- name
SKILL.md
스킬 파일은 게시자의 저장소에 그대로 있습니다.
복사한 명령을 터미널에 붙여넣습니다. 이 SKILL.md가 해당 에이전트에 설치됩니다.
npx skills add lzwme/finance-quant-skills --skill pywencai -a cursor -y복사한 명령을 터미널에 붙여넣습니다. 이 SKILL.md가 해당 에이전트에 설치됩니다.
npx skills add lzwme/finance-quant-skills --skill pywencai -a claude-code -y복사한 명령을 터미널에 붙여넣습니다. 이 SKILL.md가 해당 에이전트에 설치됩니다.
npx skills add lzwme/finance-quant-skills --skill pywencai -a codex -y복사한 명령을 터미널에 붙여넣습니다. 이 SKILL.md가 해당 에이전트에 설치됩니다.
npx skills add lzwme/finance-quant-skills --skill pywencai -a grok -y복사한 메시지를 Grok Bot 채팅에 보냅니다. Bot이 GitHub에서 이 SKILL.md를 가져와 모든 Bot이 공유하는 스킬에 추가합니다.
Install this skill: https://github.com/lzwme/finance-quant-skills/tree/HEAD/skills/pywencai게시자 제공
通过Python使用中文自然语言从同花顺问财查询A股及其他市场数据。
⚠️ 需要Cookie:必须提供问财网站的有效Cookie。获取方法见下文。
pip install pywencai --upgrade
若存在环境变量 WENCAI_COOKIE,可直接使用;若调用失败,则按如下步骤重新获取:
iwencai.com的请求,从请求头中复制Cookie值。cookie参数使用。优先使用环境变量或文件管理Cookie,避免硬编码:
import os
import pywencai
# 方法1:从环境变量读取Cookie(推荐)
cookie = os.environ.get('WENCAI_COOKIE', '')
# 方法2:从文件读取Cookie
def load_cookie(path='~/.wencai_cookie'):
path = os.path.expanduser(path)
if os.path.exists(path):
with open(path) as f:
return f.read().strip()
return ''
# 方法3:封装查询函数,统一管理Cookie和错误处理
def query(q, **kwargs):
cookie = load_cookie()
try:
return pywencai.get(
query=q, cookie=cookie,
no_detail=True, retry=3, sleep=1,
**kwargs
)
except Exception as e:
print(f"查询失败: {e}")
return None
# 使用
df = query('今日涨停的股票')
import pywencai
# 查询今日涨幅前10的股票,需要有效cookie
res = pywencai.get(query='今日涨幅前10', cookie='your_cookie_here')
print(res)
pywencai.get(**kwargs)'今日涨停股票'、'市盈率小于20的股票''退市@退市日期''asc'(升序)或 'desc'(降序)1)100)True获取所有页;或设为整数n获取前n页'stock'),可选值:10)0)True在控制台打印日志True使用付费版(需要对应的cookie)True始终返回DataFrame或None(不返回dict)['600519', '000010']requests的额外参数,如 {'proxies': proxies}pandas.DataFramedict(可能包含文本和DataFrame)import pywencai
# A股股票(默认)
res = pywencai.get(query='今日涨停的股票', cookie=cookie)
# 指数数据
res = pywencai.get(query='上证指数近5日涨跌幅', query_type='zhishu', cookie=cookie)
# 基金数据
res = pywencai.get(query='近一年收益率最高的前20只基金', query_type='fund', cookie=cookie)
# 可转债数据
res = pywencai.get(query='可转债溢价率小于10%', query_type='conbond', cookie=cookie)
# 港股数据
res = pywencai.get(query='港股市值最大的前20只股票', query_type='hkstock', cookie=cookie)
# 估值筛选
res = pywencai.get(query='市盈率小于20的股票', cookie=cookie)
res = pywencai.get(query='市盈率小于10且市净率小于1的股票', cookie=cookie)
# 财务指标
res = pywencai.get(query='ROE大于15%且营收同比增长率大于20%的股票', cookie=cookie)
