boheng-investment-workflow

by zhangboheng

Install this Skill

curl -fsSL -o boheng-investment-workflow.zip https://skill.seembox.com/api/v1/skills/boheng-investment-workflow/download && unzip boheng-investment-workflow.zip

Download boheng-investment-workflow.zip

SKILL.md About

---
name: boheng-investment-workflow
version: 1.2.2
author: 张权 (Zhang Quan)
license: MIT
description: "投资研究多智能体决策系统 - 8位专业分析师并行研究，加权投票给出投资建议（仅供参考，不构成投资建议）。支持A股股票、基金、ETF、可转债等多种投资标的分析。支持实时行情获取（多数据源）、财务数据分析。⚠️ 风险提示：本系统分析结果仅供学习参考，不构成投资建议。投资有风险，决策需谨慎。"
---

⚠️ **风险警告**：本系统提供的分析结果仅供参考，不构成任何形式的投资建议。用户应自行承担投资风险，决策前请务必查阅官方财报或咨询专业投资顾问。

keywords:
  - 股票分析
  - 投资决策
  - 多智能体
  - 多数据源
  - A股
  - 财务分析
  - 估值分析
  - 基金分析
  - ETF分析
  - 可转债分析
min_openclaw_version: "1.0.0"
security:
  network_access: true
  allowed_domains:
    - qt.gtimg.cn
    - web.ifzq.gtimg.cn
    - push2.eastmoney.com
  file_writes:
    - ~/.openclaw/workspace/investment/
  system_commands: false
  https_only: true
  background_tasks: false
  data_source: "多数据源：腾讯财经（主）、东方财富（备）、AKShare（可选）"
  akshare_optional: "AKShare为可选依赖，用于深度财务数据和基金数据分析"
---

# 投资研究多智能体决策系统

## 🎯 核心特性

| 特性 | 说明 |
|------|------|
| ✅ **多智能体分析** | 8位专业分析师并行研究 |
| ✅ **加权投票机制** | 按权重计算最终投资建议 |
| ✅ **多标的支持** | 支持A股股票、基金、ETF、可转债 |
| ✅ **实时行情** | 通过腾讯财经API获取实时行情 |
| ✅ **财务数据分析** | 行情数据+行业估算（部分指标） |
| ✅ **多年财务趋势** | 近5年财务数据对比，识别风险信号 |
| ✅ **行业对比分析** | 与同行业公司对比，判断竞争地位 |
| ✅ **完整报告** | 输出结构化投资决策报告 |
| ✅ **风险提示** | 识别并提示潜在风险 |

> ⚠️ **数据说明**：本技能仅使用腾讯财经API（qt.gtimg.cn）获取数据。部分财务指标（如毛利率、净利率）基于行业经验估算，非真实财务报表数据。如需精确财务数据，请查阅官方财报或专业数据平台。

---

## 🚀 快速开始

### 1️⃣ 安装

```bash
cd ~/.openclaw/skills/boheng-investment-workflow/scripts
chmod +x install.sh
./install.sh
```

会自动完成：
- ✅ 创建 `~/.openclaw/workspace/investment/` 数据目录
- ✅ 安装 Python 依赖（requests, beautifulsoup4, akshare）
- ✅ 测试基本功能

### 依赖说明

| 依赖包 | 用途 | 必需 |
|--------|------|------|
| `requests` | HTTP 请求 | ✅ 必需 |
| `beautifulsoup4` | HTML 解析 | ⚠️ 可选 |
| `akshare` | 深度财务数据 | ⚠️ 可选（仅--akshare模式） |
| `pandas` | 数据处理 | ⚠️ 可选（仅--akshare模式） |

> ⚠️ **注意**：基础模式仅需 `requests`，使用 `--akshare` 参数时需要安装 `akshare` 和 `pandas`。

---

### 2️⃣ 分析投资标的

#### 股票分析

```bash
# 分析单只股票（快速模式，仅行情）
python3 analyze_stock.py 600919

# 指定股票名称
python3 analyze_stock.py 600919 江苏银行

# 完整分析（包含财务趋势+行业对比）
python3 analyze_stock.py 600919 --akshare

# 仅财务趋势分析
python3 analyze_stock.py 600919 --akshare --no-industry

# 仅行业对比分析
python3 analyze_stock.py 600919 --akshare --no-trend
```

