📊 自动获取A股ETF数据，供 ChatGPT Pro 原生 GitHub 连接器直接读取分析。
点击右上角 Fork 按钮，将仓库复制到你的账号下。
- 进入你 Fork 的仓库
- 点击 Actions 标签
- 点击 "I understand my workflows, go ahead and enable them"
- Actions → Fetch A-Share ETF Data → Run workflow
- 等待约2-3分钟完成
- ChatGPT → Settings → Connectors
- 连接 GitHub（原生连接器）
- 授权访问你的仓库
/
├── codes.csv # ETF代码列表
├── signals.csv # 汇总信号数据（所有ETF）
├── orders.csv # 订单模板（供ChatGPT写入）
├── data/
│ ├── 510300.csv # 沪深300历史数据
│ ├── 510880.csv # 红利ETF历史数据
│ └── ... # 其他ETF数据文件
└── last_update.txt # 最后更新时间
直接发送以下提示词：
任务：分析 GitHub 仓库 MKY508/mcp-cn-a-stock 中的 A股ETF数据
读取数据：
1. 读取 codes.csv 获取ETF列表
2. 读取 signals.csv 或 data/*.csv 获取历史价格
计算指标：
1. 计算60日和120日收益率（r60, r120）
2. 计算综合得分：Score = 0.6×r60 + 0.4×r120
3. 计算20日ATR和200日均线
4. 分析相关性矩阵（90日对数收益）
输出：
1. 动量排名 Top 10
2. 相关性 ≤ 0.8 的最优组合
3. 生成交易建议（考虑流动性 ≥ 2亿元/日）
每个 CSV 文件包含以下字段：
- code: ETF代码
- date: 交易日期
- open: 开盘价
- high: 最高价
- low: 最低价
- close: 收盘价
- volume: 成交量（手）
- amount: 成交额（元）
- 更新时间: 每个工作日 16:10（北京时间）
- 数据来源: 东方财富（akshare）
- 历史深度: 260个交易日
编辑 codes.csv 文件，添加或删除ETF代码：
code,name
510300,沪深300
510880,红利ETF
...
基于 MKY508/mcp-cn-a-stock 仓库数据：
1. 计算所有ETF的60日和120日动量
2. 筛选动量得分前10名
3. 分析它们的相关性
4. 推荐低相关性组合
使用 MKY508/mcp-cn-a-stock 的 510300.csv：
1. 计算沪深300的200日均线
2. 判断当前趋势（ABOVE/BELOW）
3. 计算ATR波动率
4. 给出市场状态评估
读取 MKY508/mcp-cn-a-stock 所有ETF数据：
1. 按行业分类（半导体、新能源、金融等）
2. 计算各行业动量和波动率
3. 构建分散化组合
4. 考虑流动性约束（日成交额>2亿）
- Python 3.11 + akshare + pandas
- GitHub Actions 自动化数据更新
- 原生 GitHub 连接器 兼容
- 无需服务器 纯 GitHub 托管
- 检查 Actions 是否启用
- 查看 Actions 运行日志
- 确认 akshare API 正常
- 确认 GitHub 连接器已授权
- 检查仓库名称是否正确
- 尝试指定具体文件路径
MIT License - 自由使用和修改
💡 提示: Star ⭐ 这个仓库以便快速找到它！