A-Share Daily Review

# ① 宿主机：daily_review.py 出 指数/广度/板块/资金面 + L1/L2 因子透视 + 板块资金流 + 模型推理信号 + 次日方向
cd <repo>/skills/daily-review/scripts
python3 daily_review.py --date 20260814              # 指定日；不带 --date 则取最新交易日
python3 daily_review.py --watch 601138.SH,600519.SH  # 可选：自选/持仓股必带
python3 daily_review.py --model mdl_cn_train_xxx     # 可选：指定推理模型，默认每日推理模型(5eea5418)
#   ↑ 模型推理信号自动查询 PG：昨日推理→今日信号命中率复盘 + 今日推理→明日信号 Top5；
#     无推理 run 时脚本**自动补跑**（docker exec trigger_inference.py，10-30 秒），
#     补跑失败原因如实写入 facts（常见：特征 parquet 滞后——先跑
#     `docker exec quantmind python3 /app/backend/scripts/update_feature_parquet.py` 补特征再复盘）
#     无 PG / PG 挂时该章节降级为缺失（facts 无「十一、模型推理信号」）

# ② 容器内：news_review.py 聚合当日新闻情绪（有新闻股票匹配 + 板块聚焦 + 来源/时段质量）
#    .claude 目录未挂载进容器，须先 docker cp 到容器 /tmp 再跑
docker cp <repo>/skills/daily-review/scripts/news_review.py quantmind:/tmp/
docker exec quantmind python3 /tmp/news_review.py --date 20260814

# A股每日复盘 2026-08-14（周五）

> **报告日期**：2026-08-14
> **数据截至**：2026-08-14

## 一、盘面速览（结论先行）
2-4 句：指数表现 → 涨跌结构 → 量能 → 主线板块 → 一句话定性（强势/震荡/弱势 + 依据）→ **一句话次日方向**（引自 facts 十，如「六维合成：强烈看空 -4.6/11，置信 ★★★★★」）

## 二、指数与量能
指数表（facts 一、）+ 两市成交额解读（环比/5 日均对照，放量 or 缩量）

## 三、涨跌结构与情绪
涨停/跌停/炸板数量、最高连板与连板梯队、涨跌分布表（facts 二、四）
情绪读数 + 解读：买压/卖压对比、早盘上涨占比 → 追高意愿强还是弱

## 四、板块与主线
行业一级 Top/Bottom（facts 三）、概念 Top；指出当日主线与杀跌方向；
涨停个股聚集在哪些板块（从涨幅榜的 industry 列归纳）

## 五、资金面
两融（注明截至日与滞后天数）、北向季度快照（注明季度口径）；L2 主力净额见七

## 六、新闻情绪（当日有新闻的股票匹配）
当日新闻总数/涉及股票数、利好/利空/中性、净情绪；来源质量（高质量源 vs 反向源）；
黄金时段利好占比；新闻聚焦板块（哪些行业消息面热）；有新闻个股 Top（篇数/净情绪/事件标签）。
结论：今日消息面是偏多/偏空/中性 + 焦点板块。

## 七、L1/L2 因子透视（facts 七）
L1 换手/动量/波动均值对照前日；L2 微观结构：正向因子强信号股占比（越高=知情资金越扩散）、
VPIN 家族分位、量价背离、超级大单净额及前日对比；板块超级大单净额表（净流入 vs 净流出）。
结论：微观结构是扩散/收敛 + 资金流入/流出方向。

## 八、模型推理信号（对应 facts 十一，模型预测复盘）
两块：
1. **昨日推理 → 今日验证**：昨日模型推理(推理{data}→信号{pred})对今日的 Top10 信号对照今日实际涨跌——
   命中率/平均涨幅/相对全市场超额/涨停跌停数。写清信号平均涨幅跑赢还是跑输市场。
2. **明日信号 Top5**：今日推理(基于{data})预测明日最强 5 只（名称/代码/信号分/方向）；若今日推理未跑，标注「取最近一次推理」。

结论句点明模型风格：信号股是否集中强势板块、与当日主线是否一致、与次日方向研判是否呼应。
推理信号来自 PG（`engine_signal_scores` fusion_score 降序），数字必须照抄 facts 十一，禁止臆造。