#### 财务趋势分析（独立）

```bash
# 分析近5年财务趋势
python3 financial_trend.py 603529 5

# 分析近3年财务趋势
python3 financial_trend.py 603529 3
```

#### 行业对比分析（独立）

```bash
# 行业对比分析
python3 industry_comparison.py 603529 爱玛科技
```

#### 基金分析

```bash
# 分析基金
python3 analyze_fund.py 110022  # 易方达消费行业

# 指定基金名称
python3 analyze_fund.py 110022 易方达消费行业
```

#### ETF分析

```bash
# 分析ETF
python3 analyze_etf.py 510300  # 沪深300ETF

# 指定ETF名称
python3 analyze_etf.py 510300 沪深300ETF
```

#### 可转债分析

```bash
# 分析可转债
python3 analyze_bond.py 113050  # 核能转债

# 指定可转债名称
python3 analyze_bond.py 113050 核能转债
```

---

### 3️⃣ 输出示例

```
==================================================
        投资研究决策报告
==================================================

【标的】：600919 江苏银行
【研究时间】：2026-04-29
【当前价格】：¥11.40 (+0.35%)

==========================================
        财务数据概览
==========================================

📊 盈利能力：
   ROE: 12.5%  |  毛利率: 45.2%  |  净利率: 28.3%

📈 成长能力：
   营收增速: 8.5%  |  利润增速: 12.3%

💰 估值指标：
   PE: 5.8倍  |  PB: 0.65倍  |  股息率: 5.2%

==========================================
        8位分析师投票结果
==========================================

1. 宏观经济分析师 → ✅ 建议 (权重 1.0x)
   理由：货币政策宽松，利率下行利好银行股...

2. 行业研究员 → ✅ 建议 (权重 1.5x) ⭐
   理由：银行业景气度稳定，息差收窄但资产质量改善...

==========================================
            最终结论
==========================================

最终建议：✅ 建议投资

综合建议：
1. 估值处于历史低位，具备安全边际
2. 高股息率（5.2%），适合长期持有
3. 建议分批建仓，控制仓位

风险提示：
- 经济下行可能导致不良贷款上升
- 息差收窄压力持续
==========================================
```

---

## 📁 文件结构

```
boheng-investment-workflow/
├── SKILL.md                    # 主文档
├── README.md                   # 使用说明
└── scripts/
    ├── config.py               # ⭐ 统一配置
    ├── monitor.py              # ⭐ 行情监控模块
    ├── financial_data.py       # ⭐ 财务数据模块（AKShare）
    ├── financial_trend.py      # ⭐ 财务趋势分析模块（新增）
    ├── industry_comparison.py  # ⭐ 行业对比分析模块（新增）
    ├── analysts.py             # ⭐ 8位分析师模块
    ├── analyze_stock.py        # ⭐ 股票分析入口
    ├── analyze_fund.py         # ⭐ 基金分析入口
    ├── analyze_etf.py          # ⭐ ETF分析入口
    ├── analyze_bond.py         # ⭐ 可转债分析入口
    ├── report_generator.py     # 报告生成器
    ├── install.sh              # 安装脚本
    └── uninstall.sh            # 卸载脚本
```

---

## 👥 8位分析师及其职责

| # | 分析师 | 职责 | 分析维度 | 权重 | 数据来源 |
|---|--------|------|----------|------|----------|
| 1 | 宏观经济分析师 | 宏观环境分析 | GDP/利率/政策 | 1.0x | AKShare宏观接口 |
| 2 | 行业研究员 | 行业景气度 | 赛道/竞争/政策 | 1.5x | AKShare行业数据 |
| 3 | 基本面分析师 | 公司财务分析 | 业绩/增长/护城河 | 1.5x | AKShare财务报表 |
| 4 | 技术分析师 | K线趋势分析 | 趋势/支撑/信号 | 1.0x | AKShare K线数据 |
| 5 | 风险控制师 | 风险识别 | 仓位/止损/分散 | 1.2x | 综合分析 |
| 6 | 量化分析师 | 数据统计分析 | 因子/相关/回测 | 1.0x | AKShare历史数据 |
| 7 | 情绪分析师 | 市场情绪分析 | 资金/贪婪恐惧 | 0.8x | AKShare资金流向 |
| 8 | 估值分析师 | 合理价值分析 | DCF/PE分位/安全边际 | 1.2x | AKShare估值数据 |

