dividend skills: A股高息股自动筛文档 (同花顺口径/东方财富批量/行业分散)

2026-09-25 01:25:26 +08:00
parent f46abb8ca3
commit 56b4d9cf62
10 changed files with 1004 additions and 25 deletions
@@ -1,32 +1,34 @@
 ---
 name: dividend-investing
-description: "Dividend stock research, analysis, and ex-dividend alerting across A/HK/US markets. Covers: dividend history analysis (yield, growth, payout ratio), pre-ex-dividend day alerts via cron job, yield-vs-financing-cost arbitrage calculations, and record date tracking. Now includes stability scoring (years + CAGR + volatility + recent) for A-shares via AKShare. Push output uses horizontal markdown tables (4-8 cols, user 2026-07-29 preference) with 次/年 + 连续(年) + vs MA50 enrichment. Not for short-term trading entries — this is the dividend-side analysis mindset."
-version: 1.2.0
+description: "Dividend stock research, analysis, and ex-dividend alerting across A/HK/US markets. Includes stability scoring (years + CAGR + volatility + recent) for A-shares via AKShare. Push output uses horizontal markdown tables (4-8 cols, user 2026-07-29 preference) with 次/年 + 连续(年) + vs MA50 enrichment. 🧙 2026-08-23 cn_dividend_buy_timing 用神奇九转 (TD9) 增强入场判别. 🔄 2026-08-26 加美股「频率(估)」列 (ann/rate 反推 W/BW/M/BM/Q/S/A, 替代原「连续(估年)」避免把 BDC 周派推成 249 年连续派). 🔇 2026-09-01 silent on no-data (cron no_agent + 空 stdout = 不推 QQ). 📝 2026-09-02 列名重命名 '年化' → '估算年派', '连续(估年)' 删除, ann=0 → ⚠️数据缺失. 📉 2026-09-14 股息率过滤 MIN_YIELD=5.0 — 低于5%的直接丢弃(三市场统一), 全低于5%则整条 silent 不推. Not for short-term trading entries — dividend-side analysis mindset, with TD9 as top-of-trend warning only."
+version: 1.5.0
 author: Hermes Agent
 license: MIT
 platforms: [linux, macos]
 metadata:
  hermes:
-    tags: [trading, dividends, stocks, a-shares, hk-stocks, us-stocks, cron, dividend-stability]
-    related_skills: [tonghuashun, longbridge-python-sdk, stock-analysis]
+    tags: [trading, dividends, stocks, a-shares, hk-stocks, us-stocks, cron, dividend-stability, td9, bdc-reit-frequency, silent-on-success]
+    related_skills: [tonghuashun, longbridge-python-sdk, stock-analysis, intraday-trading]
 scripts:
-  - "scripts/dividend_alert.py: 'Daily dividend scan. Cron jobs (id `789a7710b1cf` A股+港股, `366934c1474c` 美股) call `scripts/dividend_alert_cn_hk.sh` and `scripts/dividend_alert_us.sh` (proxychains4 + 过滤 [proxychains] 日志). Contains score_dividend_stability() with _stability_cache per symbol per run. Edit here in skill repo to update.'"
+  - "scripts/dividend_alert.py: 'Daily dividend scan. Cron jobs (id `789a7710b1cf` A股+港股, `366934c1474c` 美股) call `scripts/dividend_alert_cn_hk.sh` and `scripts/dividend_alert_us.sh` (proxychains4 + 过滤 [proxychains] 日志 + **过滤 Longport SDK QuoteContext init 行情权限表格** (2026-09-07 加)。 Contains score_dividend_stability() with _stability_cache per symbol per run. 2026-08-26 加美股「频率(估)」列 (反推 ann/rate → W/BW/M/BM/Q/S/A), 替代原「连续(估年)」作为主信号. Edit here in skill repo to update.'"
  - "scripts/dividend_alert.py is a duplicate under ~/.hermes/scripts/ (cron path). Keep both in sync — cron uses absolute path /home/openclaw/.hermes/scripts/dividend_alert.py (rule: skill scripts under skills/, cron scripts under ~/.hermes/scripts/)."
+  - "scripts/dividend_highfreq.py (new 2026-08-26): '长桥MCP动态扫描美股高频派息 (BDC/REIT/周/月派 ETF). 数据源 mcp_longport_screener_search + dividend. 替代之前的白名单方案. SQLite库 ~/.hermes/trading/dividend_highfreq.db. --scan每日跑, --alert推送. **替代 Nasdaq API 漏 QQQY/RDTE 问题** (addendum in references/us-bdc-reit-frequency-classification.md). Path: ~/.hermes/scripts/dividend_highfreq.py (cron wrapper).'"
+  - "scripts/dividend_alert_cn_hk.sh / _us.sh 必须 grep -v 过滤三类噪声: (1) `^\\[proxychains\\]` 代理日志; (2) `^\\+\\-\\-\\-.*\\+$` longport SDK QuoteContext init 输出的行情权限表格边框; (3) `^\\|\\-\\-\\-` 表格中间分隔行; (4) `^\\| (US|HK|CN|USOption) +\\| +[A-Za-z]` 行情权限表格的内容行 (LV1/LV2/Real-time Quotes/Open API)。不滤掉这些会塞满推送开头,真实除权表被挤到底部。"

 references:
  - dividend-yield-rate-sort: "分红扫描按股息率% 倒序(用户偏好 2026-07-13)"
  - fill-gap-timing: "填权时间线数据 + 抓取分析"
  - dividend-yield-arbitrage: "股息率 vs 融资成本套息"
+  - longport-sdk-verbose-output-filter: "Longport SDK QuoteContext() init 表格噪声过滤 (2026-09-07 加)。cron 脚本 stdout=推送内容,SDK 构造时 print 行情权限表格无法关闭,必须 grep -v 过滤 +---+---+ / |---|---| / | (US|HK|CN) | 三类行。适用所有 longport + cron 推送组合。"
  - cron-schedule-and-push-timing: "cron schedule / Beijing-time push timing (why 11:00 BJT)"
  - dividend-stability-score: "5 维评分 (派息年数/CAGR/波动/最近/连续) 综合稳定性 0-100 + 5 星等级; 数据源 akshare stock_history_dividend_detail(indicator='分红'); 缓存避免重复查询; 2026-07-22 新增"
-  - cn-dividend-buy-timing-pool: "Manual HIGH_DIVIDEND_POOL list (17 A-share blue chips) + 综合评分公式 `score = annual_yield + stability_bonus` where stability_bonus = (stability - 2) * 2.0 (stab=3 → +2%, stab=2 → 0, stab=1 → -2%). 用户 2026-07-29 反馈纯 yield 排序把 招商银行(5%)/伊利股份(4%)/长江电力(4.5%) 挤出去, 加 stability bonus 后这 3 票稳定进 top 15。脚本: ~/.hermes/scripts/cn_dividend_buy_timing.py (cron 任务待接入)。脚本里 stability 字段: 3=连续5年+稳定, 2=连续3年, 1=波动。"
+  - cn-dividend-buy-timing-pool: "Manual HIGH_DIVIDEND_POOL list (17 A-share blue chips) + 综合评分公式 `score = annual_yield + stability_bonus` where stability_bonus = (stability - 2) * 2.0 (stab=3 → +2%, stab=2 → 0, stab=1 → -2%)。用户 2026-07-29 反馈纯 yield 排序把 招商银行(5%)/伊利股份(4%)/长江电力(4.5%) 挤出去, 加 stability bonus 后这 3 票稳定进 top 15。脚本: ~/.hermes/scripts/cn_dividend_buy_timing.py (cron 任务待接入)。脚本里 stability 字段: 3=连续5年+稳定, 2=连续3年, 1=波动。"
  - akshare-dividend-history-and-push-enrichment: "AKShare 两套历史股息 API (A 股 stock_history_dividend_detail + 港股 stock_hk_dividend_payout_em) + push 字段扩展模式 (次/年 + 连续(年) + vs MA50) + ⚠️ ma_off double-*100 bug 教训 + 数据累积+循环外拼表模式 + 名称行单独存在。2026-07-29 实战 + 2026-07-30 加 ma_off bug fix。适用所有 dividend_alert 类推送。"
+  - cn-dividend-buy-timing-td9: "🧙 cn_dividend_buy_timing.py + scan_cn.py + dca_scanner.py 用九转 (TD9) 增强入场判别。**核心规则**: TD9 是**信号增强层**不替代 MA50/支撑/趋势 — 卖出完成 → 🔴不入场升级为 🟡等回撤 ★★☆ + 用九转止损价 (第9根收盘);买入计数 7+/卖出计数 7+ 在 🟢今天买 理由里加提示;共用 lib `~/.hermes/scripts/lib/td9.py` (4 个脚本共享,2026-08-23 抽库)。详见 `~/.hermes/skills/trading/intraday-trading/references/td9-td-sequential.md`。"
+  - td9-in-high-dividend-pitfall: "⚠️ 高股息票的 TD9 解读陷阱: 银行/煤炭等高息票 长期横盘或温和上涨,九转**卖出计数**经常达 7+ 但很少完成 — 此时九转是'涨势末期警告'而非'即将见顶',不必升级入场判别。**只有 `done=True` (count>=9) 才升级 🔴→🟡**;未完成的 7-8 计数只加理由文字提示,不改入场动作。"
+  - us-bdc-reit-frequency-classification: "🔄 **美股派息频率反推 (2026-08-26 新增)**: ann/rate 反推 W/BW/M/BM/Q/S/A 频率档位, 替代原「连续(估年)」作为主信号 (公式 bug 把 BDC 周派 SATA 推成「连续 249 年」误导)。W/BW/M/BM 是 BDC/REIT 高息陷阱常见标签。详见 `references/us-bdc-reit-frequency-classification.md`。"
+  - min-yield-5pct-filter: "📉 **股息率过滤 (2026-09-14 新增)**: MIN_YIELD=5.0 常量, 三市场统一股息率 <5% 丢弃; 全部低于 5% 整条 silent 不推。详见 `references/min-yield-5pct-filter-2026-09-14.md`。"
 references:
-  - dividend-yield-rate-sort: "分红扫描按股息率% 倒序(用户偏好 2026-07-13)"
-  - fill-gap-timing: "填权时间线数据 + 抓取分析"
-  - dividend-yield-arbitrage: "股息率 vs 融资成本套息"
-  - cron-schedule-and-push-timing: "cron schedule / Beijing-time push timing (why 11:00 BJT)"
-  - dividend-stability-score: "5 维评分 (派息年数/CAGR/波动/最近/连续) 综合稳定性 0-100 + 5 星等级; 数据源 akshare stock_history_dividend_detail(indicator='分红'); 缓存避免重复查询; 2026-07-22 新增"
 requires:
  - python3 + akshare (pip install akshare)
  - python3 + requests (stdlib)
@@ -12,6 +12,38 @@ A 股 和 港股 用**不同的接口**(2026-07-29 验证可用):
 **注意**: 美股 Nasdaq API (`api.nasdaq.com/api/calendar/dividends?date=YYYY-MM-DD`) **只返回当天** — 没有历史。
 要美股历史需 `stock_us_dividend_em` (akshare) 或 yfinance。

+### 1.1 美股"连续(估年)"近似列 (2026-07-30 实战)
+
+**问题**: 美股没有可靠的**历史派息年数 API**(Nasdaq 当天, yfinance 国内 VPS 不稳定)。
+用户 cron `366934c1474c` 美股推送缺"派息稳定"列。
+
+**近似方案**: `连续(估年) = 年化 / 每股派` —— 当年总派息 ÷ 每股单次派息 ≈ 派息频率(可能 4=季度派, 12=月派, 24=双周派)。
+
+**坑**: 这是**派息频率**, **不是**真实连续年数!
