Stock Deep Analysis logo

Stock Deep Analysis

Community
belos-street
stock-deep-analysis

提供个股深度分析,包括基本面分析、估值分析、技术面辅助、风险评估。当用户询问个股分析、股票投资建议、财务数据时调用此技能。

Overview

Publisherbelos-street
Repositorystock-analytics-agent
Skill namestock-deep-analysis
Stars
57
Forks
9
Bundled files
Instructions only
LicenseMIT
Links
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • Self-contained

    Everything the model needs lives in the instructions — no extra files to sync.

  • Open source

    Published by belos-street on GitHub. Read the source before you install it.

Installation

Install the Stock Deep Analysis AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
    https://github.com/belos-street/stock-analytics-agent/tree/main/.agents/skills/stock-deep-analysis
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/belos-street/stock-analytics-agent.git /tmp/stock-analytics-agent
mkdir -p .claude/skills
cp -r /tmp/stock-analytics-agent/.agents/skills/stock-deep-analysis .claude/skills/stock-deep-analysis
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Stock Deep Analysis in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Stock Deep Analysis on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Stock Deep Analysis is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

个股深度分析Skill

技能核心定位

核心目标

为用户提供个股的专业深度分析,帮助用户理解个股的基本面、估值水平、技术走势和潜在风险,辅助用户做出更理性的投资决策。

目标用户

  • 个股投资者:投资个股的投资者
  • 基本面投资者:注重公司基本面的投资者
  • 价值投资者:寻找被低估股票的投资者
  • 成长投资者:寻找高成长股票的投资者

技能边界

可提供服务:

  • 基本面分析:财务指标、业务模式、竞争优势
  • 估值分析:PE、PB、PEG、DCF等估值方法
  • 技术面辅助:趋势、支撑压力位、均线走势
  • 风险评估:行业风险、公司风险、市场风险
  • 投资逻辑梳理:投资逻辑、投资风险、注意事项

不可提供服务:

  • 具体买卖指令
  • 承诺收益
  • 预测涨跌
  • 内幕信息

基本面分析

公司概况分析

1. 公司基本信息

公司全称与代码:

  • A股代码:如600xxx、000xxx
  • 港股代码:如007xx、099xx
  • 美股代码:如xxx

主营业务:

  • 主要产品或服务
  • 收入构成
  • 利润贡献

所属行业:

  • 所属证监会行业
  • 所属申万行业
  • 行业地位

公司规模:

  • 总市值
  • 流通市值
  • 营业收入
  • 净利润
2. 发展历程

公司历史:

  • 成立时间
  • 上市时间
  • 重要里程碑

股权结构:

  • 控股股东
  • 实际控制人
  • 股权激励

管理团队:

  • 董事长、总经理
  • 核心管理层
  • 激励机制

财务指标分析

1. 盈利能力指标

毛利率:

  • 公式:毛利率 = (营业收入 - 营业成本) / 营业收入
  • 解读:毛利率越高,说明公司产品竞争力越强
  • 行业对比:与行业平均毛利率对比

净利率:

  • 公式:净利率 = 净利润 / 营业收入
  • 解读:净利率越高,说明公司盈利能力越强
  • 趋势分析:近5年净利率变化

ROE(净资产收益率):

  • 公式:ROE = 净利润 / 股东权益
  • 解读:ROE越高,说明股东投资回报越高
  • 行业对比:与行业平均ROE对比

ROA(总资产收益率):

  • 公式:ROA = 净利润 / 总资产
  • 解读:ROA越高,说明公司资产利用效率越高
  • 趋势分析:近5年ROA变化
2. 成长能力指标

营收增长率:

  • 公式:营收增长率 = (本期营收 - 上期营收) / 上期营收
  • 解读:营收增长越快,说明公司发展越好
  • 趋势分析:近5年营收增长率变化

净利润增长率:

  • 公式:净利润增长率 = (本期净利润 - 上期净利润) / 上期净利润
  • 解读:净利润增长越快,说明公司盈利越好
  • 趋势分析:近5年净利润增长率变化

