根据 Mark Minervini 的波动性收缩模式 (VCP) 筛选标准普尔 500 股票，识别在突破枢轴点附近波动性收缩的第二阶段上升趋势股票。

该技能使用两阶段筛选方法来识别结合了价值特征、有吸引力的创收和持续增长的高质量股息股票：

对美股进行全面分析，包括基本面分析（财务、业务质量、估值）、技术分析（指标、趋势、模式）、同行比较，并生成详细的投资报告。通过网络搜索工具获取实时市场数据并应用结构化分析框架。

v2.0 的重要变化：

使用 Monty 的上升趋势比率仪表板诊断市场广度健康状况，该仪表板跟踪 11 个行业的约 2,800 只美国股票。根据暴露指导生成 0-100 的综合评分（越高=更健康）。

该技能可以对每周价格图表进行全面的技术分析。分析图表图像以识别趋势、支撑位和阻力位、移动平均线关系、成交量模式，并为未来价格变动制定概率情景。所有分析均仅使用图表数据客观地进行，不受新闻、基本面或市场情绪的影响。

检测策略的回测迭代循环何时停止并提出结构上不同的策略架构。该技能充当边缘管道的反馈循环（提示提取器 -> 概念合成器 -> 策略设计器 -> 候选代理），通过重新设计策略的骨架而不是调整参数来突破局部最优。

将 8 项上游分析技能（5 项必需 + 3 项可选）的输出综合为单个综合信念评分 (0-100)，将市场分类为 4 种德鲁肯米勒模式之一，并生成可行的配置建议。这是一种元技能，它使用其他技能的结构化 JSON 输出 - 它不需要自己的 API 密钥。

该技能通过从 TraderMonty 的公共 CSV 数据集中获取上升趋势比率数据，可以对行业轮动和市场周期定位进行全面分析。它对行业进行排名，计算周期性与防御性风险体系得分，识别超买/超卖状况，并估计当前的市场周期阶段。图表图像可以选择用行业级详细信息补充数据驱动的分析。

该技能从新闻头条开始分析中长期（18 个月）投资场景。它依次调用两个专业代理（情景分析师和策略审核员）来生成集成多方面分析和批判性审核的综合报告。

通过与 Alpaca MCP Server 集成来获取实时持仓数据，然后执行涵盖资产配置、多元化、风险指标、个人仓位评估和再平衡建议的全面分析，分析和管理投资组合。生成包含可行见解的详细投资组合报告。

该技能通过配对交易识别和分析统计套利机会。配对交易是一种市场中性策略，无论整体市场方向如何，都可以从两种相关证券的相对价格变动中获利。该技能使用严格的统计方法，包括相关性分析和协整测试来寻找稳健的交易对。

该技能使用理论定价模型提供全面的期权策略分析和教育。它可以帮助交易者理解、分析和模拟期权策略，而无需订阅实时市场数据。

使用定量 6 分量评分系统 (0-100) 检测市场顶部形成的概率。集成了三种经过验证的市场顶级检测方法：

该技能可以对过去 10 天内影响市场的新闻事件进行全面分析，重点关注其对美国股市和大宗商品的影响。该技能使用WebSearch和WebFetch工具自动从可信来源收集新闻，评估市场影响程度，分析实际市场反应，并生成按市场影响重要性排名的结构化英文报告。

全面的分析工具，随时了解市场状况并创建专业的市场报告。

使用数据驱动的 6 部分评分系统 (0-100) 量化市场广度健康状况。使用 TraderMonty 公开的 CSV 数据来衡量市场参与上涨或下跌的范围。

使用月频交叉资产比率分析检测结构性宏观体制转变。该技能可识别 1-2 年的制度转变，从而为战略投资组合定位提供信息。

为股息投资者应用实用的美国税务工作流程，同时保持决策的可审计性。重点关注账户放置和分类，而不是法律/税务建议更换。

实施 Kanchi 的 5 步方法作为美国股息投资的确定性工作流程。优先考虑安全性和可重复性，而不是激进的产量追逐。