+- STRC 月派 ×12 = 24 (24 表示一年 24 次派息, 不是 24 年连续)
+- 季度派票显示 4.0 (合理)
+- 半年派票显示 2.0 (合理)
+
+**实现** (`dividend_alert.py` fmt 函数):
+```python
+cont_years = ann / d if d > 0 else 0  # ann=年化派息总额, d=每股派
+if cont_years >= 10:
+    cont_str = f'🔥{cont_years:.0f}'  # 可能假阳性(月派)
+elif cont_years >= 5:
+    cont_str = f'⚡{cont_years:.0f}'
+elif cont_years >= 1:
+    cont_str = f'{cont_years:.1f}'
+else:
+    cont_str = '-'
+```
+
+**正确做法**: 推送时**显式标注估算** + 提示月派票会偏高:
+```
+⚠️ 连续(估年) = 年化 / 每股派 (月派票会偏高, 仅作参考; 真连续年数需 yfinance API 不稳定)
+```
+
+**未来**: 真要做精确,装 yfinance + `yf.Ticker(code).dividends` 拉历史, 算真实连续年数 (2026-07-30 国内 VPS 装 yfinance 失败, 暂用近似)。
+
 ### 1.1 helper 实现

 ```python
@@ -0,0 +1,161 @@
+---
+name: cn-dividend-buy-timing-auto-pool
+description: "A 股高息股候选池从硬编码 → 自动筛 (东方财富 stock_fhps_em 批量拉, TTM 算法, 每行业 ≤3 只, 缓存到 JSON). 用户 2026-09-18 要求: 按行业分散 Top 8 替换 17 票硬编码. 脚本: ~/.hermes/scripts/cn_dividend_top8.py (临时) + 计划集成到 cn_dividend_buy_timing.py."
+version: 1.0.0
+type: reference
+---
+
+# A 股高息股候选池 — 自动筛 (替代硬编码)
+
+**用户原话** (2026-09-18): "按行业来，每个行业Top3是不是就够了" → "A" → "要按建议干"。
+
+## 设计目标
+
+- **每行业 ≤ 3 只**（分散风险，不要 8 只都是银行股）
+- **总共 Top 8**
+- **数据源用同花顺口径**（不要自己算）
+
+## 用户原话关键限制
+
+> "你一个AI，写算法，还能比得过人家真正的专家吗"
+> "我说了，不要你算"
+> "关键是数据对吗"
+> "我不是要你参考同花顺的写，我是让你用同花顺的"
+
+**铁律**: **不要自己算股息率 / TTM / 行业 / 报告期**，**全部用第三方数据源给定的字段**。
+
+## 数据源选择（2026-09-18 测试）
+
+| 接口 | 类型 | 速度 | 字段 | 是否够用 |
+|---|---|---|---|---|
+| `ak.stock_history_dividend` | 单只/年均 | 1.5s | 年均股息、累计、分红次数 | ❌ 没股息率字段，要算 |
+| `ak.stock_history_dividend_detail` | 单只/历史派 | 0.5s/只 | 派息、进度、报告期 | ❌ 要算 |
+| `ak.stock_fhps_detail_ths` (同花顺) | 单只/全历史 | 0.6s/只 | **税前分红率** | ✅ 直接给，但慢 |
+| **`ak.stock_fhps_em` (东方财富)** | **批量/按报告期** | **3s/批** | **现金分红-股息率**、进度、登记日 | **✅** |
+
+**结论**: 用 `stock_fhps_em(date=YYYYMMDD)` **批量按报告期拉**——1 次 3676 只，3-5 秒。
+
+**单位确认**: `现金分红-股息率` 字段是**小数**（如 0.0544），**不是百分比字符串**，**直接乘 100 得 %**。
+
+## 算法
+
+### 1. TTM 股息率（同花顺口径）
+
+```python
+# 拉最近 4-6 个季度的分红数据
+REPORT_DATES = ['20231231', '20240630', '20241231', '20250630', '20251231', '20260630']
+
+# TTM = 最近 365 天内 + 进度='实施分配' 的股息率之和
+df_ttm = df_done[df_done['股权登记日'] >= now - timedelta(days=365)]
+ttm_yield = df_ttm.groupby('code')['现金分红-股息率'].sum() * 100
+```
+
+**⚠️ 用"股权登记日"而非"实施公告日"** —— 同花顺 TTM 算法更接近用户看到的数。
+
+**实测**: 北京银行 601169 东方财富 = 7.44% ≈ 同花顺 7.36%。
+
+### 2. 排除 ST + 派息次数 ≥ 5
+
+```python
+# 排除 ST
+df = df[~df['名称'].str.contains('ST')]
+
+# 派息次数 ≥ 5 (粗筛, 不必算连续派息年数)
+df_filtered = df.groupby('code').filter(lambda x: len(x) >= 5)
+```
+
+### 3. 行业分散（每行业 ≤ 3）
+
+**问题**: 东方财富 `stock_fhps_em` **没行业字段**，akshare `stock_individual_info_em` 单只查慢（521 只 × 1s = 9 分钟）。
+
+**方案**: 拉行业列表 + 每行业成分股批量（`stock_board_industry_cons_em`）。
+
+**注**: akshare em 接口常被代理卡（连接被断开），需 `unset http_proxy https_proxy HTTP_PROXY HTTPS_PROXY` 后跑。
+
+### 4. 输出格式
+
+```
+======================================================================
+A 股高息 Top 8 (门槛: 6.0% TTM 股息率, 派息 5+ 次)
+======================================================================
+代码         名称             TTM股息率     派息次数       当前价
+603165     荣晟环保           14.88      5          ¥13.36
+603167     渤海轮渡           9.54       5          ¥8.12
+000915     华特达因           8.61       5          ¥24.02
+...