---

## 📊 AKShare 数据接口使用

> ⚠️ **重要说明**：v1.1.1 版本起，本技能已移除 AKShare 依赖，改为仅使用腾讯财经API。以下文档保留供参考，但代码中不再使用 AKShare。

### 行情数据（已弃用 AKShare）

```python
import akshare as ak

# 实时行情
df = ak.stock_zh_a_spot_em()
quote = df[df['代码'] == '600919'].iloc[0]

# 历史K线
df = ak.stock_zh_a_hist(symbol="600919", period="daily", 
                         start_date="20250101", end_date="20260429",
                         adjust="qfq")  # 前复权
```

### 财务数据

```python
import akshare as ak

# 主要财务指标
df = ak.stock_financial_analysis_indicator(symbol="600919")
# 包含：ROE、毛利率、净利率、营收增速等

# 资产负债表
df = ak.stock_balance_sheet_by_report_em(symbol="600919")

# 利润表
df = ak.stock_profit_sheet_by_report_em(symbol="600919")

# 现金流量表
df = ak.stock_cash_flow_sheet_by_report_em(symbol="600919")
```

### 估值数据

```python
import akshare as ak

# 市盈率、市净率、股息率
df = ak.stock_a_lg_indicator(symbol="600919")
# 包含：pe_ttm、pb、dv_ratio（股息率）

# 估值分位
# 需要结合历史数据计算
```

### 资金流向

```python
import akshare as ak

# 个股资金流向
df = ak.stock_individual_fund_flow(stock="600919", market="sh")

# 主力资金
df = ak.stock_fund_flow_individual(symbol="600919")
```

### 行业数据

```python
import akshare as ak

# 行业板块行情
df = ak.stock_board_industry_name_em(symbol="银行")

# 个股所属行业
df = ak.stock_individual_info_em(symbol="600919")
```

---

## 📈 各分析师数据使用详解

### 1. 宏观经济分析师

**数据接口**：
```python
# 中国GDP增速
df = ak.macro_china_gdp()

# CPI/PPI
df = ak.macro_china_cpi_yearly()

# 社融数据
df = ak.macro_china_shrz_money()

# 利率数据
df = ak.macro_china_shibor_all()
```

**分析逻辑**：
- GDP增速 > 5%：经济扩张，利好股市
- CPI < 3%：通胀温和，货币政策空间大
- 社融增速上升：信用扩张，利好市场

---

### 2. 行业研究员

**数据接口**：
```python
# 行业涨跌幅排行
df = ak.stock_board_industry_index_em()

# 行业资金流向
df = ak.stock_board_industry_fund_flow_em()

# 行业估值
df = ak.stock_board_industry_pe_lg(symbol="银行")
```

**分析逻辑**：
- 行业涨跌幅排名前30%：景气度高
- 行业资金净流入：资金关注度高
- 行业PE处于历史低位：估值优势

---

### 3. 基本面分析师

**数据接口**：
```python
# 主要财务指标
df = ak.stock_financial_analysis_indicator(symbol="600919")

# 关键指标：
# - roe: 净资产收益率
# - roa: 总资产收益率
# - grossprofitmargin: 毛利率
# - netprofitmargin: 净利率
# - revenue_growth: 营收增速
# - net_profit_growth: 利润增速
# - debt_to_asset: 资产负债率
# - current_ratio: 流动比率
# - ocf_to_revenue: 经营现金流/营收
```

