4.3 KiB
4.3 KiB
| description |
|---|
| 酒田戰法 K 線型態分析，識別 80 種反轉與延續信號 |
酒田戰法 (Sakata Strategy)
專業 K 線型態分析 Skill，結合自動化型態偵測與 AI 智能分析。
使用方式
用戶請求：/sakata [TICKER] 或 分析 [TICKER] 的 K 線型態
⚙️ Step 1: 執行型態偵測腳本
cd .agent/skills/sakata/scripts
docker run -v $(pwd)/output:/app/output sakata-skill python sakata_analyzer.py --ticker [TICKER] --days 120
首次使用需建置 Docker：
docker build -t sakata-skill .
腳本輸出：
output/[TICKER]_sakata.png- K 線圖表output/[TICKER]_sakata.md- 原始偵測報告
🧠 Step 2: AI 智能分析 (核心)
讀取腳本輸出後，Agent 必須進行以下 深度分析：
2.1 型態品質評估
針對偵測到的每個型態，評估其可靠性：
#### 型態品質評估
| 型態 | 日期 | 原始強度 | AI 評估 | 調整理由 |
|------|------|---------|---------|---------|
| 晨星 | 01/25 | ⭐⭐⭐ | ⭐⭐⭐⭐ | 成交量放大 2.5x 確認 |
| 吊人 | 01/28 | ⭐⭐ | ⭐ | 趨勢不明確，信號減弱 |
評估因素：
- 成交量確認: 型態伴隨成交量放大更可靠
- 趨勢背景: 反轉型態需要明確先前趨勢
- 位置: 頂部/底部出現的反轉型態更有效
- 型態清晰度: 標準型態 vs 變體
2.2 多型態衝突分析
當多個信號衝突時，Agent 需判斷主導方向：
#### 信號衝突分析
**衝突**: 01/26 空頭吞噬 vs 01/28 錘子
**AI 判斷**: 偏向看多
**理由**:
1. 錘子為更近期信號
2. 錘子出現在支撐位附近
3. RSI 已進入超賣區，增加反彈機率
2.3 趨勢整合分析
結合均線、趨勢、支撐壓力進行綜合判斷：
#### 趨勢整合分析
**當前位置**:
- 股價 $145.20
- MA20: $142.50 (股價在上方 ✅)
- MA50: $138.80 (股價在上方 ✅)
**支撐/壓力**:
- 近期支撐: $140.00 (前低)
- 近期壓力: $150.00 (前高)
**趨勢判斷**: 短期上升趨勢，中期盤整
2.4 交易情境模擬
提供不同情境下的操作建議：
#### 情境分析
**情境 A: 積極多頭** (信心高)
- 現價進場，停損 $138
- 目標: $155 → $165
**情境 B: 保守觀望** (信心中)
- 等待回測 $142 (MA20) 再進場
- 或等待突破 $150 確認
**情境 C: 空頭防禦** (風險意識)
- 若跌破 $140，可能轉空
- 避免追高
📝 Step 3: 輸出綜合報告
Agent 整合所有分析，產出最終報告：
# [TICKER] 酒田戰法智能分析報告
**分析時間**: YYYY-MM-DD HH:MM
**分析師**: AI Agent
---
## 📊 核心結論
> **主要研判: [看多/看空/中性]**
>
> 基於 [X] 個多頭信號、[Y] 個空頭信號的綜合分析，
> 目前偏向 [方向]，信心度 [高/中/低]。
## 🎯 交易建議
| 項目 | 建議 | 說明 |
|------|------|------|
| 操作方向 | 買入/賣出/觀望 | ... |
| 建議進場 | $XX.XX | 理由 |
| 停損價位 | $XX.XX | 基於 ATR/支撐 |
| 第一目標 | $XX.XX | 壓力/型態目標 |
| 第二目標 | $XX.XX | 延伸目標 |
## 📈 型態分析摘要
[列出重要型態及其解讀]
## ⚠️ 風險提示
[AI 識別的主要風險因素]
## 📉 K 線圖表
📚 型態參考文檔
當需要解釋特定型態時，參考：
- patterns/single_candle.md - 單根型態
- patterns/double_candle.md - 雙根型態
- patterns/triple_candle.md - 三根型態
- patterns/complex_patterns.md - 複雜型態
🔧 技術組件
.agent/skills/sakata/
├── SKILL.md # 本指令檔
├── patterns/ # 型態定義文檔
├── scripts/
│ ├── Dockerfile # Docker 環境 (TA-Lib)
│ ├── sakata_analyzer.py # 型態偵測主程式
│ └── ...
└── output/ # 輸出目錄
⚠️ 重要提醒
- 腳本輸出只是原始數據，Agent 必須進行 Step 2 的智能分析
- 不要只列出型態，要解讀其意義
- 多個信號時要判斷優先級，不是簡單加總
- 最終建議需考慮風險報酬比