# 多条件综合筛选
res = pywencai.get(query='市盈率小于20且营收同比增长大于30%且机构持仓比例大于10%的股票', cookie=cookie)
res = pywencai.get(query='今日站上20日均线且市盈率小于30且ROE大于10%的股票', cookie=cookie)
# 技术信号
res = pywencai.get(query='今日MACD金叉的股票', cookie=cookie)
res = pywencai.get(query='KDJ的J值小于0的股票', cookie=cookie)
res = pywencai.get(query='今日成交量是5日均量2倍以上且涨幅大于5%的股票', cookie=cookie)
# 资金流向
res = pywencai.get(query='今日主力资金净流入前20的股票', cookie=cookie)
res = pywencai.get(query='北向资金持股比例最高的前20只股票', cookie=cookie)
# 按指定字段排序
res = pywencai.get(
query='退市股票',
sort_key='退市@退市日期',
sort_order='asc',
cookie=cookie
)
# 自动分页获取全部数据(使用代理)
proxies = {'http': 'http://proxy:8080', 'https': 'http://proxy:8080'}
res = pywencai.get(
query='昨日涨幅',
loop=True,
log=True,
cookie=cookie,
request_params={'proxies': proxies}
)
# 指定日期
res = pywencai.get(query='2024年1月2日涨幅前10的股票', cookie=cookie)
# 日期范围
res = pywencai.get(query='2024年上半年涨幅最大的前20只股票', cookie=cookie)
import pywencai
import pandas as pd
import time
cookie = os.environ.get('WENCAI_COOKIE', '')
# 定义多个筛选策略
strategies = {
"低估值高分红": "市盈率小于15且股息率大于3%的股票",
"高成长": "营收同比增长大于30%且净利润同比增长大于30%的股票",
"技术突破": "今日放量突破20日均线且涨幅大于3%的股票",
"机构关注": "近一个月机构调研次数大于3次的股票",
"北向资金": "北向资金今日净买入前20的股票",
}
results = {}
for name, query in strategies.items():
try:
res = pywencai.get(query=query, cookie=cookie, no_detail=True)
if res is not None and not res.empty:
results[name] = res
print(f"策略 [{name}] 选出 {len(res)} 只股票")
else:
print(f"策略 [{name}] 无结果")
except Exception as e:
print(f"策略 [{name}] 查询失败: {e}")
time.sleep(2) # 每次查询间隔2秒,避免被封禁
# 保存结果到Excel(每个策略一个工作表)
if results:
with pd.ExcelWriter("选股结果.xlsx") as writer:
for name, df in results.items():
df.to_excel(writer, sheet_name=name, index=False)
print("筛选结果已保存到 选股结果.xlsx")
pip install pywencai --upgradeloop=True且设置了find时,loop被忽略,仅返回前100条结果。pro=True并提供有效cookie。cookie 参数应统一使用环境变量 WENCAI_COOKIE 或 Cookie 文件管理方式,不要硬编码 Cookie 字符串。no_detail=True 以确保返回 DataFrame(除非用户明确需要详情 dict)。sleep 参数(建议 ≥ 2秒),避免被服务器封禁。同花顺问财数据查询:使用中文自然语言查询A股、指数、基金、港美股、可转债等市场数据;当用户需要通过自然语言从问财获取选股、财务、资金流、技术指标等数据时使用。
---name: pywencaidescription: 同花顺问财数据查询:使用中文自然语言查询A股、指数、基金、港美股、可转债等市场数据;当用户需要通过自然语言从问财获取选股、财务、资金流、技术指标等数据时使用。---# skills/pywencai/SKILL.mdFAQ
게시자에게서 skills/pywencai/SKILL.md를 다운로드하거나 경로를 복사해 저장소를 엽니다. PlugMCP는 스킬을 목록에 올릴 뿐 파일을 호스팅하지 않습니다.
게시자가 https://github.com/lzwme/finance-quant-skills에서 관리합니다.
Claude, Cursor, Codex, Grok Build는 게시자의 저장소에서 추가한 SKILL.md를 읽을 수 있습니다. Grok Bot은 채팅에서 스킬의 GitHub 폴더 링크를 보내면 설치합니다.