报告概述
本报告属于华创证券《量化看市场》系列，系统介绍了一套基于量化定义的K线形态研究体系。报告覆盖全部A股日线，构建了自动标注常见K线形态的平台，并实现每日更新。在个股形态研究基础上，进一步将个股信号聚合为宽基、行业、概念指数的择时信号，同时推出ETF择时策略与看线小程序。报告还封装了形态学Skills，支持人类用户和AI通过CLI或JSON接口便捷调用，为投研与自动化流程提供统一的数据接入层。
报告的核心结论
全A股K线形态可量化并自动标注
报告对常见K线形态进行了量化定义与特征归纳，构建了一套可在全部A股日线上自动标注形态的研究系统，每日更新，帮助投资者系统观察市场形态表现。
个股形态信号可聚合为指数择时信号
将个股层面的形态信号自下而上聚合，生成宽基、行业、风格及概念指数的择时信号，有助于从整体把握不同板块的市场情绪与资金动向。
形态学能力封装为通用投研接口
报告将形态学能力拆分为两条技术主线：PHP接口提供元数据与截面信号，静态JSON资源提供历史序列与区间信号。该封装适合作为投研与自动化流程的统一数据接入层。
报告回答的关键问题
如何自动识别A股K线形态？
报告基于量化定义与特征归纳，构建了覆盖全部A股的自动标注系统，每天更新。系统可在xingtai.pro网站及微信小程序“看线宝”上查看个股的K线形态标注结果。
形态学信号能否用于指数择时？
可以。报告将个股形态信号自下而上聚合，生成宽基、行业、风格和概念指数的截面择时信号及历史择时区间，并提供了ETF择时策略，辅助资产配置。
AI如何接入形态学数据？
华创形态学Skills封装了CLI和JSON接口，AI用户（如OpenClaw、CursorAgent）可通过固定目录下的命令行工具或直接提问获取形态数据、择时信号及绩效指标，实现自动化调用。
完整报告包含什么
- 形态学研究平台介绍：详细阐述K线形态的本质、量化定义方法，以及个股与指数形态标注系统的构建逻辑。
- 网站与小程序展示：展示形态学网站xingtai.pro及微信小程序“看线宝”的功能界面与使用方式。
- 形态学Skills安装指南：包括环境要求、获取Skill文件、安装Python依赖、配置API Token的完整流程。
- 人类用户用法：通过命令行调用形态学CLI工具，查询基础数据、历史信号、截面择时等。
- AI用户用法：在OpenClaw、Cursor等智能体中安装Skill后，通过自然语言提问获取形态学数据。
- 接口详细说明：分基础数据、截面择时、历史择时、ETF相关、绩效评价等类别，逐一说明业务含义与参数映射。
- ETF择时与绩效评价：介绍ETF截面信号、历史信号、得分及基于empyrical的绩效指标计算方法。
- 安全与合规提示：强调Token保密、合规使用、调用频率限制等注意事项。
- 常见故障排查：针对缺失config.json、依赖未安装、网络超时等问题提供解决方案。
- 形态学Skills总结与技术主线：归纳PHP接口与JSON资源两种数据来源的使用场景与区别，强调投研自动化中的统一数据接入层定位。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
