Claw-Screener 股票筛选器
将威廉指标超卖信号与巴菲特式基本面分析结合，帮你从美股和泰国股市中筛出基本面扎实的超卖优质股。
证据显示脚本为本地只读分析工具，仅写自声明的观察列表与缓存文件，无凭据访问、无隐蔽外传、无破坏性默认；数据流（SEC EDGAR、Yahoo Finance、Treasury）在 SKILL.md 与 README 中均有披露，文件持久化有专节说明。扣分项：无用户确认门槛、缓存/观察列表删除需手动、无回滚机制、发布者身份未经验证。
文档与脚本高度自洽（npm 脚本、选项表、退出码、Pitfalls、降级行为如 DCF 回退 10% 均有说明），仓库含测试套件（config/database/formulas）与 CI 工作流。扣分项：静态审查无法执行复现；核心筛选/观察列表路径（screening、watchList、technicalIndicators）无测试覆盖，Yahoo/SEC 网络依赖的失败反馈只能凭文档推断。
触发描述清晰（筛选超卖、巴菲特公式、Carlson 复利股、个股分析），非适用边界（泰国市场无 SEC 基本面、bk 为 th 别名）已声明，含快速测试建议。扣分项：无中文支持说明；核心功能完全依赖 Yahoo Finance、SEC EDGAR、Treasury 等对中国大陆网络不可达或不稳定的海外服务，未提供镜像或替代源。
SKILL.md 分层清晰（安装、工具、示例、Pitfalls、缓存、配置、验证），MIT 许可、版本号 1.0.0、作者与仓库地址明确。扣分项：无 CHANGELOG、无明确维护/更新承诺、SEC_USER_AGENT 默认占位符需用户自行配置、发布者未经验证。
核心任务（筛选、分析、观察列表）的命令、参数、输出格式（text//telegram）与示例完整，边际价值明确（自动化批量筛选优于手动）。扣分项：静态审查无法验证输出正确性；首跑 20-30 分钟成本较高；DCF/评分公式的投资有效性仅有作者声明。
有可审计的一手材料：测试文件、CI 配置、package-lock 锁定依赖、详细文档与验证命令。扣分项：CI 运行结果不可见于所提供文件、测试未覆盖全部关键路径、无独立第三方复现、输出示例为作者编写的演示。
- 本评分仅为静态源码审查，未执行任何脚本，无法验证实际运行结果。
- 核心功能依赖 Yahoo Finance、SEC EDGAR 与美国财政部网站，在中国大陆网络环境下可能不可达或不稳定，且无替代数据源。
- 全市场首次扫描约需 20-30 分钟，建议先用 --max-tickers 或指定 --tickers 小规模验证。
- SEC 要求真实联系邮箱的 User-Agent，需自行设置 SEC_USER_AGENT 环境变量。
- 筛选结果仅为量化指标参考，不构成投资建议；公式有效性未经独立验证。
- 发布者未经 FollowSkills 企业注册表验证，身份视为未知。
这个 Skill 能做什么，适合哪些场景？
Claw-Screener 是一个基于 Node.js 的股票筛选技能，用威廉 %R 技术指标找出超卖股，再用巴菲特的十条公式基于 SEC EDGAR 数据做基本面打分。它支持美股（标普 500）和泰国（SET）两个市场，并提供 Carlson 式长期复利股筛选（ROIC、回购、利润率过滤）和带提醒功能的自选股清单。结果可输出为纯文本、JSON 或 Telegram 格式。该技能以仓库形式分发，包含完整的 TypeScript 脚本和 SQLite 缓存。
从 Yahoo Finance 拉取价格数据、从 SEC EDGAR 拉取美股财务数据，运行五个命令：综合筛选（威廉 %R < -80 且巴菲特得分达标）、纯技术超卖扫描、单只股票十公式深度分析、复利机器扫描（营收/净利润增长、ROIC>15%、三年股本缩减、营业利润率>20%，附收益率对比和简化十年 DCF），以及自选股的增删改查、实时状态和超卖/超买/质量提醒。所有结果以文本、JSON 或 Telegram 格式输出，财务和价格数据分别缓存于 SQLite 文件（默认 7 天和 1 天），自选股存于 ~/.claw-screener-watchlist.。
- 价值投资爱好者想找技术面超卖但基本面过硬的买入机会，可运行综合筛选并设 --min-score 7
- 持有美股的长期投资者想评估某只股票是否符合巴菲特标准，可对单一代码运行深度分析
- 关注泰国 SET 市场的用户可用纯技术扫描（--market bk）查找超卖股，该市场无 SEC 数据
- 偏好优质复利股的投资者可用复利机器扫描 ROIC、回购和利润率达标的公司
- 希望定期收到提醒的交易者可维护自选股并定时运行 watchlist:check 获取超卖/超买/质量警报
这个 Skill 有哪些优点和局限？
- 技术与基本面双维度筛选，而非单一指标
- 支持美股和泰股两个市场，含非美股用户可用的纯技术扫描
- SQLite 缓存显著加快后续运行，TTL 可调
- 输出支持 text/JSON/Telegram 三种格式，便于自动化和消息推送
- 提供 10 年期国债收益率驱动的 DCF 估值参考
- 全美股范围的复利机器首次未缓存运行约需 20-30 分钟
- 泰国市场只有价格数据，无基本面分析
- 依赖 Yahoo Finance，受速率限制影响批量扫描速度
- 文档未提供回测或策略业绩验证，筛选结果不构成投资建议
- 需 Node.js >=20 且必须在仓库根目录运行，否则命令失败
如何安装这个 Skill？
需要 Node.js >=20 和 npm，且需联网访问 SEC EDGAR 和 Yahoo Finance。Hermes 用户：git clone https://github.com/rsoutar/claw-screener.git ~/.hermes/skills/finance/claw-screener，然后 cd 进入该目录运行 npm install；或在本机已有克隆的情况下，在 ~/.hermes/config.yaml 的 skills.external_dirs 中加入路径。OpenClaw/Clawdbot 用户：运行 openclaw skills install git:rsoutar/claw-screener@main，然后 cd {baseDir} && npm install。所有命令必须在仓库根目录执行。
如何使用这个 Skill？
在仓库根目录运行 npm 脚本，CLI 标志放在 -- 之后。示例：npm run screening -- --market us --min-score 7 --top-n 5 做综合筛选；npm run technical -- --market bk 做泰国市场技术扫描；npm run analyze -- AAPL 分析单只股票；npm run compounder -- --tickers AAPL,MSFT,NVDA 做小范围复利扫描；npm run watchlist:add -- AAPL,MSFT 添加自选股。若 SEC EDGAR 提示占位 User-Agent 警告，请 export SEC_USER_AGENT="YourName/1.0 ([email protected])"。完整参数清单见 SKILL.md。