**评分标准**：
| 指标 | 优秀 | 良好 | 一般 | 较差 |
|------|------|------|------|------|
| ROE | >15% | 10-15% | 5-10% | <5% |
| 毛利率 | >40% | 25-40% | 15-25% | <15% |
| 营收增速 | >20% | 10-20% | 0-10% | <0% |
| 资产负债率 | <40% | 40-60% | 60-75% | >75% |

---

### 4. 技术分析师

**数据接口**：
```python
# 日K线数据
df = ak.stock_zh_a_hist(symbol="600919", period="daily",
                         start_date="20250101", adjust="qfq")

# 列包含：开盘、收盘、最高、最低、成交量、成交额
```

**技术指标计算**：
```python
import pandas as pd

# 均线
df['MA5'] = df['收盘'].rolling(5).mean()
df['MA10'] = df['收盘'].rolling(10).mean()
df['MA20'] = df['收盘'].rolling(20).mean()

# MACD
exp12 = df['收盘'].ewm(span=12, adjust=False).mean()
exp26 = df['收盘'].ewm(span=26, adjust=False).mean()
df['MACD'] = exp12 - exp26
df['SIGNAL'] = df['MACD'].ewm(span=9, adjust=False).mean()

# RSI
delta = df['收盘'].diff()
gain = (delta.where(delta > 0, 0)).rolling(14).mean()
loss = (-delta.where(delta < 0, 0)).rolling(14).mean()
rs = gain / loss
df['RSI'] = 100 - (100 / (1 + rs))
```

**信号判断**：
- 金叉：MA5上穿MA20，MACD上穿信号线
- 超买：RSI > 70
- 超卖：RSI < 30

---

### 5. 风险控制师

**数据来源**：综合其他分析师数据

**风险评估**：
```python
# 波动率（年化）
volatility = df['收盘'].pct_change().std() * (252 ** 0.5)

# 最大回撤
cummax = df['收盘'].cummax()
drawdown = (df['收盘'] - cummax) / cummax
max_drawdown = drawdown.min()

# 风险等级
if max_drawdown > -0.3:
    risk_level = "高"
elif max_drawdown > -0.2:
    risk_level = "中"
else:
    risk_level = "低"
```

---

### 6. 量化分析师

**数据接口**：
```python
# 历史行情（用于回测）
df = ak.stock_zh_a_hist(symbol="600919", period="daily",
                         start_date="20240101", adjust="qfq")

# 指数数据（计算相关性）
df_index = ak.stock_zh_index_daily(symbol="sh000300")  # 沪深300
```

**因子计算**：
```python
# 动量因子（过去20日收益率）
momentum = (df['收盘'].iloc[-1] / df['收盘'].iloc[-20] - 1) * 100

# 波动率因子
volatility = df['收盘'].pct_change().std() * 100

# 换手率因子
turnover = df['换手率'].mean()

# 价值因子（需要估值数据）
value_score = 100 - pe_percentile  # PE分位越低越好
```

---

### 7. 情绪分析师

**数据接口**：
```python
# 个股资金流向
df = ak.stock_individual_fund_flow(stock="600919", market="sh")

# 主力资金净流入
main_flow = df['主力净流入-净额'].iloc[-1]

# 融资融券
df = ak.stock_margin_detail_szse(date="20260429")
# 或
df = ak.stock_margin_detail_sse(date="20260429")

# 北向资金
df = ak.stock_hsgt_north_net_flow_in_em()
```

**情绪判断**：
- 主力资金连续3日净流入：情绪偏多
- 融资余额上升：杠杆资金入场
- 北向资金净流入：外资看好

---

### 8. 估值分析师

**数据接口**：
```python
# 估值指标
df = ak.stock_a_lg_indicator(symbol="600919")

# pe_ttm: 滚动市盈率
# pb: 市净率
# ps_ttm: 市销率
# dv_ratio: 股息率
# total_mv: 总市值

# 历史PE数据（计算分位）
df_hist = ak.stock_a_pe_and_pb_analysis(symbol="600919")
```