+```
+
+## 关键坑
+
+1. **不要用 `str.contains('年报')`/`str.contains('中报')`** 算日期—— `stock_fhps_em` 报告期是字符串 `"2024年报"` / `"2024中报"`，直接用 `pd.to_datetime('2024' + '年报'.replace('年报','-12-31'))` 解析即可。
+2. **pd.to_numeric 要去 `%` 符号**：`pd.to_numeric('5.44%'.str.replace('%',''))`。
+3. **`stock_fhps_em` 字段是 0.0544 不是 5.44%，必须 × 100**。
+4. **同花顺 vs 东方财富 TTM 差异 ~0.1%** 是因为财年滚动算法不同，可以接受。
+5. **代理**：em 接口要 unset proxy，`unset http_proxy https_proxy HTTP_PROXY HTTPS_PROXY` 后再调。
+
+## 性能
+
+- 8 个报告期 × 3676 只/批 = **~12 秒拉数据**
+- 长桥 quote 200 只 = **~30 秒**
+- **ths 接口单只 100 次 = 120 秒**（淘汰）
+- **总计 ~50 秒**
+
+## 集成计划（待用户确认）
+
+1. `cn_dividend_top8.py` 从 `/tmp` 移到 `~/.hermes/scripts/`
+2. 加行业分散逻辑
+3. 缓存到 `~/.hermes/trading/cn_top8.json`（cron 每周跑一次）
+4. `cn_dividend_buy_timing.py` 删硬编码池，改读 JSON
+5. 加 cron `cn-top8-weekly`（每周一 09:30 跑）
+
+## 文件位置
+
+- **临时脚本**: `/tmp/cn_dividend_top8.py`
+- **目标位置**: `~/.hermes/scripts/cn_dividend_top8.py`
+- **被替换**: `~/.hermes/scripts/cn_dividend_buy_timing.py` 的 `HIGH_DIVIDEND_POOL` (硬编码 17 票)
+- **相关 skill**: `trading/tonghuashun`, `trading/longbridge-python-sdk`
+
+## 用户已确认但未实施项
+
+- [ ] 行业分散 ≤3 只（用户已确认）
+- [ ] 集成到 cron `cn-dividend-buy-timing`（用户已确认）
+- [ ] 缓存机制（待用户确认）
+- [ ] 移到正式目录（用户已确认）
+- [ ] cron 每周一重算（待用户确认）
+
+## 参考
+
+- `references/longport-sdk-verbose-output-filter.md` — 长桥 SDK 噪声过滤
+- `references/cn-dividend-buy-timing-pool.md` — 旧硬编码池设计
+- `references/min-yield-5pct-filter.md` — 股息率门槛
+
+## 跨域踩坑：跟单 cron 漏单影响本 skill 周筛（2026-09-20 实战）
+
+虽然本 skill 主要管 A 股分红周筛，**但同台服务器上的 OKX 跟单 cron 跑在本 skill 跑期间，可能造成关注度盲区**。本节记录跨域坑，便于将来合并维护时查：
+
+### BTC 平仓失败 mark_done 不补单（5 小时持仓 UPL -50.5%）
+
+**User 原话** (2026-09-21): "是啊，为什么标记done了，亏损翻倍了"。
+
+**根因** (详细见 `trading-signal-aggregator` §7):
+- `signal_queue.py` 只看 returncode 判 done/failed
+- `process_signal.py` 平仓失败分支只 `return` 字符串, **不抛异常** → returncode=0 → mark_done
+- queue 标 done 但 result 列含 `❌ 平仓失败: proxy 抽风`
+
+**对本 skill 的实操影响**:
+- **运行周筛 cron 前先查 trading cron 是否漏单** — 避免注意力被新功能抢走
+- 应急 SQL: `sqlite3 ~/.hermes/trading/signal_queue.db "SELECT id, substr(created_at,1,19), substr(result,1,80) FROM queue WHERE result LIKE '%❌%' AND status='done' ORDER BY id DESC LIMIT 10"`
+- 然后 `fetch_positions()` 验证实际仓位
+
+### OKX 加保证金 cross vs isolated (2026-09-20 实战, User "ZEC 可以加保证金了")
+
+User 想给 ZEC long 持仓加 $100 → 调 `/api/v5/account/position/margin-balance` → 报 `59300 Position does not exist` → 真相: **ZEC 是 cross 模式不支持单币加保证金**。
+
+| 模式 | 单独加保证金 |
+|---|---|
+| **isolated** | ✅ 支持 `/account/position/margin-balance` |
+| **cross** | ❌ 不支持 — 账户 Free USDT 自动作保证金池 |
+
+**对本 skill 的影响**: 周筛脚本不涉及保证金操作, **无直接影响**。但如果将来要在 cron 里加 "自动根据持仓收益调整保证金" 类逻辑，必须先 `fetch_positions()` 查 `marginMode`。
+
+详见 `okx-trading-failover` § "全仓 (cross) 模式不支持单币加保证金"。
@@ -0,0 +1,73 @@
+# Longport SDK Init Verbose Output (2026-09-07 实战)
+
+## 现象
+
+`openapi.QuoteContext(config=...)` 构造时，**SDK 自身 print 一段行情权限表格**（LV1/LV2/Open API 等），无法关闭，无法 redirect，每次 `QuoteContext()` 实例化都会打印一次。
+
+调用模式：
+```python
+from longport import openapi
+_qc = openapi.QuoteContext(config=openapi.Config.from_env())
+```
+
+输出示例（每次 QuoteContext() 都会打，**约 18 行 × 9 次 = 162 行**）：
+```
+----------+----------------------------------------------------------------+
+| US       | LV1 Real-time Quotes                                           |
+|----------+----------------------------------------------------------------|
+| USOption | You do not have access to the market's Open API data...         |
+|----------+----------------------------------------------------------------|
+| HK       | LV2 Advanced Quotes, Real-time Quotes                          |
+|----------+----------------------------------------------------------------|
+| CN       | LV1 Real-time Quotes                                           |
+----------+----------------------------------------------------------------+
+... (重复 N 次，每次 QuoteContext() 实例化一次)
+```
+
+## 影响
+
+cron 跑脚本 → stdout 直接是推送内容。**这些表格塞满推送开头，真实除权表被挤到底部**。
+
+## 修复（在 shell wrapper 里 grep 过滤）
+
+`dividend_alert_cn_hk.sh` / `_us.sh` 必须在 pipe 链最后加：
+
+```bash
+proxychains4 -f ~/.proxychains/proxychains.conf \
+  python3 /home/openclaw/.hermes/scripts/dividend_alert.py --market cn_hk 2>&1 \
+  | grep -v "^\[proxychains\]" \
+  | grep -vE "^\+\-\-\-.*\+$" \        # 表格上下边框
+  | grep -vE "^\|\-\-\-\-" \            # 表格中间分隔行
+  | grep -vE "^\| (US|HK|CN|USOption) +\| +[A-Za-z]"  # 行情权限内容行
+```
+
+四条 grep 缺一不可：
+- 第 1 条过滤代理日志
+- 第 2 条过滤表格上下边框（`+---+---+`）
+- 第 3 条过滤表格中间分隔（`|---|---|`）
+- 第 4 条过滤表格内容行（开头是 `| US |`/`| HK |`/`| CN |`/`| USOption |` + 字母开头）
+
+## 验证
+
+修复前推送开头是 18 行行情权限表格 + 真实除权表在末尾。修复后推送直接是 `[Div] 2026-09-07 - ex-div 2026-09-08 market=cn_hk` + 真实 A 股 12 只 + 港股 8 只。
+
+## 通用教训
+
+任何 **SDK 构造时 print 噪声到 stdout** 的库（Longport、各种第三方 Python 包），如果脚本 stdout 是 cron 推送的内容，必须在 shell wrapper 里 grep 过滤掉：
+
+- **GitHub CLI `gh`** init 也会 print 版本/认证信息（`-q/--jq` 部分解决）
+- **docker/podman** 拉镜像输出（用 `--format` 或 `2>/dev/null`）
+- **Longport QuoteContext**（本案例）
+
+排查顺序：
+1. 看推送原文是否被噪声塞满
+2. `grep -c "^\+\-\-\-" file` 计数表格行
+3. 加 `-vE "^\+\-\-\-.*\+$"` 过滤边框
+4. 加 `-vE "^\|\-\-\-\-"` 过滤中间
+5. 加 `-vE "^\| (US|HK|CN) +\|"` 过滤内容
+
+## 适用脚本
+
+- `~/.hermes/scripts/dividend_alert_cn_hk.sh`
+- `~/.hermes/scripts/dividend_alert_us.sh`
+- 任何新增的 Longport + cron 推送脚本（dividend_highfreq.py 已用 MCP 而非 QuoteContext，故无此问题）
@@ -0,0 +1,38 @@
+# 股息率过滤 MIN_YIELD (2026-09-14)
+
+**用户原话**: "这个股息率低于5的，过滤掉，不要了"
+
+## 规则
+
+- 三个市场 (A股/港股/美股) 统一: 股息率 < 5.0% 的除权票**直接丢弃**, 不进推送
+- 阈值是脚本内常量 `MIN_YIELD = 5.0` (dividend_alert.py 排序后过滤段)
+- 过滤发生在排序之后 (`sorted` by yield desc), 所以留下的仍是高→低排
+- **全部低于 5% 时整条推送 silent** (stdout 空, no_agent cron 不推) — 延续 silent-on-no-data 规则
+- 用户没要求把 MIN_YIELD 放 config; 目前是硬常量, 用户调阈值时直接改这一个数字
+
+## 代码位置
+
+`dividend_alert.py` 主流程, 排序段之后:
+
+```python
+# 4.6. 股息率过滤 - 低于 5% 的丢弃 (用户 2026-09-14)
+MIN_YIELD = 5.0
+a_h = [r for r in a_h if _yr_a(r) >= MIN_YIELD]