扣非净利润增长率:

  • 公式:扣非净利润增长率 = (本期扣非净利润 - 上期扣非净利润) / 上期扣非净利润
  • 解读:扣除非经常性损益后的净利润,更反映公司真实盈利能ason
3. 财务健康指标

资产负债率:

  • 公式:资产负债率 = 总负债 / 总资产
  • 解读:资产负债率越低,财务风险越小
  • 行业对比:与行业平均资产负债率对比

流动比率:

  • 公式:流动比率 = 流动资产 / 流动负债
  • 解读:流动比率越高,短期偿债能力越强
  • 合理范围:1.5-2.0

速动比率:

  • 公式:速动比率 = (流动资产 - 存货) / 流动负债
  • 解读:速动比率越高,短期偿债能力越强
  • 合理范围:1.0-1.5
4. 现金流指标

经营现金流/营收:

  • 公式:经营现金流/营收 = 经营现金流净额 / 营业收入
  • 解读:比值越高,说明公司收入质量越好
  • 合理范围:10%以上

自由现金流:

  • 公式:自由现金流 = 经营现金流 - 资本支出
  • 解读:自由现金流越多,说明公司越能创造价值
  • 趋势分析:近5年自由现金流变化

分红率:

  • 公式:分红率 = 股息支付 / 净利润
  • 解读:分红率越高,说明公司回报股东越多
  • 行业对比:与行业平均分红率对比

业务模式分析

1. 产业链位置

上游:

  • 主要供应商
  • 供应商集中度
  • 原材料成本占比

中游:

  • 生产模式
  • 产能利用率
  • 成本控制

下游:

  • 主要客户
  • 客户集中度
  • 销售渠道
2. 商业模式

收入模式:

  • 产品销售
  • 服务收费
  • 订阅制
  • 平台抽成

盈利模式:

  • 毛利率
  • 净利率
  • 费用率

竞争优势:

  • 品牌优势
  • 渠道优势
  • 技术优势
  • 规模优势
  • 成本优势
3. 行业地位

市场份额:

  • 公司市场份额
  • 市场份额变化趋势
  • 行业排名

竞争力分析:

  • 核心竞争力
  • 竞争壁垒
  • 潜在威胁

估值分析

相对估值法

1. 市盈率(PE)

基本公式:

  • PE = 股票价格 / 每股收益
  • PE = 总市值 / 净利润

类型:

  • 静态PE:使用上一年度净利润
  • 动态PE:使用预期本年度净利润
  • TTM PE:使用近12个月净利润

估值判断(阈值去硬编码,对照自身历史):

  • PE 对照自身近 10 年月频分位(PE-TTM 整体法,负 PE 剔除):<20% 分位偏低 / 20%-80% 分位中性 / >80% 分位偏高
  • 校准注释:不使用全市场统一绝对阈值(如 PE<10 低估、PE>30 泡沫);不同行业/盈利模式的合理 PE 区间差异极大,须以自身历史分位 + 同业对比为准,并标注数据基准日

适用场景:

  • 成熟行业:适用性强
  • 稳定盈利:适用性强
  • 周期行业:需结合周期阶段
  • 亏损公司:不适用

使用方法:

  • 历史分位数:对比历史PE(口径:近 10 年月频收盘 PE-TTM 整体法、负 PE 剔除的分位,标注数据基准日)
  • 行业对比:与行业平均PE对比
  • 成长性调整:高成长给予更高PE
2. 市净率(PB)

基本公式:

  • PB = 股票价格 / 每股净资产
  • PB = 总市值 / 净资产

估值判断(阈值去硬编码,对照自身历史):

  • PB 对照自身近 10 年月频分位:<20% 分位偏低 / 20%-80% 分位中性 / >80% 分位偏高
  • 校准注释:不使用全市场统一绝对阈值(如 PB<1 破净即低估);PB 合理水平取决于 ROE 中枢,须结合 ROE 调整 + 同业对比,并标注数据基准日

适用场景:

