比首选）

⚠️ market_data_cn 要求同市场：沪A（USHA）和深A（USZA）不能在同一次调用里混合

---

多股票批量对比

完整流程

import pandas as pd
from collections import defaultdict
from thsdk import THS

stock_names = ["贵州茅台", "五粮液", "泸州老窖"]

with THS() as ths:
    # Step 1: 批量解析代码
    stock_codes = []
    for name in stock_names:
        resp = ths.search_symbols(name)
        a_shares = [s for s in resp.data
                    if any(m in s.get('MarketDisplay', '') for m in ['沪A', '深A'])]
        if a_shares:
            stock_codes.append({'name': name, 'code': a_shares[0]['THSCODE']})

    # Step 2: 按市场分组（market_data_cn 要求同市场）
    by_market = defaultdict(list)
    for s in stock_codes:
        by_market[s['code'][:4]].append(s)

    # Step 3: 批量获取行情
    rows = []
    for market, stocks in by_market.items():
        codes = [s['code'] for s in stocks]
        resp = ths.market_data_cn(codes, "汇总")
        for i, row in enumerate(resp.data):
            row['股票名称'] = stocks[i]['name']
            rows.append(row)
    quote_df = pd.DataFrame(rows)

    # Step 4: 批量K线
    klines_data = {}
    for s in stock_codes:
        resp = ths.klines(s['code'], interval="day", count=30, adjust="forward")
        klines_data[s['name']] = resp.df

# Step 5: 归一化
for name, df in klines_data.items():
    df['归一化'] = df['收盘价'] / df['收盘价'].iloc[0] * 100

# Step 6: 相关性（量化场景）
returns = pd.DataFrame({
    name: df['收盘价'].pct_change()
    for name, df in klines_data.items()
})
corr_matrix = returns.corr()

输出规范（两步走）

第一步：表格（show_widget 渲染）

| 股票 | 最新价 | 涨幅% | 成交额 | 换手率 | 量比 | 主力净流入 | 总市值 |

第二步：图表（show_widget 渲染）

1. 归一化走势折线图（多线，颜色区分，起点=100）
2. 量化场景额外输出：相关性热力图

---

问财自然语言查询（wencai_nlp）

问财是同花顺旗下 AI 选股平台（iwencai.com），支持用自然语言做全市场扫描。 wencai_nlp 直接对接同一接口，多条件用逗号/分号/空格分隔。

with THS() as ths:
    resp = ths.wencai_nlp("连续3日主力净流入，换手率大于5%，非ST")
    df = resp.df  # 每行一只股票，列为查询涉及的字段

⚠️ buffer_size 已设为 8MB，返回数据量大时无需手动调整

六大查询类型速查

① 行情 & 盘面

"今日涨停，非ST"
"连续2日涨停，非一字板，非ST"
"今日涨停原因类别，涨停封单额，封单量"
"竞价涨幅大于3%，竞价量大于昨日成交量5%，非ST"
"主力净流入由大到小排名前20，非ST"
"近10日区间主力资金流向大于5000万，市值大于100亿，日成交额大于30亿"

② 板块 & 行业

"今日申万行业涨跌幅排名"
"今日概念板块涨幅排名前20"
"人工智能概念股，今日涨跌幅，成交额，主力净流入"
"半导体行业股票，涨幅，换手率，市值"
"今日涨幅最大的5个概念板块，涨幅，成分股数量"

③ 财务指标

"连续3年ROE大于15%，非ST，上市大于3年"
"净利润增长率大于30%，营业收入增长率大于20%，非ST"
"市盈率小于15，股息率大于3%，市净率小于2，非ST"
"市净率小于1，非ST，流通市值大于20亿"          # 破净股
"连续5年分红，股息率大于4%，资产负债率小于60%"