+hk_h = [r for r in hk_h if _yr_hk(r) >= MIN_YIELD]
+us_h = [r for r in us_h if _yr_us(r) >= MIN_YIELD]
+```
+
+yield 函数按市场不同:
+- A股 `_yr_a`: (div/10) / price × 100 (div 是每10股派)
+- 港股 `_yr_hk`: 同 A股公式
+- 美股 `_yr_us`: ann / price × 100 (ann 是年派估算)
+
+## 实证 (2026-09-14)
+
+- 9/15 除权日: A股最高 民生银行 3.17%, 港股最高 优品360 0.61% → **全滤掉, silent 不推** ✓
+- 美股同日: STRD 13.21% / STRK 10.53% / QQQX 9.72% → 正常显示 ✓
+
+## 触发词
+
+- "股息率低于X的过滤掉" / "X% 以下的不要" → 改 MIN_YIELD 常量
+- 用户后续若要求把阈值配置化 → 移到 config.json / 脚本参数
@@ -0,0 +1,180 @@
+# 美股派息频率反推 + BDC/REIT 高息陷阱分类 (2026-08-26)
+
+**触发场景**: 美股除权日推送 (`dividend_alert.py --market us`) 出现 10%+ 股息率时, 必然是 BDC (Business Development Company) / REIT / 优先股 类高频派息票 — 真"稳"的高息股年化股息率很少超过 8%。
+
+## ⚠️ 为什么"年化 / 每股派"是垃圾公式
+
+Nasdaq API 返回两个字段:
+- `dividend_Rate` = 单次派息 (e.g. $0.04)
+- `indicated_Annual_Dividend` = 年化派息 (e.g. $0.42)
+
+旧版 `dividend_alert.py` 用 `ann / rate` 算"连续派息年数":
+- 季度派: $1.92 / $0.48 = 4 → 4 年 ✓ (还行)
+- 月派: $0.42 / $0.04 = 12 → 12 年 ❌ (实际可能只派了 3 年)
+- 周派 BDC: $12.85 / $0.05 = 257 → 257 年 ❌❌❌ (PSEC 2026-08-26 真值)
+
+公式假设"每股派在历史 N 年都稳定派", 但 BDC 月派/周派是上市后**频繁调整 dividend_Rate**, 历史派息**年数被严重高估**。
+
+## ✅ 正解: `ann / rate` 反推频率档位, 不要算"连续年数"
+
+```python
+freq_n = round(ann / d)
+if   freq_n >= 50: freq_str = '🔄周W'      # ≈ 52 次/年 (BDC)
+elif freq_n >= 25: freq_str = '🔄双周BW'    # ≈ 26 次/年
+elif freq_n >= 11: freq_str = '🔄月M'      # ≈ 12 次/年 (BDC 月派)
+elif freq_n >=  5: freq_str = '🔄双月BM'    # ≈ 6 次/年 (优先股)
+elif freq_n >=  3: freq_str = '📅季度Q'     # ≈ 4 次/年 (REIT/主流股息 ETF)
+elif freq_n ==  2: freq_str = '📅半年S'     # ≈ 2 次/年
+elif freq_n ==  1: freq_str = '📅年A'       # ≈ 1 次/年 (成长股)
+else:              freq_str = '❓'          # 不规则
+```
+
+## 🚨 高息陷阱识别清单
+
+**看到 🔄W / 🔄BW / 🔄M / 🔄BM 立刻警觉**:
+
+| 频率 | 票类型 | 例子 | 风险 |
+|:---|:---|:---|:---|
+| 🔄周W (50+) | BDC 周派 | **SATA** (12.85%), PSEC | dividend 频繁下调, NAV erosion, 实质是 return of capital |
+| 🔄双周BW (25-50) | BDC 双周 | (少见) | 同上 |
+| 🔄月M (11-25) | BDC 月派 | **PSEC** (17.87%, 推估值) | 月派月调, 长期收益靠股价上涨, 派息率虚高 |
+| 🔄双月BM (5-10) | 优先股 / baby bond | PFF 类 ETF 持仓 | 利率敏感, 久期长 |
+| 📅季度Q (3-4) | REIT / 主流股息 ETF | O (Realty Income), MAIN, EPR | 相对安全, 但要查 P/FFO 估值 |
+| 📅半年S (2) | 大型 REIT / 蓝筹 | KO (可口可乐), JNJ | 真"稳"高息 |
+| 📅年A (1) | 成长股 / 一次性 | KMDA, 一些 SPAC | 不适合靠派息投资 |
+
+## 📊 实测对照 (2026-08-26 美股除权推送)
+
+| 票 | 每股派 | 年化 | 频率 | 现估连续年数 | 实际 |
+|:---|:---|:---|:---|:---|:---|
+| **SATA** | $0.05 | $12.85 | 🔄周W | 🔥249 (公式) | BDC 周派, 实际派了 ~5 年 |
+| **PSEC** | $0.04 | $0.42 | 🔄月M | 🔥12 (公式) | BDC 月派, 实际派了 ~10+ 年 |
+| KMDA | $0.17 | $0.25 | 📅年A | 1.5 | 半年派, 实际派 1-2 年 |
+| EMBC | $0.01 | $0.04 | 📅季度Q | 4 | 季度派, 公式碰巧对 |
+| EXPE | $0.48 | $1.92 | 📅季度Q | 4 | 季度派, ✓ |
+| SOLS | $0.07 | $0.30 | 📅季度Q | 4 | 季度派, ✓ |
+
+## 🛠 实现位置
+
+**改动文件**: `~/.hermes/scripts/dividend_alert.py` (cron 跑这份副本, skill 内也同步)
+
+**新加列**: 美股表格第 4 列从 `连续(估年)` 改成 `频率(估)`, 把"连续年数"挪到第 5 列。这样用户看推送能立刻分辨 BDC 高频 vs 稳定季度派。
+
+**反模式 (不要再写)**:
+- ❌ 直接显示 `连续 (249 年)` — SATA 真派了 5 年, 这是公式 bug 严重误导
+- ❌ 用 `ann / rate` 当 "连续年数" 列给用户看
+- ❌ 月派/周派票当成"稳"推荐给用户
+
+**正解**:
+- ✅ `ann / rate` 反推成"频率档位标签" (`🔄周W` / `🔄月M` / `📅季度Q`)
+- ✅ 单独把"频率"作为信号列, **不要** 单独显示"连续年数"当主要卖点
+- ✅ cron 推送加警告: "W/BW/M/BM 是 BDC/REIT 高频派息(高息陷阱常见)"
+
+## 📈 进一步改进 (未来, user 没要求)
+
+- 真连续年数需要 yfinance API (国内 VPS 不稳定, 之前 user 确认不稳)
+- NASDQ dividend history API 也不在中国 VPS 容易访问
+- 短期不修, 等 VPS 网络稳定再考虑
+
+## ⚠️ 数据源覆盖盲区 (2026-08-26 新发现)
+
+**问题**: 上面的所有分析都假设 Nasdaq API 能拉到票 — **但很多**周派/月派 ETF/BDC 根本**不在 Nasdaq 除权日历里**。
+
+**实测验证 (2026-08-26)**:
+- 查未来 5 个周四 (8/27, 9/3, 9/4, 9/10, 9/11) → Nasdaq API 累计返回 71 个 symbol
+- 这些 symbol 都是月派/季度派/半年派
+- **QQQY / RDTE** (典型周派 ETF) → 在 yfinance 历史派息里**确实每周四在派** ($0.13-0.22/周), 但 Nasdaq 日历**完全看不到它们**
+- **SATA / PSEC** (BDC 周/月派) → 偶尔出现 (如 SATA 在 9/3 出现过一次), 但它们的周派**有遗漏**
+
+**根因猜测**: Nasdaq `api/calendar/dividends` 数据源大概率来自 Nasdaq 上市公司公告 + 第三方数据汇总 (Nasdaq Basic subscription), 周派 ETF 的发款方 (Roundhill, etc.) 未必都接入了这个数据流。
+
+**含义**:
+- 用户看不到 ≠ 它没派息
+- 推送的"明天除权票"列表 = Nasdaq 收录**子集**,不是美股完整除权集合
+- 对"我想看本周周派 ETF 派了多少"这个问题,这个脚本**回答不了**
+
+**解决方案 (按 user 偏好从优到劣)**:
+
+| 方案 | 实现成本 | 准确度 | 副作用 |
+|---|---|---|---|
+| A. 维护周派 ETF 白名单 + 单独 cron 扫 yfinance | 低 | 中 (yfinance 时不时挂) | 漏新发周派 ETF |
+| B. 爬 stockanalysis.com 的 weekly dividend screener | 中 | 高 | 反爬风险 |
+| C. 用 ETF.com API (付费) | 高 | 高 | $ |
+| D. 退一步: 推送末尾加免责 | 低 | N/A | 不解决"想看到" |
+
+**当前做法 (2026-08-26 user 决定)**: **先不调** — 推送接受现有数据源 + 末尾明示覆盖盲区。
+
+**写入推送末尾的免责** (cron 推送 fixed-footer, 已实装):
+> ⚠️ 频率(估) = round(ann/每股派), 仅反推档位非真历史; W/BW/M/BM 是 BDC/REIT 高频派息(高息陷阱常见)
+>
+> ⚠️ 本数据源 (Nasdaq 除权日历) 不收录全部美股,典型漏: QQQY/RDTE 等周派 ETF。如需追踪,自查 stockanalysis.com weekly dividend screener。
+
+---
+
+## ✅ Addendum 2026-08-26: 长桥 MCP 才是正解 (Nasdaq 漏掉的票都能拉)
+
+**之前结论错了** — 长桥 MCP 实际**有** `dividend` 工具 (145 个工具之一), 给定 symbol 直接返回该票的完整派息历史, 跟 yfinance 等价, **数据稳定、无反爬**。
+
+**实测验证 (2026-08-26)**:
+
+| 票 | Nasdaq API | 长桥 MCP `dividend` 工具 |
+|---|---|---|
+| QQQY.US (周派 ETF) | ❌ 查不到 | ✅ 每周四派, 历史完整 (8/20, 8/13, 8/06...) |
+| RDTE.US (周派 ETF) | ❌ 查不到 | ✅ 每周四派, 历史完整 |
+| PSEC.US (BDC 月派) | ⚠️ 偶有遗漏 | ✅ 每月派, 历史完整 (10/28, 9/28, 8/27...) |
+| SATA.US (BDC 双周) | ⚠️ 偶有遗漏 | ✅ 双周派, 历史完整 |
+
+### 数据访问路径
+
+**Step 1**: 用 `security_list` MCP 工具拿全市场 symbol (US market = 16008 只)
+**Step 2**: 调 `dividend` MCP 工具按 symbol 拉历史派息
+**Step 3**: 本地分类频率档位 (见上文 Python 片段)
+
+### 实现位置
+
+新脚本 `~/.hermes/scripts/dividend_highfreq.py`:
+- `--scan`: 每日跑, 拉 Top 100 高息 → 批量 dividend → 入 SQLite `highfreq_pool` 表
+- `--alert`: 推送"美股高频派息雷达"表
+- `--list`: 看入库历史
+
+### 关键架构决策 (用户拍板 2026-08-26)
+
+| 决策点 | 选 | 不选 | 理由 |
+|---|---|---|---|
+| 数据源 | 长桥 MCP (官方) | yfinance / 白名单 / 爬虫 | 稳定/官方/无反爬/145 工具 |
+| 候选池范围 | Top 100 (TTM div ≥ $2) | 全市场 16008 只 | cron 时延可控 + 覆盖 90% 高息 |
+| 频率分类依据 | 历史派息**日期差**平均天数 | `ann/rate` 比例 | 更准 (避免 BDC 高估) |
+| 入库 | 增量合并到 `highfreq_pool` | 全量替换 | 历史连续性保留 |
+| 推送 | 按 freq 排序 + yield + 稳定度 | 按 yield 单维度 | 周派 > 月派 > 季度派优先显示 |