  • 金融行业:银行、保险、券商
  • 制造业:重资产行业
  • 轻资产行业:参考性较弱

使用方法:

  • 历史分位数:对比历史PB(口径:近 10 年月频收盘分位,标注数据基准日)
  • 行业对比:与行业平均PB对比
  • ROE调整:高ROE给予更高PB
3. 市销率(PS)

基本公式:

  • PS = 股票价格 / 每股营收
  • PS = 总市值 / 营业收入

估值判断(阈值去硬编码,对照自身历史):

  • PS 对照自身近 10 年月频分位:<20% 分位偏低 / 20%-80% 分位中性 / >80% 分位偏高
  • 校准注释:不使用全市场统一绝对阈值(如 PS<1 低估、PS>5 泡沫);PS 合理水平取决于营收增速与利润率中枢,须以自身历史分位 + 同业对比为准,并标注数据基准日

适用场景:

  • 成长型公司:尚未盈利
  • 互联网公司:用户价值
  • 零售行业:门店价值
4. 股息率

基本公式:

  • 股息率 = 每股股息(DPS) / 股票价格
  • yield_basis(口径标注,默认):近 12 个月 DPS 年度化;若用单期分红×4 年度化,须显式注明「单期×4」
  • DPS 来源:优先券商实际到账 / 交易所与公司公告;警惕第三方平台单期分红数据失真

估值判断(阈值去硬编码,对照自身历史):

  • 股息率对照自身历史股息率区间(近 10 年月频分位,yield_basis 同上):<20% 分位偏低 / 20%-80% 分位中性 / >80% 分位偏高
  • 校准注释:不使用全市场统一绝对阈值(如股息率>4% 即高股息);高股息判定须对照自身历史区间 + 行业分红惯例,并标注数据基准日

适用场景:

  • 成熟行业:银行、公用事业
  • 高分红公司:蓝筹股

绝对估值法

1. DCF(现金流折现)

基本原理:

  • 将公司未来现金流折现到当前
  • 折现率 = 无风险利率 + 风险溢价

步骤:

  1. 预测未来现金流
  2. 确定折现率
  3. 计算现值
  4. 得出公司价值

优点:

  • 考虑公司长期价值
  • 不受市场情绪影响

缺点:

  • 预测难度大
  • 参数敏感度高
2. 分部估值

方法:

  • 将公司不同业务分别估值
  • 汇总得出公司总价值

适用场景:

  • 多元化公司
  • 业务差异大

估值分析流程

第一步:选择估值方法

根据行业选择:

  • 成熟行业:PE为主
  • 金融行业:PB为主
  • 成长行业:PS为主
  • 分红公司:股息率为主
第二步:收集数据

财务数据:

  • 营收、净利润
  • 净资产
  • 现金流
  • 分红

市场数据:

  • 股价
  • 市值
  • 成交量
第三步:计算估值

计算各项指标:

  • PE、PB、PS、股息率
  • 历史分位数
  • 行业对比
第四步:得出结论

估值判断:

  • 综合各项指标判断
  • 考虑成长性
  • 考虑风险因素
估值陷阱检查(必做)

作出"低估/可配置"结论前必须逐项核验:

  • 低 PE = 盈利顶部(周期股陷阱):钢铁、有色、化工等强周期股在盈利顶部 PE 最低,须用 PB 分位、产能/库存周期、产品价格分位交叉验证
  • 回撤大 ≠ 估值低:股价大幅回撤后仍可能高估,须对照自身历史估值分位,不以涨跌幅替代估值判断
  • 概念/主题辨真伪:核验相关业务收入占比与商业化进度,警惕蹭热点、讲故事
  • 高股息可持续性:核验分红率、经营现金流对分红的覆盖,警惕一次性特别分红推高股息率
  • 增长质量:核验增长来源(价/量/并表/政策)、现金流含量与可持续性,警惕低质量增长

技术面分析

趋势分析

1. 长期趋势

判断方法:

  • 股价是否处于上升通道
  • 均线是否多头排列
  • 高点是否逐步抬高

趋势信号:

  • 上升趋势:高点抬高、低点抬高
  • 下降趋势:高点降低、低点降低
  • 横盘趋势:区间震荡
2. 中期趋势

判断方法:

  • 60日均线方向
  • 120日均线方向
  • 中期趋势线
3. 短期趋势

判断方法:

  • 5日均线方向
  • 10日均线方向
  • 短期趋势线

均线分析

均线系统

常用均线:

  • 5日均线:短期均线
  • 10日均线:短期均线
  • 20日均线:中期均线
  • 60日均线:中期均线
  • 120日均线:长期均线
  • 250日均线:年线

均线形态:

  • 多头排列:短期均线在长期均线上方
  • 空头排列:短期均线在长期均线下方
  • 金叉:短期均线上穿长期均线
  • 死叉:短期均线下穿长期均线

支撑压力分析

支撑位

支撑位类型:

  • 前期低点
  • 均线支撑
  • 整数关口
  • 跳空缺口

支撑强度:

  • 次数越多,支撑越强
  • 成交量越大,支撑越强
  • 距离越近,支撑越强
压力位

压力位类型:

  • 前期高点
  • 均线压力
  • 整数关口
  • 前期跳空缺口

压力强度:

  • 次数越多,压力越强
  • 成交量越大,压力越强
  • 距离越近,压力越强

技术指标

1. MACD

组成:

  • DIF线:短期EMA - 长期EMA
  • DEA线:DIF的EMA
  • MACD柱:DIF - DEA

信号:

  • 金叉:买入信号
  • 死叉:卖出信号
  • 底背离:可能见底
  • 顶背离:可能见顶
2. RSI

取值范围:

  • 0-100

信号:

  • RSI > 70:超买
  • RSI < 30:超卖
  • RSI 50:多空平衡
3. 成交量

分析方法:

  • 放量上涨:健康上涨
  • 放量下跌:可能继续下跌
  • 缩量下跌:可能见底
  • 缩量上涨:可能见顶

风险评估

行业风险

1. 行业周期风险

周期类型:

  • 强周期行业:钢铁、有色、化工
  • 弱周期行业:消费、医药、公用事业

风险表现:

  • 行业下行期,业绩大幅下降
  • 股价波动较大

应对方法:

  • 关注行业景气度
  • 避免在行业高峰买入
  • 考虑行业轮动
2. 行业政策风险

政策类型:

  • 产业政策
  • 环保政策
  • 监管政策

风险表现:

  • 政策变化影响行业发展
  • 政策利空导致股价下跌

应对方法:

  • 关注政策变化
  • 分散行业配置
  • 避免政策敏感行业
3. 行业竞争风险

竞争类型:

  • 行业内竞争
  • 跨行业竞争
  • 国际竞争

风险表现:

  • 竞争加剧导致利润率下降
  • 新进入者抢占市场份额

应对方法:

  • 关注公司竞争力
  • 选择行业龙头
  • 关注竞争格局变化

公司风险

1. 经营风险

风险类型:

  • 产品风险
  • 客户风险
  • 供应商风险
  • 管理层风险

风险表现:

  • 经营出现问题
  • 业绩大幅下降

应对方法:

  • 关注公司经营情况
  • 关注管理层变动
  • 关注重大合同
2. 财务风险

风险类型:

  • 偿债风险
  • 现金流风险
  • 资产质量风险

风险表现:

  • 债务违约
  • 资金链断裂

应对方法:

  • 关注财务指标
  • 关注资产负债率
  • 关注现金流
3. 估值风险

风险类型:

  • 估值过高风险
  • 估值泡沫风险

风险表现:

  • 股价大幅下跌
  • 长时间不涨

应对方法:

  • 避免估值过高
  • 关注估值分位数

市场风险

1. 系统性风险

风险类型:

  • 市场下跌
  • 经济下行
  • 金融危机

风险表现:

  • 个股随市场下跌
  • 无法避免

应对方法:

  • 控制仓位
  • 分散投资
  • 资产配置
2. 流动性风险

风险类型:

  • 小盘股流动性差
  • 市场下跌时流动性枯竭

风险表现:

  • 无法卖出
  • 成交价格大幅低于市价

应对方法:

  • 选择流动性好的股票
  • 分散投资

投资逻辑梳理

投资亮点

1. 行业前景

行业趋势:

  • 行业长期发展趋势
  • 行业市场规模
  • 行业增长动力

公司地位:

  • 市场份额
  • 行业排名
  • 竞争优势
2. 公司优势

核心竞争力:

  • 品牌优势
  • 技术优势
  • 渠道优势
  • 规模优势

管理能力:

  • 管理层能力
  • 激励机制
  • 战略规划
3. 财务表现

盈利能力:

  • ROE水平
  • 毛利率水平
  • 净利率水平

成长能力:

  • 营收增长
  • 净利润增长
  • 增长持续性

财务健康:

  • 资产负债率
  • 现金流
  • 财务稳健性

投资风险(含空方论点,必填)

0. 空方论点与证伪条件(必填)

空方论点(至少2条,须为可反驳的具体论点,不得以"风险提示"一行或泛化风险罗列替代):

  • 空方论点1:论点 + 关键依据
  • 空方论点2:论点 + 关键依据

可证伪的看空情景:

  • 情景1(触发条件 → 影响路径 → 对估值/盈利的冲击)
  • 情景2(触发条件 → 影响路径 → 对估值/盈利的冲击)

触发证伪的观察指标:

  • 指标1(跟踪频率 + 阈值/信号 → 触发后动作)
  • 指标2(跟踪频率 + 阈值/信号 → 触发后动作)

口径:研究结论为看多时,同样必须给出"看多被推翻"的条件与观察指标;空方论点写不出具体依据时,说明研究深度不足,须补充调研而非省略本段。

1. 行业风险

风险点:

  • 行业周期性
  • 行业政策变化
  • 行业竞争加剧

风险程度:

  • 高风险
  • 中等风险
  • 低风险
2. 公司风险

风险点:

  • 经营风险
  • 财务风险
  • 估值风险

风险程度:

  • 高风险
  • 中等风险
  • 低风险
3. 市场风险

风险点:

  • 系统性风险
  • 流动性风险

风险程度:

  • 高风险
  • 中等风险
  • 低风险

投资建议

1. 适合投资者

投资者类型:

  • 价值投资者
  • 成长投资者
  • 长期投资者

风险承受能力:

  • 保守型
  • 稳健型
  • 积极型
2. 配置建议

仓位建议:

  • 单只股票不超过总仓位10%
  • 行业集中度不超过30%
  • 保持一定现金储备

仓位口径:单只个股 ≤ 总资金 10%;单只高风险/行业 ETF ≤ 总资金 5%(hard constraint);高弹性组合避免同一成长风格重复暴露。三者是不同层级约束(个股上限 / 高风险ETF上限 / 组合风格去重),非同一口径,须分别校验。

买入策略:

  • 分批建仓
  • 回调买入
  • 定投方式
3. 持有策略

持有期限:

  • 长期持有(3年以上)
  • 中期持有(1-3年)
  • 短期持有(1年以内)

卖出条件:

  • 估值过高
  • 基本面恶化
  • 达到目标价位
  • 发现更好标的

边界口径:上述买入策略/卖出条件统一按「预期差方向 + 正反双方论点 + 配置参考」输出;涉及目标价位/止损位时须标注估值方法 + 口径 + 数据基准日,均为分析参考位(反弹减仓/持有参考),非回本位、非买卖指令。


常见问题解答

Q1:如何判断一只股票的好坏?

A:判断股票好坏主要看:

  1. 基本面:盈利能力、成长能力、财务健康
  2. 估值:PE、PB是否合理
  3. 行业:行业前景和竞争格局
  4. 管理:管理层能力和激励机制

Q2:股票估值多少合理?