**估值分位计算**：
```python
# PE分位
pe_current = df['pe_ttm'].iloc[-1]
pe_hist = df_hist['pe']  # 历史PE序列
pe_percentile = (pe_hist < pe_current).sum() / len(pe_hist) * 100

# 分位解读
if pe_percentile < 20:
    valuation = "严重低估"
elif pe_percentile < 40:
    valuation = "偏低"
elif pe_percentile < 60:
    valuation = "合理"
elif pe_percentile < 80:
    valuation = "偏高"
else:
    valuation = "严重高估"
```

---

## 🔄 决策流程

```
用户提问投资问题
        ↓
识别投资标的类型（股票/基金/ETF/可转债）
        ↓
获取实时行情（AKShare）
        ↓
获取财务/净值数据（AKShare）
        ↓
并行启动8个分析师
        ↓
各分析师独立分析并给出建议
        ↓
收集投票结果（✅建议/⚠️谨慎/❌不建议）
        ↓
按权重计算最终得分
        ↓
输出综合报告
```

---

## 💾 数据存储

### watchlist.txt（自选股列表）
```
600919|江苏银行
000921|海信家电
```

### reports/（分析报告存档）
```
2026-04-29_600919_江苏银行.txt
2026-04-29_000921_海信家电.txt
```

---

## 🔧 高级用法

### 批量分析

```bash
# 分析多只股票
for code in 600919 000921 600926; do
    python3 analyze_stock.py $code
done
```

### 自定义分析

```python
from financial_data import FinancialDataFetcher
from analysts import run_all_analysts

# 获取财务数据
fetcher = FinancialDataFetcher()
financial = fetcher.get_all_data("600919")

# 运行分析师
results = run_all_analysts(quote, financial)
```

---

## ❓ 常见问题

### Q1: AKShare 接口报错怎么办？
部分接口有频率限制，建议：
- 添加请求间隔：`time.sleep(1)`
- 使用缓存减少重复请求
- 切换备用接口

### Q2: 如何修改分析师权重？
编辑 `scripts/config.py`：
```python
ANALYST_WEIGHTS = {
    "宏观经济分析师": 1.0,
    "行业研究员": 1.5,
    # ...
}
```

### Q3: 支持港股/美股吗？
AKShare 支持港股和美股数据，可在 `financial_data.py` 中扩展。

### Q4: 支持哪些投资标的？
当前支持：
- **A股股票**：完整财务分析
- **公募基金**：净值、持仓、业绩分析
- **ETF**：指数跟踪、估值分析
- **可转债**：转股价值、溢价率分析

---

## 📊 基金分析

### 基金数据接口

```python
import akshare as ak

# 基金基本信息
df = ak.fund_name_em()
fund_info = df[df['基金代码'] == '110022'].iloc[0]

# 基金净值
df = ak.fund_open_fund_daily_em(symbol="110022")
# 包含：单位净值、累计净值、日增长率

# 基金历史净值
df = ak.fund_open_fund_info_em(fund="110022", indicator="单位净值")

# 基金持仓
df = ak.fund_portfolio_em(fund="110022")
# 包含：股票持仓、债券持仓、行业分布

# 基金业绩排名
df = ak.fund_performance_open_fund_em(symbol="110022")

# 基金经理
df = ak.fund_manager_em(fund="110022")
```

### 基金分析维度

| 分析师 | 基金分析维度 |
|--------|--------------|
| 宏观经济 | 市场环境、利率走势 |
| 行业研究 | 基金持仓行业分布 |
| 基本面 | 基金业绩、持仓股票质量 |
| 技术面 | 净值走势、MA趋势 |
| 风险控制 | 波动率、最大回撤 |
| 量化分析 | 夏普比率、Alpha/Beta |
| 情绪分析 | 基金规模变化、申购赎回 |
| 估值分析 | 基金估值、持仓股票PE |

### 基金评分标准

| 指标 | 优秀 | 良好 | 一般 | 较差 |
|------|------|------|------|------|
| 年化收益 | >15% | 10-15% | 5-10% | <5% |
| 夏普比率 | >1.5 | 1.0-1.5 | 0.5-1.0 | <0.5 |
| 最大回撤 | <10% | 10-20% | 20-30% | >30% |
| 基金规模 | 适中 | 偏大/偏小 | 过大/过小 | 极端 |