+
+### Cron 设计
+
+| 时间 (北京) | 任务 | 理由 |
+|---|---|---|
+| 04:00 | `dividend_highfreq.py scan` | 离线时段, 不抢长桥 quota |
+| 21:00 | `dividend_highfreq.py alert` | 21:30 长桥推送前 30 分钟, 顺路追加到 `dividend_alert.py` 推送末尾 |
+
+### ⚠️ `screener_search` 的限制 (踩坑记录)
+
+虽然长桥有 `screener_search` 工具, 但 `dividend` / `dpseps` 这俩 filter 字段返回 `None` (server 不暴露真实值)。**正确做法**: 用 `security_list` 拿 symbol → 循环 `dividend` 工具 → 自己算 yield / freq。不要依赖筛股器派息字段。
+
+### 长桥 MCP 接入 (OAuth) 路径
+
+完整 6 步 OAuth 流程 + `/agent` 端点替代路径, 见 `mcp/native-mcp/references/longport-mcp-setup-2026-08-26.md` + `mcp/native-mcp/references/longport-mcp-agent-endpoint-2026-08-26.md`。
+
+---
+
+## 📌 完整决策链 (从坑到解法)
+
+```
+2026-07-29  旧版: ann/rate 公式推"连续派息年数" 
+            → BDC 周派的 SATA 显示"连续 249 年" (垃圾)
+2026-08-26  修复: ann/rate 改推"频率档位" (W/BW/M/BM/Q/S/A)
+            → 显示"🔄周W" + 警告"高息陷阱常见"
+            → cron 推送末尾免责说明 Nasdaq 漏 QQQY/RDTE
+2026-08-26 (同日) 用长桥 MCP 验证 QQQY/RDTE → 实际能拉到历史派息
+            → 推翻"先不调"决定, 改用长桥 MCP 动态扫描
+            → 新脚本 dividend_highfreq.py 实现
+```
+
+**教训**: 不要在第一次找不到解决方案时就放弃 — 多源 (官方 MCP / yfinance / screener) 试一遍, 经常有意外解法。
@@ -10,17 +10,22 @@ trigger: DCA监控、高息扫描、股息率筛选、dividend scan、阶梯买

 ```
 ~/.hermes/scripts/
-├── dividend_alert.py    # 股息登记日前一天提醒（A/HK/US三市场，无Token依赖）
-├── dca_scanner.py       # 港股/美股扫描（LongPort API）
-├── scan_cn.py           # A股扫描（LongPort价格+预设股息率）
-├── dca_monitor.py       # 持仓监控（买入信号），支持 --market=us/hk/cn
-├── dca_positions.json   # 持仓配置（含阶梯价位、股息率、派息频率）
-├── scan_hk.sh           # shell包装脚本
+├── lib/                       # 公用库 (2026-08-23+)
+│   ├── __init__.py
+│   └── td9.py                 # 神奇九转 TD Sequential (4 个脚本共享)
+├── dividend_alert.py          # 股息登记日前一天提醒（A/HK/US三市场，无Token依赖）
+├── cn_dividend_buy_timing.py  # A股每日买入时机（11:30 BJT 推送，加权技术指标增强）
+├── cn_dividend_buy_timing_cron.sh
+├── dca_scanner.py             # 港股/美股周扫描（LongPort API）
+├── scan_cn.py                 # A股周扫描（LongPort价格+预设股息率）
+├── dca_monitor.py             # 持仓监控（买入信号），支持 --market=us/hk/cn
+├── dca_positions.json         # 持仓配置（含阶梯价位、股息率、派息频率）
+├── scan_hk.sh                 # shell包装脚本
 ├── scan_us.sh
 ├── scan_cn.sh
-├── dca_monitor_us.sh    # DCA美股监控wrapper（解决no_agent参数问题）
-├── rgti_alert.py        # RGTI价格提醒
-├── rgti_auto_monitor.py # RGTI半自动做T挂单
+├── dca_monitor_us.sh          # DCA美股监控wrapper（解决no_agent参数问题）
+├── rgti_alert.py              # RGTI价格提醒
+├── rgti_auto_monitor.py       # RGTI半自动做T挂单
 └── rgti_alert_state.json
 ```

@@ -50,6 +55,11 @@ trigger: DCA监控、高息扫描、股息率筛选、dividend scan、阶梯买
 - `indicated_Annual_Dividend`: 年化分红
 - `record_Date`: 登记日（美股登记日通常=除权日）
 - 优先股/REIT占多数，注意区分
+- **⚠️ 重要坑 (2026-09-01 用户纠正)**: `indicated_Annual_Dividend` (ann) 是 **Nasdaq 估算的"未来一年总派息额"** (单位 USD, **不是百分比, 不是股息率**)。
+  - **反推频率档位** = `round(ann / dividend_Rate)` ≈ 一年派几次 → 4=季度(Q) / 12=月(M) / 52=周(W) / 2=半年(S) / 1=年(A)
+  - **这个数字不是"连续派了几年"**, 旧列名"连续(估年)" = "一年派几次的档位数字" 是误导, **2026-09-01 已改名为"频率(反推)"**, **"年化"已改名为"估算年派"**
+  - **ann=0 时** = Nasdaq 数据缺失, 频率档位显示 "⚠️数据缺失", 不归入档位
+  - 周派票实测 (SATA ann=$12.85, dividend_Rate=$0.05 → 12.85/0.05=257 ≈ 5 trading days × 52 weeks ≈ 260 ✓ 反推逻辑能识别周派)

 ### 实现要点
 - **proxy处理**：服务器在EDT时区，请求国内API需先 `unset http_proxy https_proxy HTTP_PROXY HTTPS_PROXY`，否则Python requests走127.0.0.1:7890代理会报ProxyError
@@ -96,12 +106,64 @@ trigger: DCA监控、高息扫描、股息率筛选、dividend scan、阶梯买

 ## 用户偏好（关键）

-1. **吃股息为主，不做短线投机**。当用户问"买点"时，默认用股息率/除权日期/分红增长角度分析，而不是技术面支撑阻力。
+1. **吃股息为主，但入场时机可加技术指标 (2026-08-23 修正)**: 用户原话"高股息扫描的也要结合这个指标(九转)"。**修正**: 之前默认"不做技术面分析"的规则只适用于"分析分红/历史股息率/CAGR"这一类查询。**入场时机判别**(`cn_dividend_buy_timing.py` 的 🟢🟡🔴 决策)可以叠加 TD9 增强(避免在涨势到顶时买入),但仍以股息率 + MA50 + 支撑为底层决策依据,TD9 只是**信号增强层**。
 2. **时间显示用北京时间(UTC+8)**，不要用服务器EDT时间。
 3. **输出格式**：emoji标记 + 简洁卡片状，数据密集但视觉清爽，≤500字。

+## 🧙 技术指标增强层：神奇九转 (TD Sequential)
+
+**仅作用于入场时机判别**, 不替代股息率 / MA50 / 支撑等基础条件。
+
+### 入场增强规则 (cn_dividend_buy_timing.py)
+
+| TD9 状态 | 对入场判别的影响 |
+|---|---|
+| 买入计数 ≥7 (未完成, 跌势末期) | 🟢今天买 理由加 "+ 🧙九转买 N/9 (跌势末期)" |
+| 卖出计数 ≥7 (未完成, 涨势末期) | 🟢今天买 理由加 "⚠️🧙九转卖 N/9 (涨势末期,回撤将至)" |
+| **卖出完成 (done=True, 涨势到顶)** | 🔴不入场 **升级为 🟡等回撤 ★★☆,止损用九转止损价 (第9根收盘)** |
+| 买入计数 <5 或 无九转信号 | 不影响原判别 |
+
+### 周扫描输出 (scan_cn.py / dca_scanner.py)
+
+阶梯入场表后加两行:
+
+```
+| 🧙 九转 | 多 九转买… 6/9 | 空 九转卖✓ 11/9 | - 九转… 0/9 |
+| 🧙 止损 | -               | 44.70            | -             |
+```
+
+### 公用库抽取 (2026-08-23)
+
+`td9_levels()` 抽到 `~/.hermes/scripts/lib/td9.py`, **4 个脚本共享**:
+
+```
+~/.hermes/scripts/lib/td9.py
+├── td9_levels(closes, current)  → dict or None
+└── td9_summary(td9)             → str (短字符串用于表格 cell)
+```
+
+**禁止** 在任何脚本里复制 `td9_levels()` 本地实现 — 修改算法只改 `lib/td9.py`, 4 个脚本自动同步。
+
+详见 `intraday-trading/references/td9-td-sequential.md` (算法 + 单元测试 + 输出格式 + 4 脚本用法)。
+
 ## 关键实现细节

+### `dividend_highfreq.py` — 美股高频派息扫描 (2026-08-26 v1.0 实装 + cron 接入)
+
+详见 `references/us-dividend-frequency-tier.md` v2 节。设计: `security_list` 拿全 US 市场 → `quote` 批量拿现价 → `dividend` 逐只算频率档位 → yield ≥ 4% 入 SQLite `highfreq_pool` → 按 freq+yield+稳定度推送。**取代了 v1 时期 "Nasdaq 不收周派" 的限制**。
+
+**实际跑 (2026-08-26)**:
+- 候选池: security_list US 翻页 5 页 → 244 只 (跳过优先股/WARRANT/WTS)
+- batch quote 50/批 → 244/244 拿到现价
+- dividend 逐只 (1-4s/只) → 29 只 yield ≥ 4% 且 cv<0.5 入池
+- 总耗时 ~6 分钟 (cron 可接受)
+
+**Cron job**: `b29af10da8d2` ("美股高频派息雷达"), schedule `30 21 * * 1-5` 北京, no_agent + script 模式, deliver origin.
+
+**v1.0 实战发现的 YieldMax 票** (CRY/BIOY/XEY/TECY/TSYY 全部 yield>50% 但 cv<0.2 = 真实稳定高息, 不是 bug): 推送时**必须**带"文化娱乐参考, 不构成投资建议" disclaimer + cv 列 + ⭐⭐⭐ 评级让用户自己判断风险. 详见 `native-mcp/references/longport-mcp-tools-pitfalls.md` Pitfall 11.
+
+**lib/td9.py 接口不匹配 bug (2026-08-26 发现, 待修)**: `td9_levels(closes)` 返回 list, 但 `td9_summary(td9)` 期望 dict → 调用就抛 `TypeError: list indices must be integers or slices, not str`. 修复方向: td9_summary 改成 `td9_summary(td9_list, current_price=None)` 接受 list, 或 td9_levels 改成返 dict. **不要绕过** (`td9_levels` 在 4 个脚本共享, 改签名影响面大).
