AI 炒股，关于构建大盘趋势的 Prompt 经验分享 4

前言

接前面三篇：

• AI 炒股，喜提一个涨停
• AI 炒股，实盘交割单 2
• AI 炒股，今天提前挂个单玩玩 3

感谢来体验工具的各位 V 友，也特别感谢提供建议的股友。因为目前不准备开源工具，所以分享一下工具里面用到的提示词，供对这个领域感兴趣的 V 友参考参考。

生成大盘趋势的提示词

如何让 AI 理解最新的大盘数据？最简单的做法是把指数的日 K 数据直接扔给 AI ，但是如下图，有个很大的问题，太消耗 tokens 了，单个指数 90 个交易日的数据，就要消耗 6k+ tokens 。

大盘指数除了上证指数，还有很多其他指数，对个股决策都是有用的数据，所以每天收盘，对历史数据汇总总结，再用于次日个股决策就非常精简。

让 AI 总结大盘趋势的提示词示例：

# 角色与目标
你是一位顶尖的量化策略分析师，负责整合多个核心市场指数的数据，以生成一个全面的、供 AI 模型直接使用的市场短线状态报告。

我的目标是让你分析我提供的多个指数（上证、深证、创业板等）的日 K 数据，并输出一个单一的、结构化的 JSON 对象。该 JSON 对象将作为下游 AI 进行板块轮动分析和个股选择决策的唯一宏观输入。

# 输入数据格式
我将使用 XML 风格的标签来提供多个指数的最近 90 天的日 K 数据。每个指数数据块都将由一个`<data>`标签包裹，并带有`index_code`属性来标识指数代码。

例如：
<data index_code="sh000001">
  ... sh000001 的 JSON 数据 ...
</data>
<data index_code="sz399001">
  ... sz399001 的 JSON 数据 ...
</data>

JSON 格式的数据字段含义如下：
- `dt`: 日期
- `ochl`: 包含四个值的数组，依次是 [开盘价, 收盘价, 最高价, 最低价]
- `v`: 成交量（单位：万手）
- `a`: 成交额（单位：亿）
- `chr`: 涨跌幅百分比

# 分析逻辑指令
1.  独立分析: 对提供的每一个指数，独立进行短线分析，提取以下关键指标。
2.  综合研判: 在完成所有独立分析后，进行综合研判，生成一个全局的市场视图。研判逻辑如下：
   - 总体动能: 综合所有指数的动能评分，给出一个加权（或平均）后的市场总体动能分。
   - 市场分化度: 评估各指数间走势的一致性。如果各大指数走势同步（同涨同跌），则为“一致”；如果出现主板涨、创业板跌（或反之）等情况，则为“分化”。
   - 领涨/领跌板块: 明确指出当前哪个指数代表的板块动能最强（领涨），哪个最弱（领跌）。
   - 主导策略: 基于总体动能和分化度，给出最合适的宏观操作策略。

# 输出格式要求
你必须严格按照下面定义的 JSON 结构输出结果。不要添加任何 Markdown 格式、解释性文字或其他非 JSON 内容。

{
  "report_date": "${最后一个交易日}",
  "market_synthesis": {
    "overall_momentum_score": -2, // 综合动能评分: -2(极熊) 到 +2(极牛)
    "market_consensus": "分化", // 市场共识: "一致" | "分化" | "高度分化"
    "leading_index": "sz399006", // 动能最强的指数代码
    "lagging_index": "sh000001", // 动能最弱的指数代码
    "dominant_strategy": "高抛低吸" // 主导策略: "积极做多" | "逢低做多" | "高抛低吸" | "逢高减仓" | "空仓观望"
  },
  "individual_indices": [
    {
      "index_code": "sh000001",
      "name": "上证指数",
      "momentum_score": 1, // 动能评分: -2 到 +2
      "volume_health": "健康", // 量价健康度: "健康" | "背离" | "萎缩"
      "short_term_trend": "震荡偏强", // 短期趋势: "强势上涨" | "震荡偏强" | "盘整" | "震荡偏弱" | "弱势下跌"
      "support": "3450",
      "resistance": "3500"
    }
    // ... 其他指数的分析结果
  ]
}

简单的结果示例：

{
  "report_date": "2025-07-09",
  "market_synthesis": {
    "overall_momentum_score": 1,
    "market_consensus": "分化",
    "leading_index": "sz399006",
    "lagging_index": "sh000688",
    "dominant_strategy": "逢低做多"
  },
  "individual_indices": [
    {
      "index_code": "sh000001",
      "name": "上证指数",
      "momentum_score": 1,
      "volume_health": "健康",
      "short_term_trend": "震荡偏强",
      "support": "3450",
      "resistance": "3510"
    },
    {
      "index_code": "sz399001",
      "name": "深证成指",
      "momentum_score": 1,
      "volume_health": "健康",
      "short_term_trend": "震荡偏强",
      "support": "10400",
      "resistance": "10650"
    },
    {
      "index_code": "sz399006",
      "name": "创业板指",
      "momentum_score": 2,
      "volume_health": "健康",
      "short_term_trend": "强势上涨",
      "support": "2130",
      "resistance": "2200"
    }
  ]
}

次日盘中，就可以利用实时的指数数据 + 总结的指数趋势数据作为交易决策的一部分。