## 九、个股榜
涨幅/跌幅/成交额/换手榜解读（facts 八），挑 3-5 只有代表性的说原因判断（无新闻佐证时只描述数据，不编原因）

## 十、自选/持仓复盘（自带 --watch 时才有）
逐只：涨跌幅、量能、技术位（MA20 上下）、当日状态（涨停/炸板/大涨/异动）

## 十一、昨日复盘回顾（复盘闭环，连续性的核心）
读上一份复盘（同目录 {上一交易日}.md 或 PDF 前的 md）的「要点与明日关注」，
逐条对照今日实际：命中几条 / 未命中几条 / 打脸的原因是什么（禁止含糊带过）
**若上一份复盘有「次日走势研判」，先对照它给出的方向是否兑现**，再对照要点。

## 十二、次日走势研判（六维方向表，直接引用 facts 十）
方向（强烈看多/看多/震荡/看空/强烈看空）+ 得分 + 置信度星级 = 六维（趋势/量能、情绪/结构、L2 微观、新闻情绪、板块/资金流）评分。
逐维解读：哪些维度在看多/看空/中性；多空矛盾点在哪；结合「有新闻股票 + L2 强信号股」交集给 2-4 条可验证的次日明确预期。
**禁止把方向当承诺**——沿 facts 口径：方向只是六维信号的可解释合成，明日以指数/广度/涨停数验证。

## 十三、要点与明日关注
- 要点：今日市场最重要的 3 条事实
- 明日关注：从「次日走势研判」的可验证预期里挑 2-4 条（明天能判断对错的才算，禁止「关注成交量变化」这类废话）

## 数据说明
滞后数据集声明 + 单位说明（从 facts 的数据说明复制）

# —— 宿主机（Claude Code）——
docker cp /tmp/复盘.md quantmind:/tmp/review.md
docker exec quantmind bash -lc "cd /app && python3 backend/scripts/md_to_pdf_report.py /tmp/review.md /tmp/review.pdf"
docker cp quantmind:/tmp/review.pdf /tmp/复盘.pdf

# —— 容器内（QuantBot / QwenPaw）——
python3 /app/backend/scripts/md_to_pdf_report.py /tmp/review.md /tmp/review.pdf

# —— 宿主机：宿主机直接 cp 会 EACCES（目录 owner 是容器 root），必须 docker cp ——
docker cp 复盘.md quantmind:/data/reports/stock_reports/每日复盘/每日复盘_2026-08-14.md
docker cp 复盘.pdf quantmind:/data/reports/stock_reports/每日复盘/每日复盘_2026-08-14.pdf

# —— 容器内：直接 cp ——
cp 复盘.md /data/reports/stock_reports/每日复盘/每日复盘_2026-08-14.md
cp 复盘.pdf /data/reports/stock_reports/每日复盘/每日复盘_2026-08-14.pdf

**A股复盘 2026-08-14（周五）**

一句话总结：…

指数：上证 +0.01% / 深成 +0.45% / 创业板 +1.12% / 科创50 -0.00% / 北证50 -0.94%
广度：涨 2400 / 跌 2970（涨跌比 0.81）；涨停 64 / 跌停 14 / 炸板 22；最高 5 连板
量能：两市成交额 21,565.76 亿元（环比上一交易日 1.04x；5 日均 21,xxx 亿，量比 x.xx）
主线：行业 Top3 …；概念 Top3 …
资金：两融 xxx 亿（截至 08-13，+xx 亿）；北向 2026Q2 持仓市值 30,685.68 亿元；超级大单 ±xx 亿
情绪：买压 0.49 / 卖压 0.51；早盘上涨占比 40.68%
新闻：命中 xxx 篇 / 有新闻股票 xxx 只；净情绪 ±xx%；聚焦板块 …
L2：强信号股占比 xx%；VPIN 分位 xx；超级大单 ±xx 亿
模型推理：昨日 TopN 信号今日命中率 xx%（平均 ±xx%，超额 ±xx%）；明日信号 Top5：新易盛/兆易创新/…
自选：…（有 --watch 才有）
**次日方向：看空/看多…（得分 xx/11.0，置信 ★★☆）**

→ 完整复盘报告已落盘「股票报告 → 每日复盘」目录