+
 ### Shell包装脚本（必须）
 Cron的script字段不能带参数。Python脚本需要参数时，用.sh包装：
 ```bash
@@ -165,24 +227,50 @@ mREIT：NLY/AGNC/TWO/CIM/NYMT/STWD
 10. **百度接口港股过滤**：返回数据的 `交易所` 字段，HK=港股、SH/SZ/BJ=A股。注意港股代码前有空格（如 ` 06808`），需要 `strip()`。
 11. **除权日与登记日关系**：A股登记日=除权日前一交易日。美股登记日通常=除权日当天。
 12. **百度接口日期格式**：`news_trade_notify_dividend_baidu(date='YYYYMMDD')` 参数是纯数字字符串，不要带横杠。支持查未来日期。
+13. **🧙 九转公用库禁止复制粘贴 (2026-08-23)**: 4 个扫描脚本 (`cn_dividend_buy_timing.py` / `scan_cn.py` / `dca_scanner.py` / `daily_t_analysis.py`) 都依赖 `~/.hermes/scripts/lib/td9.py`。**禁止** 在脚本里复制 `td9_levels()` 本地实现 — 修改算法只改 `lib/td9.py`, 4 个脚本自动同步。
+14. **🧙 九转信号增强只用于入场时机, 不替代股息率 (2026-08-23)**: 用户原话"高股息扫描的也要结合九转", **仅限入场时机判别** (`cn_dividend_buy_timing.py` 的 🟢🟡🔴 决策 + 阶梯入场表)。**不要** 把九转叠加到"分析分红历史/CAGR"这一类查询 — 那是基本面分析, 用 AKShare / 东方财富, 不要技术面。
+15. **🧙 九转单元测试先于集成 (2026-08-23)**: 改 `lib/td9.py` 时先在 `/tmp/test_td9.py` 跑 6 个边界 case (连续14跌/14涨/<13根/平盘/振荡/部分跌),确认算法对了再跑全脚本。4 个集成脚本都拉真实 API + proxychains, 慢且依赖重, 调试算法不要每次都拉行情。
+16. **⚠️ Nasdaq `indicated_Annual_Dividend` 字段名翻译坑 (2026-09-01 用户纠正)**: 见上文"美股（Nasdaq API）"段, "年化" 不是"年化股息率" 而是"Nasdaq 估算的年度总派息 (USD)", "连续(估年)" 不是"连续派了几年" 而是"反推频率档位的数字"。**列名误导会让用户以为 4.0 = 派了 4 年, 实际 = 一年派 4 次 (季度派)**。已改名为 "估算年派" + "频率(反推)" + 删除 "连续(估年)" 列 (2026-09-01)。

 ## 股息分析工作流（用户问"买点"时）

-当用户说"分析XX的买点"时，**先问清楚是吃股息还是做短线**。用户偏好是吃股息，分析框架：
+当用户说"分析XX的买点"时，**先区分是吃股息分析还是入场时机判别**:
+
+### 吃股息分析 (历史/分红/CAGR)
+
+用户原话指向"看分红能力/可持续性"时, 走这条路径:

-### 吃股息分析步骤
 1. **查分红历史** → `ak.stock_history_dividend_detail(symbol)` 拿历年数据
 2. **算当前股息率** → 每股分红 / 当前股价
 3. **算分红增长率** → 5年CAGR、同比变化
 4. **查除权时间线** → 已除权还是未除权？最近一次除权日即已错过，等下一波
 5. **查盈利预测** → EPS 看分红可持续性（分红率=每股分红/EPS）
 6. **查财务健康** → 货币资金、经营现金流（确保有钱分红）
-7. **避坑**：不要给 MACD/均线/支撑阻力等技术面分析
+7. **避坑**：不要给 MACD/均线/支撑阻力等纯技术面分析
+
+### 入场时机判别 (cn_dividend_buy_timing.py)
+
+用户原话指向"今天能不能买/什么时候买"时, 走 `cn_dividend_buy_timing.py` 流程:
+
+1. 拉 K 线 50 根 → 算 MA50 / 支撑 / 趋势 / ATR
+2. 跑 **🧙 九转** (`td9_levels`) 作为信号增强层
+3. `recommend_entry()` 综合判别 → 🟢今天买 / 🟡等回撤 / 🔴不入场
+4. **TD9 卖出完成时** → 🔴升级为 🟡等回撤 + 用九转止损价
+5. **TD9 买入计数 ≥7** → 跌势末期加分提示
+
+详见上文"🧙 技术指标增强层"小节。
+
+### 输出格式（吃股息卡片）

-### 输出格式（emoji卡片）
 ```
 💰 XX年全年分红: XX元/10股 = X.XX元/股
 📊 当前价格: XX.XX元 (除权后)
 📊 股息率: X.XX%
 📈 X年股息CAGR: X.X%/年
 ```
+
+## 参考资料
+
+- `references/us-dividend-frequency-tier.md` — 美股频率档位反推实战 (Nasdaq API ann 字段翻译 + YieldMax 高息陷阱)
+- `references/cn-top8-auto-screen.md` — **A 股 Top N 自动筛 v1-v4** (2026-09-17, 已废) — 财年滚动算法 + 含预案 ≈ 同花顺 7.44% (历史记录, 算法验证路径)
+- `references/cn-top8-weekly-batch-v5-ths-parallel.md` — **A 股 Top N 自动筛 v5 生产版** (2026-09-19 实装, **当前用这个**) — 东方财富 batch 粗筛 + 同花顺 ths 8 线程并行校验 + JSON 缓存 + 25 秒跑完 Top 8. cron 集成计划 (每周一 + 读缓存). **核心教训**: agent 算法永远追不上同花顺专业团队 → 直接用同花顺接口拿数据 (用户原话 "你一个AI写算法还能比得过专家吗").
@@ -0,0 +1,98 @@
+# A 股 Top N 自动筛 (替换硬编码候选池)
+
+**背景**: `cn_dividend_buy_timing.py` 原本用 8 只硬编码候选池 (601288/601398/601088/600023/600585/601006/601939/601658)。用户 2026-09-17 要求改为**自动从全市场筛 Top N**，并按**行业分散**。
+
+## 数据源 (优先东方财富, 因为字段已含股息率)
+
+```python
+import akshare as ak
+
+# 单只拉所有季度分红 (按 report date)
+df = ak.stock_fhps_em(date='20251231')  # 一次拿 3000+ 只股票
+# 字段: ['代码', '名称', '送转股份-送转总比例', ..., '现金分红-股息率',
+#         '每股收益', '预案公告日', '股权登记日', '除权除息日', '方案进度', '最新公告日期']
+# 关键: '现金分红-股息率' 是小数 (0.0544 = 5.44%), 不是 "5.44%" 字符串!
+```
+
+**字段单位坑** (9/17 实测踩到):
+- `ak.stock_fhps_em` 的 `现金分红-股息率` 是 **小数** (0.0544) — 不是 "5.44%" 字符串
+- `ak.stock_fhps_detail_ths` 的 `税前分红率` 是 **带 % 的字符串** ("5.44%") — 处理时 `.str.replace('%', '')` 再 `pd.to_numeric`
+- `ak.stock_history_dividend_detail` 的 `派息` 是 **每 10 股派多少元** — 不是每股
+
+**三种接口对比**:
+
+| 接口 | 字段 | 单位 | 用法 |
+|---|---|---|---|
+| `stock_fhps_em(date=)` | `现金分红-股息率` | **小数** (乘 100 = %) | 批量, 3 秒/3000+ 只, 优先 |
+| `stock_fhps_detail_ths(symbol=)` | `税前分红率` | 字符串 "%" | 单只, 0.5s/只, TTM 校验 |
+| `stock_history_dividend_detail(symbol=)` | `派息` | 元/10 股 | 历史明细, 别自己算股息率 |
+
+## TTM 算法
+
+**用户对照同花顺 APP**: 北京银行显示 7.36%, 我脚本如果只算 "最近 1 年报派息" = 5.44%, 漏了 2024 H1 中报。
+
+**TTM 算法**: 拉最近 8 个季度的 `stock_fhps_em` (24 个月), 按 `股权登记日 >= 今天 - 365天` AND `方案进度 == '实施分配'`, 把 `现金分红-股息率` 累加.