④ 技术形态

"均线多头排列，MACD金叉，换手率大于3%，非ST"
"5日均线上穿20日均线，成交量放大，涨幅大于1%"
"均线粘合，平台突破，成交量大于5日均量1.5倍"
"仙人指路，非ST，非停牌"
"250日新高，非ST，沪深A，上市超过250天"

⑤ 复杂组合（短线/量化）

# 短线强势选股
"均线多头排列，MACD金叉，DIFF上穿中轴，换手率大于1%且小于10%，30日内有2个交易日涨幅大于4%，非ST"

# 竞价选股（隔日打板）
"昨日非一字板涨停，今日竞价涨幅大于等于0%且小于等于9.9%，今日隔夜买单额小于10亿，非ST，非科创板"

# 连板选股
"最近5日有过涨停，最近5日没有跌停，今日成交量大于5日平均成交量，今日竞价涨幅在2%到3%之间，非北交所非科创板非ST"

⑥ 信息查询（非选股）

"涨停原因归类前20"                       # 今日涨停题材分布
"今日龙虎榜"                             # 龙虎榜数据
"今日大宗交易"                           # 大宗交易
"今日融资融券余额最大的前20只股票"
"近一周北向资金净买入前20"

wencai_nlp 返回数据处理

with THS() as ths:
    resp = ths.wencai_nlp("连续3日主力净流入，换手率大于5%，非ST，市值大于30亿")
    if not resp:
        print(f"查询失败: {resp.error}")
    else:
        df = resp.df
        # 字段名来自查询语句，常见列：股票代码、股票简称、涨幅、成交额、主力净流入 等

        # 补全 ths_code（供后续调用 klines/market_data_cn）
        def to_ths_code(code_str):
            code_str = str(code_str).zfill(6)
            if code_str.startswith('6'):   return f"USHA{code_str}"
            if code_str.startswith(('0','3')): return f"USZA{code_str}"
            if code_str.startswith('8'):   return f"USTM{code_str}"
            return None

        df['ths_code'] = df.get('股票代码', df.get('代码', pd.Series())).apply(to_ths_code)

wencai_nlp vs wencai_base

方法	用途
wencai_nlp(condition)	主要用法。完整自然语言，返回股票列表+字段数据
wencai_base(condition)	简单条件查询，如 "所属行业" 查单只股票的归属

完整示例见 examples/05_wencai_nlp.py

---

其他实用 API

权息资料（除权除息历史）

with THS() as ths:
    resp = ths.corporate_action("USHA600519")
    df = resp.df

今日IPO / 待申购

with THS() as ths:
    resp = ths.ipo_today()   # 今日上市新股
    resp = ths.ipo_wait()    # 待申购打新

问财自然语言查询

with THS() as ths:
    resp = ths.wencai_nlp("今日申万行业涨跌幅排名")
    resp = ths.wencai_nlp("今日概念板块涨跌幅排名前20")
    resp = ths.wencai_nlp("换手率大于10%且涨幅大于5%的股票")
    df_list = resp.data

---

错误处理

with THS() as ths:
    resp = ths.klines("USZA300750", interval="5m", count=60)
    if not resp:                  # resp.success == False
        print(f"调用失败: {resp.error}")
    elif resp.df.empty:
        print("数据为空，可能是非交易时间")
    else:
        df = resp.df

常见报错速查：

错误信息	原因	解决
"未登录"	未 connect	确保使用 with THS() as ths
"证券代码必须为10个字符"	代码格式错误	先过 search_symbols
"一次性查询多支股票必须市场代码相同"	沪深混合	按市场分组分别查询
"无效的周期类型: 5min"	interval 写法错	改为 "5m"
"'count' 参数不能与 'start_time' 同时使用"	参数冲突	二选一

---

与 ths-financial-data 的分工

场景	skill
单只A股行情/资金流向/日K	ths-financial-data
分钟K线 / 盘中监控	本 skill
盘口深度 / 大单 / 竞价异动	本 skill
板块/指数行情及成分股	本 skill
多股票批量对比	本 skill
问财自然语言查询	两者均可