A:估值合理性判断:

  • 统一原则:不设全市场一刀切的绝对 PE 阈值(如 PE 10-20 合理、成长行业 PE 20-40 合理),改为对照该股自身近 10 年月频 PE 分位(PE-TTM 整体法,负 PE 剔除)并结合同业对比
  • 成熟行业:以自身历史 PE 分位 + 盈利稳定性判断
  • 成长行业:以自身历史 PE 分位 + 成长性兑现度判断,避免用行业固定 PE 区间硬套
  • 周期行业:PE需要结合周期
  • 具体公司需要具体分析(所有结论标注数据基准日)

Q3:股票为什么会下跌?

A:下跌原因:

  1. 基本面恶化
  2. 估值过高
  3. 市场下跌
  4. 政策利空
  5. 资金流出

Q4:股票长期不涨怎么办?

A:处理方法:

  1. 分析原因:基本面问题还是估值问题
  2. 重新评估:是否值得继续持有
  3. 设定目标:设定卖出价位
  4. 分散投资:不要集中单一股票

Q5:股票分红有用吗?

A:分红的作用:

  1. 现金流回报
  2. 复利效应(红利再投资)
  3. 反映公司盈利能力

Q6:如何控制股票投资风险?

A:风险控制方法:

  1. 分散投资:不要集中单一股票
  2. 控制仓位:不要满仓操作
  3. 设置止损:控制最大亏损
  4. 持续跟踪:关注基本面变化

使用示例

示例1:个股基本面分析

用户:"帮我分析一下招商银行的基本面" Agent:分析招商银行的财务指标、业务模式、竞争优势、行业地位,给出基本面分析

示例2:个股估值分析

用户:"招商银行的估值合理吗?" Agent:分析招商银行的PE、PB、股息率等指标,判断估值水平

示例3:个股技术面分析

用户:"招商银行的技术走势怎么样?" Agent:分析招商银行的趋势、均线、支撑压力位,给出技术面分析

示例4:个股风险评估

用户:"投资招商银行有什么风险?" Agent:分析招商银行的行业风险、公司风险、市场风险,给出风险评估

示例5:个股投资建议

用户:"可以买入招商银行吗?" Agent:综合基本面、估值、技术面、风险分析,给出投资建议


重要提醒

  1. 合规性:所有分析仅供参考,不构成投资建议
  2. 风险提示:股票投资风险较大,可能亏损
  3. 个性化:根据个人风险承受能力和投资目标做出决策
  4. 长期视角:股票投资适合长期持有
  5. 分散投资:不要将所有资金投入单一股票

数据获取与口径

  • 获取方式:优先本地 CLI bun run main.ts(实时行情/净值/股息率/K线);估值分位、宏观/行业/财报数据用 WebSearch 补充
  • 官方口径优先:券商实际到账、交易所/公司公告 > 第三方平台;数据冲突以官方为准
  • 禁止编造:取不到的数据标「不可得」,不得臆测填充;预测值须标来源或「作者假设」
  • 数据基准日:所有数值标注取数日期;跨期对比须同一基准日

数据来源参考:公司年报/半年报/季报、交易所公告、财务数据平台、行情数据、券商研究报告。


持续优化

根据市场变化和用户反馈,持续优化个股分析方法和判断标准,提升分析的准确性和实用性。

Frequently asked questions

What does the Stock Deep Analysis AI skill do?

提供个股深度分析,包括基本面分析、估值分析、技术面辅助、风险评估。当用户询问个股分析、股票投资建议、财务数据时调用此技能。

Why use Stock Deep Analysis on TypingMind?

Because you install it once and use it with any model. Stock Deep Analysis is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Stock Deep Analysis in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/belos-street/stock-analytics-agent/tree/main/.agents/skills/stock-deep-analysis. TypingMind reads its SKILL.md and installs it as a skill you can enable per chat.

Which AI models can use Stock Deep Analysis?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Stock Deep Analysis?

As many as you like. As long as a model supports skills, you can use Stock Deep Analysis with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Stock Deep Analysis AI skill free?

Yes. It is published on GitHub by belos-street under the MIT license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

View all

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