+
+**注意**: 累加前乘 100 (字段是小数, 不是 %)
+
+```python
+df_all = pd.concat([ak.stock_fhps_em(date=d) for d in REPORT_DATES])
+df_all['yld_num'] = pd.to_numeric(df_all['现金分红-股息率'], errors='coerce') * 100
+df_done = df_all[df_all['方案进度'] == '实施分配'].copy()
+df_done['reg_date'] = pd.to_datetime(df_done['股权登记日'], errors='coerce')
+ttm_start = datetime.now() - timedelta(days=365)
+df_ttm = df_done[df_done['reg_date'] >= ttm_start]
+ttm_map = df_ttm.groupby('代码')['yld_num'].sum().to_dict()
+```
+
+## 行业分散
+
+**用户原话 (9/17)**: "每个行业 Top3 是不是就够了"
+
+**实现方案**: 拉行业 → 成分股 → 按行业分组选 Top N (每行业最多 3 只, 总 8 只):
+
+```python
+# akshare 接口 (注意代理):
+# ak.stock_board_industry_name_em()  → 行业列表
+# ak.stock_board_industry_cons_em(symbol='银行')  → 成分股
+```
+
+**代理坑**: akshare em 接口常被全局 HTTP_PROXY 拦截, 报错 ConnectionError。
+**修法**: 跑脚本前 `unset http_proxy https_proxy HTTP_PROXY HTTPS_PROXY`, 或在 Python 里 `os.environ.pop(...)`。
+
+**备选** (更稳): 用 `ak.stock_individual_info_ths(symbol=)` 拿单只股票的行业字段 (`industry` 列), 但**单只 1 秒** → 3000 只 = 50 分钟, 不可行。
+
+**当前实现**: 直接按 "已用 TTM 股息率" 排序取前 30 只, **不强行行业分散** (因为 akshare 行业接口代理不稳)。
+**未来优化**: 加本地缓存 (`~/.hermes/cache/cn_industry.json`), 一次拉全, 后续查表。
+
+## Cron 集成方案
+
+| 项 | 现状 |
+|---|---|
+| `cn_dividend_buy_timing.py` 硬编码 `HIGH_DIVIDEND_POOL` | 8 只银行/能源 |
+| **改进** | 读 `~/.hermes/trading/canary/cn_top8.json` 缓存 |
+| **缓存来源** | 每周一 cron 跑 `cn_dividend_top8.py` → 写缓存 |
+| **缓存格式** | `[{"code": "601169", "name": "北京银行", "yield_pct": 7.36, ...}, ...]` |
+
+**脚本路径**:
+- 测试版: `/tmp/cn_dividend_top8.py` (9/17 跑通)
+- 正式版待移: `~/.hermes/scripts/cn_dividend_top8.py`
+
+## 关键坑 (9/17 实测)
+
+1. **`pd.to_numeric(s.str.replace('%', ''))` 处理 None / "--"**: 用 `errors='coerce'` + `.dropna()`
+2. **东方财富字段是 0.15 不是 "0.15%"** (小数 vs 百分比字符串) — 乘 100 别漏
+3. **拉 5675 只价格太慢** (>10 分钟) — 粗筛按 "派息次数 × 累计股息" 取 top 200, 只拉这些价格
+4. **代理 env 全局干扰 akshare 国内 API**: 跑脚本前 `unset` 4 个 proxy var
+5. **同花顺 vs 自己算的 TTM 不一致**: **永远以同花顺为准**, 自己算只是近似
+
+## 实战结果 (9/17)
+
+| 数据源 | 北京银行 TTM |
+|---|---|
+| 同花顺 APP | 7.36% |
+| `stock_fhps_detail_ths` "实施" 累加 (登记日 TTM) | 5.44% (漏 2024 H1) |
+| `stock_fhps_em` TTM (登记日 + 实施, 跨多个 date) | 7.44% ✓ |
+| `stock_history_dividend` 自己算 | 5.02-7.36% (单位混淆) |
+
+**结论**: **`stock_fhps_em` TTM 累加最准**, 接近同花顺 7.36%。
@@ -0,0 +1,175 @@
+# A 股 Top N 高息扫描 - v5 周批量化版（2026-09-19 实装）
+
+## 背景
+
+之前的 A 股高息扫描全靠 `cn_dividend_buy_timing.py` 硬编码 8 只候选池（601288/601398/601088/600023/600585/601006/601939/601658），用户要求改为自动从全市场筛 Top N。
+
+v1-v4 失败链路：
+- v1: 用 akshare `stock_history_dividend_detail` 自己算 TTM → 单位错了（/10 vs 每股）
+- v3: 用东方财富 `现金分红-股息率`（小数）→ 字段单位忘了 `* 100`，差 27 倍
+- v4: 改用财年滚动算法 + 含预案 → 算到 5.44%，同花顺显示 7.36%，**还是不准**
+
+**用户原话**: "你一个AI写算法，还能比得过人家真正的专家吗？... 我也不专业，算出来我也不知道对不对，我也是去看同花顺的"
+
+**核心教训**: **agent 算法永远追不上同花顺/东方财富专业团队** → **直接用同花顺的接口拿数据**，不自己算。
+
+## v5 解决方案（用户接受）
+
+**两步法**：
+1. **东方财富 `stock_fhps_em(date)` 批量粗筛**（3 秒/季，1 拉 3600+ 只，1 次拿全部候选）
+2. **同花顺 `stock_fhps_detail_ths(symbol)` 并行校验**（0.5s/只，8 线程并行，100 只 7.7s）
+
+**总耗时**：~25 秒（东方财富 15s + 同花顺 8s + 长桥价 2s）
+
+## 关键代码骨架
+
+```python
+import akshare as ak
+from concurrent.futures import ThreadPoolExecutor
+import os
+
+# 0. 关代理（akshare 国内接口被全局 proxy 干扰）
+for k in ['http_proxy', 'https_proxy', 'HTTP_PROXY', 'HTTPS_PROXY']:
+    os.environ.pop(k, None)
+
+REPORT_DATES = ['20231231', '20240630', '20241231', '20250630', '20251231', '20260630']
+
+# 1. 东方财富批量粗筛（先 TTM 365 天滚动）
+def fetch_eastmoney_batch():
+    all_dfs = []
+    for date in REPORT_DATES:
+        df = ak.stock_fhps_em(date=date)  # 1 次 3600+ 只
+        df['_date'] = date
+        all_dfs.append(df)
+    return pd.concat(all_dfs, ignore_index=True)
+
+def calc_ttm_yield(df_all):
+    df_all['code'] = df_all['代码'].astype(str).str.zfill(6)
+    df_all['yld_num'] = pd.to_numeric(df_all['现金分红-股息率'], errors='coerce') * 100  # 字段是小数!
+    df_done = df_all[df_all['方案进度'] == '实施分配']
+    df_done['reg_date'] = pd.to_datetime(df_done['股权登记日'], errors='coerce')
+    now = datetime.now()
+    ttm_start = now - timedelta(days=365)
+    df_ttm = df_done[df_done['reg_date'] >= ttm_start]
+    return df_ttm.groupby('code')['yld_num'].sum().to_dict(), \
+           df_done.groupby('code').size().to_dict()
+
+# 2. 同花顺并行校验（取粗筛 top 100）
+def fetch_ths_one(code):
+    df = ak.stock_fhps_detail_ths(symbol=code)
+    # 算连续派息年数（按实施公告日）
+    if '实施公告日' in df.columns:
+        df['year'] = pd.to_datetime(df['实施公告日'], errors='coerce').dt.year
+        years = sorted(df['year'].dropna().unique(), reverse=True)
+        cont = 1
+        for i in range(1, len(years)):
+            if years[i-1] - years[i] == 1: cont += 1
+            else: break
+    # TTM = 实施公告日 365 天内税前分红率 sum
+    if '税前分红率' in df.columns:
+        now = datetime.now()
+        ttm = now - timedelta(days=365)
+        recent = df[pd.to_datetime(df['实施公告日'], errors='coerce') >= ttm]
+        yld_str = recent['税前分红率'].astype(str).str.replace('%', '', regex=False)
+        ttm_yield = float(pd.to_numeric(yld_str, errors='coerce').dropna().sum())
+    else:
+        ttm_yield = 0
+    return code, cont, ttm_yield
+
+def ths_parallel_verify(candidates, workers=8):
+    results = {}
+    with ThreadPoolExecutor(max_workers=workers) as ex:
+        futures = {ex.submit(fetch_ths_one, code): code for code in candidates}
+        for fut in as_completed(futures):
+            code, cont, yld = fut.result()
+            results[code] = (cont, yld)
+    return results
+
+# 3. 过滤 + 排序
+def filter_and_rank(df_all, ttm_map, cnt_map, ths_results, prices):
+    name_map = df_all.groupby('代码')['名称'].first().to_dict()
+    rows = []
+    for code, em_yield in ttm_map.items():
+        name = str(name_map.get(code, ''))
+        if 'ST' in name or '*ST' in name: continue
+        if cnt_map.get(code, 0) < 5: continue
+        cont, ths_yield = ths_results.get(code, (0, 0))
+        if cont < 5: continue
+        # 同花顺优先（它才是权威），没查到用东方财富
+        final_yield = ths_yield if ths_yield > 0 else em_yield
+        rows.append({
+            'code': code, 'name': name,
+            'yield_pct': round(final_yield, 2),
+            'continuous': cont,
+            'div_count': cnt_map.get(code, 0),
+            'price': prices.get(code, 0),
+            'data_source': 'ths' if ths_yield > 0 else 'em',
+        })
+    rows.sort(key=lambda x: -x['yield_pct'])
+    return rows[:TOP_N]
+```
+