---

## 📈 ETF分析

### ETF数据接口

```python
import akshare as ak

# ETF列表
df = ak.fund_etf_spot_em()

# ETF实时行情
df = ak.fund_etf_fund_daily_em(symbol="510300")

# ETF历史净值
df = ak.fund_etf_fund_info_em(fund="510300", indicator="单位净值")

# ETF持仓（指数ETF）
# 查询指数成分股
df = ak.index_stock_cons_weight_csindex(symbol="000300")  # 沪深300成分股
```

### ETF分析维度

| 分析师 | ETF分析维度 |
|--------|--------------|
| 宏观经济 | 市场环境、政策导向 |
| 行业研究 | ETF跟踪指数/行业 |
| 基本面 | 指数成分股质量 |
| 技术面 | ETF价格走势、MA趋势 |
| 风险控制 | 波动率、跟踪误差 |
| 量化分析 | 指数估值、PE分位 |
| 情绪分析 | ETF成交量、资金流向 |
| 估值分析 | 指数PE/PB分位 |

### ETF类型分类

| ETF类型 | 代码示例 | 特点 |
|---------|----------|------|
| 宽基ETF | 510300(沪深300) | 跟踪宽基指数 |
| 行业ETF | 512690(酒ETF) | 跟踪行业指数 |
| 主题ETF | 515790(新能源) | 跟踪主题指数 |
| 跨境ETF | 513100(纳指ETF) | 跟踪海外指数 |
| 债券ETF | 511010(国债ETF) | 跟踪债券指数 |

---

## 💰 可转债分析

### 可转债数据接口

```python
import akshare as ak

# 可转债列表
df = ak.bond_cb_jsl()  # 集思录数据

# 可转债实时行情
df = ak.bond_zh_hs_cov_spot()

# 可转债详情
df = ak.bond_cb_jsl_detail(symbol="113050")

# 可转债历史行情
df = ak.bond_zh_hs_cov_hist(symbol="113050")
```

### 可转债核心指标

| 指标 | 说明 | 计算公式 |
|------|------|----------|
| 转股价 | 转换为股票的价格 | 固定值 |
| 转股价值 | 100/转股价×正股价格 | 动态变化 |
| 转股溢价率 | (转债价格-转股价值)/转股价值 | 衡量估值 |
| 纯债价值 | 债券部分价值 | 到期收益率计算 |
| 纯债溢价率 | (转债价格-纯债价值)/纯债价值 | 衡量股性 |
| 双低指标 | 转股溢价率+纯债溢价率 | 选债参考 |

### 可转债分析维度

| 分析师 | 可转债分析维度 |
|--------|--------------|
| 宏观经济 | 利率环境、信用环境 |
| 行业研究 | 正股所属行业 |
| 基本面 | 正股财务质量、信用评级 |
| 技术面 | 转债价格走势、正股走势 |
| 风险控制 | 信用风险、赎回风险 |
| 量化分析 | 双低指标、套利空间 |
| 情绪分析 | 转债成交量、正股情绪 |
| 估值分析 | 转股溢价率、纯债溢价率 |

### 可转债评分标准

| 指标 | 优秀 | 良好 | 一般 | 较差 |
|------|------|------|------|------|
| 转股溢价率 | <5% | 5-15% | 15-30% | >30% |
| 纯债溢价率 | <20% | 20-40% | 40-60% | >60% |
| 双低指标 | <120 | 120-150 | 150-180 | >180 |
| 信用评级 | AAA | AA+ | AA | AA-及以下 |
| 正股ROE | >15% | 10-15% | 5-10% | <5% |

---

## 📚 参考资源

- [AKShare 官方文档](https://akshare.akfamily.xyz/)
- [AKShare GitHub](https://github.com/akfamily/akshare)

