A股 IPO / 新股分析助手
SkillDev toolsA-share IPO / new stock analysis. Triggered when the user says "IPO", "新股" (new stock), "打新" (subscribe to new stock), "上市" (listing), "申购" (subscription), "新股分析" (new stock analysis), "XX要上市了" (XX is about to go public), "最近有什么新股" (any recent new stocks), "新股值不值得打" (is this new stock worth subscrib
Available today. Use it from your connected AI after setup.
No other account needed.
Connect ahel once, and every AI you use reads what you have installed.
Then ask your AI: use the A股 IPO / 新股分析助手 skill
What this skill tells your AI
The instructions your AI receives, as published by aifinlab/finclaw in skills/a-share-ipo/SKILL.md and read by ahel’s review.
Data Sources
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
# 新股申购信息(akshare)
python -c "import akshare as ak; df=ak.stock_xgsglb_em(symbol='全部股票'); print(df.head(10).to_json(orient='records', force_ascii=False))"
# 新股上市后行情
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [上市日期]
# 新股财务数据
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]
# 同行业公司行情(估值对标)
python "$SCRIPTS/cn_stock_data.py" quote --code [可比公司代码]
补充:通过 web 搜索获取招股说明书摘要、发行定价分析、机构报价等。
Workflow
Step 1 — 确定分析模式
| 模式 | 触发词 | 重点 |
|---|---|---|
| 即将申购 | "打新""申购""值不值得打" | 发行定价合理性、中签率预估、申购建议 |
| 已上市追踪 | "上市表现""新股走势" | 首日/首周表现、开板预测、持有建议 |
| 打新策略 | "最近新股""打新策略" | 批量筛选、资金分配、收益测算 |
Step 2 — 数据获取
- 调用
stock_xgsglb_em获取新股列表(发行价、发行PE、中签率、申购代码) - 获取可比公司行情与估值数据(同行业已上市公司)
- 如已上市,拉取上市后 K 线行情
Step 3 — 基本面分析
- 行业定位与主营业务
- 核心财务指标:营收增速、净利润率、ROE、资产负债率
- 竞争优势与风险因素
- 募资用途合理性
Step 4 — 估值分析
- 发行 PE vs 行业平均 PE(溢价/折价率)
- 可比公司法:选 3-5 家同业,对比 PE/PB/PS
- 发行价合理性评级:低估 / 合理 / 偏高 / 高估
- 破发概率定性判断
Step 5 — 输出
formal 模式:完整研报格式,含数据表格、估值对标、风险提示 brief 模式:一句话结论 + 核心数据 + 操作建议
Rules
- 注册制破发常态化 — 不可默认"新股必赚",必须做估值分析后给结论
- 打新门槛差异:
- 沪市主板:持有沪市市值 ≥1万元(每万元1个申购单位)
- 深市主板/创业板:持有深市市值 ≥1万元(每5000元1个申购单位)
- 科创板:需开通权限(≥50万资产 + 2年交易经验)
- 创业板:需开通权限(≥10万资产 + 2年交易经验)
- 北交所:需开通权限(≥50万资产 + 2年交易经验)
- 上市前5日无涨跌幅限制(科创板/创业板/北交所),主板仍有44%首日涨幅限制
- 弃购后果 — 连续12个月内累计弃购3次,将被列入限制名单6个月
- 数据时效 — 新股数据变化快,分析时标注数据获取时间
- 风险提示 — 每次输出末尾必须包含风险提示
Reference
使用示例
示例 1: 基本使用
# 调用 skill
result = run_skill({
"param1": "value1",
"param2": "value2"
})
示例 2: 命令行使用
python scripts/run_skill.py --input data.json
Signals
- GitHub stars
- 241
- Forks
- 38
- Last commit
- May 2026
Advanced
- Catalog kind
- skill
- Gateway key
a-share-ipo- Source
- github.com/aifinlab/finclaw