+## 实战数据 (2026-09-19 跑通)
+
+**Top 8**（全部用同花顺 TTM 数据源）：
+
+| 代码 | 名称 | TTM 股息率 | 连续(年) | 数据源 |
+|---|---|---|---|---|
+| 603165 | 荣晟环保 | 13.45% | 10 | ths |
+| 000915 | 华特达因 | 8.6% | 14 | ths |
+| 603551 | 奥普科技 | 7.81% | 7 | ths |
+| 300406 | 九强生物 | 7.08% | 12 | ths |
+| 002867 | 周大生 | 6.96% | 10 | ths |
+| 601919 | 中远海控 | 6.9% | 6 | ths |
+| 600015 | 华夏银行 | 6.06% | 24 | ths |
+| 600750 | 华润江中 | 5.88% | 26 | ths |
+
+**耗时**: 25.3 秒（东方财富 14.5s + 同花顺并行 7.7s + 长桥 3s）
+
+## 关键踩坑
+
+| 坑 | 解决 |
+|---|---|
+| **东方财富 `现金分红-股息率` 是小数（0.0544）不是字符串** | `* 100` 转 % |
+| **同花顺 `税前分红率` 是字符串（"5.44%"）** | `.str.replace('%', '')` + `float()` |
+| **akshare 国内接口被全局 HTTP_PROXY 拦截** | 跑脚本前 `unset` 4 个 proxy env |
+| **北京银行 5.44% vs 同花顺 7.36%** | **财年滚动**算法 + 含预案 = **正解 7.44%** |
+| **同花顺 ths detail 没批量接口** | ThreadPoolExecutor 并行（8 线程够稳，16 触发风控） |
+| **拉 5675 只价格超 10 分钟** | 粗筛 top 100 后只拉 100 只（长桥 batch 内部 15/批） |
+
+## Cron 集成（待 user 决策）
+
+| 项 | 现状 |
+|---|---|
+| **脚本路径** | `/tmp/cn_dividend_top8_v5.py`（测试版） |
+| **正式版** | 待移到 `~/.hermes/scripts/cn_dividend_top8.py` |
+| **cron 频率** | 每周一（用户偏好一周跑一次） |
+| **缓存路径** | `~/.hermes/trading/cn_top8.json` |
+| **缓存格式** | `[{"code": "601169", "name": "...", "yield_pct": 7.36, "continuous": 19, ...}]` |
+| **下游消费** | `cn-dividend-buy-timing` cron 改成读 JSON，不再用 `HIGH_DIVIDEND_POOL` 硬编码 |
+| **行业分散** | **不做**（akshare 行业接口代理不稳，且用户未强求） |
+
+## 同花顺 ths 接口 vs akshare ths 接口对比
+
+| 项 | akshare `stock_fhps_detail_ths` | 同花顺 ths 官方 API |
+|---|---|---|
+| 可用 | ✅ akshare 封装 | ❌ 无官方 Linux 客户端 |
+| 速度 | 0.5-0.9 秒/只 | N/A |
+| 字段 | 报告期 / 实施公告日 / 税前分红率 / 方案进度 | 同上 |
+| 用途 | 数据验证 / 批量校验 | N/A |
+
+**结论**：akshare ths 接口**字段口径与同花顺 APP 完全一致**——直接用这个。
+
+## 反模式（用户骂过的）
+
+- ❌ 自己写 TTM 算法 → "你一个AI写算法，还能比得过专家吗？"
+- ❌ 反复 retry 同花顺接口 / akshare 接口 → "你是不是 API 没调通？"
+- ❌ 用 `summary['年均股息'] / 当前价` 当股息率 → 错 27 倍（漏 `/ 10`）
+- ❌ 用 `派息 / 当前价` 当股息率 → 错 10 倍（漏 `/ 10`）
+- ❌ 5 次算法调试 vs 1 行接口验证 → 用户骂 "我不专业，算出来我也不知道对不对，我也是去看同花顺的"
+
+## 关联 skill
+
+- `~/.hermes/skills/prefer-data-over-computation/SKILL.md` —— 算法 vs 源数据原则
+- `~/.hermes/skills/long-toolchain-pacing/references/akshare-a-share-dividend.md` —— akshare 接口细节 + 单位陷阱
+- `~/.hermes/skills/trading/dividend-scanner/references/cn-top8-auto-screen.md` —— v4 算法（已废，但记录"为什么不自己算"）
@@ -0,0 +1,132 @@
+# dividend_alert.py 美股频率反推 + 周派票数据缺口 (2026-08-26)
+
+## 📋 背景
+
+`dividend_alert.py` 推送"明天除权的美股"列表时,只显示「每股派/annual/连续估年」, 没法区分:
+- 季度派息的稳定票 (EXPE/SOLS) vs
+- BDC/REIT 的高频派息陷阱 (PSEC月派, SATA周派)
+
+用户原话 "PSEC 显示连续 12 年, SATA 显示连续 249 年, 显然公式 bug"。
+
+## ✅ 加的修复 (2026-08-26)
+
+`dividend_alert.py` 加了「频率(估)」列, 用 `round(ann/rate)` 反推年度派息次数 → 档位标签:
+
+```python
+freq_n = round(ann / d)  # d = 单次每股派, ann = 年化
+if   freq_n >= 50: freq_str = '🔄周W'
+elif freq_n >= 25: freq_str = '🔄双周BW'
+elif freq_n >= 11: freq_str = '🔄月M'
+elif freq_n >=  5: freq_str = '🔄双月BM'
+elif freq_n >=  3: freq_str = '📅季度Q'
+elif freq_n ==  2: freq_str = '📅半年S'
+elif freq_n ==  1: freq_str = '📅年A'
+else:              freq_str = '❓'
+```
+
+| 档位 | 年度次数 | 真实场景 |
+|---|---|---|
+| 🔄周W | ≈52 | BDC 周派 (SATA, EPRF) — 高息陷阱常见 |
+| 🔄双周BW | ≈26 | BDC 双周派 |
+| 🔄月M | ≈12 | BDC/REIT 月派 (PSEC, AGNC) — 高息陷阱 |
+| 🔄双月BM | ≈6 | 不常见 |
+| 📅季度Q | 3-4 | 标准季度派 (EXPE/SOLS/JNJ) |
+| 📅半年S | 2 | 半年派 |
+| 📅年A | 1 | 年度派 |
+
+## ⚠️ 周派票数据缺口 (已部分解决 — 2026-08-26)
+
+Nasdaq 除权日历 API (`api.nasdaq.com/api/calendar/dividends?date=...`) **不收录周派 ETF/BDC**:
+
+**实测** (2026-08-25):
+- QQQY / RDTE 每周四都派息 (yfinance 历史可查)
+- 但 Nasdaq API 未来 7 天所有除权日都查不到 QQQY/RDTE
+- 周派 ETF 普遍被漏: QQQY/RDTE/EPRF/EFC/STWD 等
+
+**根因**: Nasdaq API 的 `indicated_Annual_Dividend` 对周派 ETF 返回 0, 脚本过滤掉 ann=0 的票, 但**根本拉不到除权日信息**。
+
+## ✅ 解决方案 (2026-08-26 上线): LongPort MCP `dividend` 工具
+
+**关键发现**: 长桥 MCP 的 `mcp_longport_dividend` 工具**有 QQQY/RDTE/EPRF 的完整历史派息**。本会话验证:
+
+```python
+resp = mcp_call('tools/call', {
+    'name':'dividend','arguments':{'symbol':'QQQY.US'}
+}, ...)
+# → list 含 100 条记录, 每条 record_date 是周四 (2026.08.20, 2026.08.13, 2026.08.06...)
+# desc 字段: "每股派发 0.1309 USD" (编码乱但能 parse 数字)
+```
+
+**新工具: `~/.hermes/scripts/dividend_highfreq.py`**
+
+设计: 全 US 市场动态扫描, 找出高频派息票 (W/BW/M/BM 档)。
+
+**数据流**:
+1. `security_list` 翻页 (US market, page=1..N, 每页 50 条) → 候选池
+2. `quote` 批量 (一次最多 500) → 当前价格
+3. `dividend` 逐只 (1-4 秒/只) → 历史派息日期 + 金额
+4. 算频率档位 (period_days_avg: ≤5=W, ≤11=BW, ≤18=M, ≤35=BM, ≤70=Q)
+5. 筛 yield ≥ 4% 入 SQLite `highfreq_pool`
+6. 按 freq + yield + 稳定度 (std/mean cv) 排序推送
+
+**cron 频率**: 每日一次 (建议 21:00 北京, 比长桥主推送早 30 分钟), Top 200 票 ~8 分钟跑完。
+
+**推送格式** (横表):
+```
+🔄 美股高频派息雷达 (YYYY-MM-DD 北京) 数据源: 长桥 MCP
+| 票 | 频率 | 连续(期) | 稳定度 | 平均派$ | 现价 | 年化股息率 |
+|:---|:---|:---|:---|:---|:---|:---|
+| LEND.US | 🔄双月BM | 8 | ⭐⭐⭐ cv=0.05 | $0.193 | $20.50 | **9.41%** |
+| VAIE.US | 🔄双周BW | 12 | ⭐⭐⭐ cv=0.04 | $0.077 | $4.74 | **16.27%** |
+```
+
+⚠️ 高频派息 (W/BW/M/BM) 多为 BDC/REIT, 高息常不可持续, **文化娱乐参考**。
+
+## ⚠️ 长桥 `screener_search` 工具的隐性坑
+
+实测 (2026-08-26): `screener_search` 的 `dividend` 和 `dpseps` indicator 字段**返 None** (即使请求了), 只返 `prevclose/marketcap/pettm/pbmrq/salesgrowthyoy` 这些。
+
+**所以**:
+- ❌ 不要试图用 `screener_search filter=[dividend≥X]` 筛高息股 — 返的 dividend 字段全 None
+- ✅ 改用 `security_list` 拿全市场 → `quote` 拿现价 → `dividend` 拿历史 → 算 yield
+- ✅ `security_list` 支持 `page=N` 翻页 (每页 50 条), `total=16008` (US)
+
+## 🧠 数据源优先级 (v2 决策)
+
+| 方案 | 数据源 | 优/缺 | 状态 |
+|---|---|---|---|
+| A | yfinance 单只拉 | 准 / 慢 | ❌ 太慢 |
+| B | yfinance bulk download | 一次 / 数据大,漏票 | ❌ |
+| C | ETF.com API | 准 / 付费 | ❌ |
+| D | stockanalysis.com HTML scrape | 免费 / 反爬 | ❌ |
+| **E** | **LongPort MCP dividend 工具** | **准 / 已知完整覆盖 QQQY/RDTE 等** | ✅ **v2 实装** |
+| F | Nasdaq 除权日历 (旧) | 不收周派 | ❌ 已被覆盖 |
+
+**用户决策 (2026-08-26)**: 走 E。`dividend_highfreq.py` v1.0 已实装, cron 接入待办。
+
+## 🛠️ 加列后推送对比
+
+**前**:
+```
+| PSEC | 💰$0.04 | $0.42 | 🔥12 | 📊$2.35 | **17.87%** | 8/27/2026 |
+| SATA | 💰$0.05 | $12.85 | 🔥249 | 📊$100.00 | **12.85%** | 8/27/2026 |
+```
+
+**后** (frequency column added):
+```
+| PSEC | 💰$0.04 | $0.42 | 🔄月M | 🔥12 | 📊$2.35 | **17.87%** | 8/27/2026 |
+| SATA | 💰$0.05 | $12.85 | 🔄周W | 🔥249 | 📊$100.00 | **12.85%** | 8/27/2026 |
+```
+
+新增列**一目了然看出 BDC/REIT 高频派息陷阱**。
+
+## 📌 实现位置
+
+`~/.hermes/scripts/dividend_alert.py` line ~226 (us_h 表格渲染分支), 改动注释 `2026-08-26 加频率(估)列`, 在 `SKILL.md` 末尾加一行 disclaimer。
+
+## 验证
+
+```bash
+python3 ~/.hermes/scripts/dividend_alert.py --market us
+# 验证: 输出表格有"频率(估)"列, 数字标的是 W/M/Q 等档位
+```