---

## 📜 版本变更历史

### v1.1.1 (2026-04-29)

**安全修复**：
- 🔒 统一数据源为腾讯财经API（qt.gtimg.cn）
- 🔒 移除所有其他域名
- 🔒 移除 AKShare 依赖
- 🔒 声明 `background_tasks: false`

**数据说明**：
- ⚠️ 部分财务指标为估算值（毛利率、净利率等）
- ⚠️ 基金净值数据为估算值
- ⚠️ 可转债转股溢价率为估算值

---

### v1.2.0 (2026-04-29)

**新增功能**：
- ✅ 新增财务趋势分析模块 (`financial_trend.py`)
  - 获取近5年财务数据
  - 计算营收、净利润、ROE、毛利率趋势
  - 识别风险信号（营收下滑、净利润下滑、毛利率下降等）
  - 生成趋势分析报告

- ✅ 新增行业对比分析模块 (`industry_comparison.py`)
  - 自动识别所属行业
  - 获取同行业公司数据
  - 计算市值、PE、ROE、毛利率排名
  - 生成行业对比报告

- ✅ 股票分析入口优化
  - 新增 `--akshare` 参数启用完整分析
  - 新增 `--no-trend` 参数禁用趋势分析
  - 新增 `--no-industry` 参数禁用行业对比

**使用示例**：
```bash
# 完整分析（趋势+行业）
python3 analyze_stock.py 603529 --akshare

# 仅趋势分析
python3 financial_trend.py 603529 5

# 仅行业对比
python3 industry_comparison.py 603529 爱玛科技
```

---

### v1.1.0 (2026-04-29)

**新增功能**：
- ✅ 新增基金分析支持（`analyze_fund.py`）
- ✅ 新增ETF分析支持（`analyze_etf.py`）
- ✅ 新增可转债分析支持（`analyze_bond.py`）
- ✅ 基金净值、持仓、业绩分析
- ✅ ETF指数跟踪、估值分析
- ✅ 可转债转股价值、溢价率分析

**文档更新**：
- 📝 新增基金分析数据接口说明
- 📝 新增ETF分析数据接口说明
- 📝 新增可转债分析数据接口说明
- 📝 新增各标的分析维度说明
- 📝 新增评分标准说明

---

### v1.0.3 (2026-04-29)

**安全修复**：
- 🔒 移除所有非白名单域名（雪球、百度、东方财富）
- 🔒 仅使用腾讯财经域名：`qt.gtimg.cn`, `web.ifzq.gtimg.cn`
- 🔒 所有网络请求使用 HTTPS
- 🔒 SKILL.md 添加 `https_only: true` 声明

---

### v1.2.1 (2026-04-29)

**安全修复**：
- 🔒 更新白名单域名：添加 `web.ifzq.gtimg.cn`（腾讯子域名）
- 🔒 移除 `push2.eastmoney.com` 引用
- 🔒 明确 AKShare 为可选依赖（仅 `--akshare` 模式）
- 🔒 更新安装脚本：默认不安装 akshare，改为可选安装
- 📝 更新依赖说明：区分必需依赖和可选依赖

---

### v1.0.2 (2026-04-29)

**安全修复**：
- 🔒 统一数据目录为 `~/.openclaw/workspace/investment/`
- 🔒 添加域名白名单
- 🔒 安装脚本添加错误处理和虚拟环境提示

---

### v1.0.1 (2026-04-29)

**修复**：
- 🐛 更新技能名称为英文

---

### v1.0.0 (2026-04-29)

**首发版本**：
- ✅ 8位专业分析师并行研究机制
- ✅ 加权投票决策系统
- ✅ 多数据源行情监控
- 📊 财务数据获取（部分为估算值，仅供参考）
- ✅ 完整投资报告生成
- ✅ A股股票分析支持

---

<div align="center">
<strong>Boheng Investment Workflow</strong><br>
让投资决策更理性、更全面 📊🤖
</div>

_meta.json Metadata

{
  "ownerId": "kn7bj8mtcw6j7s73kyz9zhck6985kv85",
  "publishedAt": 1777717912236,
  "slug": "boheng-investment-workflow",
  "version": "1.2.4"
}