SaaS 行业发生了什么？别光看“蒸发 2 万亿美元”，自己搭个监控更靠谱

你可能也刷到过这种信息：

Figma 从 52 周高点跌了 86.5%
Duolingo 跌 83.3%
Monday 跌 80.2%
HubSpot 跌 69%
软件 ETF（IGV）从高点回撤 35%+
有研报直接写：“软件崩盘全面扩散，无处可藏。”

数字很吓人。更吓人的是：大多数人只会转发，然后继续焦虑。

咱们换个玩法：做一个“SaaS 崩盘雷达”。每天自动跑一遍：

每只股票离 52 周高点跌了多少（回撤）
RSI 到底有没有“超卖到离谱”
把数据塞给大模型，生成一页式晨报（能直接发 Slack/飞书/邮箱）

你是做投资、做 SaaS 产品、做增长的都用得上。

⚠️ 免责声明：下面是数据分析与自动化教程，不是投资建议。

你要的效果长这样（每天一页，3 分钟看完）

板块体感：今天 SaaS 平均回撤 -X%，IGV 跌幅 -Y%
高危名单：回撤 >70% 的公司列表
情绪温度计：RSI < 20 的标的（通常是“极度超卖”区间）
一句人话总结：大模型用你的口吻写成晨报，顺便带上风险提示

想象一下场景：

你早上打开电脑，不用刷十个 App，不用等别人“解读”，你的系统已经把“谁在崩、崩到什么程度、是否极端”摆在你面前。😎

准备清单（10 分钟搞定）

Python 3.10+
依赖：yfinance、pandas、numpy、ta（算 RSI）、openai（可选，用来写晨报）

安装：

pip install yfinance pandas numpy ta openai

不想接大模型也行，先把指标跑起来，照样能用。

第一步：抓取股价数据（含 52 周高点）

下面用 yfinance 拉取近 1 年日线数据，然后算：

52 周最高价
当前价
从高点回撤（Drawdown）

import yfinance as yf
import pandas as pd
import numpy as np

TICKERS = [
    "DUOL",  # Duolingo
    "MNDY",  # monday.com
    "HUBS",  # HubSpot
    "IGV"    # iShares Expanded Tech-Software Sector ETF
]

def fetch_1y_history(ticker: str) -> pd.DataFrame:
    df = yf.download(ticker, period="1y", interval="1d", auto_adjust=True, progress=False)
    df = df.dropna()
    return df

def calc_drawdown_from_52w_high(df: pd.DataFrame) -> dict:
    high_52w = df["Close"].max()
    last = df["Close"].iloc[-1]
    dd = (last / high_52w - 1.0) * 100
    return {"high_52w": high_52w, "last": last, "drawdown_pct": dd}

rows = []
for t in TICKERS:
    df = fetch_1y_history(t)
    m = calc_drawdown_from_52w_high(df)
    rows.append({"ticker": t, **m})

out = pd.DataFrame(rows).sort_values("drawdown_pct")
print(out)

你会得到一个很直观的表。

drawdown_pct = -80 就是离 52 周高点还差 80%
表格按回撤从大到小排，谁最惨一眼看出来

第二步：加上 RSI（给“恐慌程度”一个量化刻度）

新闻里那种“RSI 跌到 18，几十年最超卖”到底是什么意思？

简单说：

RSI 30 以下：偏超卖
RSI 20 以下：很极端（别急着抄底，也别急着割肉，先看清楚）

用 ta 来算：

from ta.momentum import RSIIndicator

def calc_rsi(df: pd.DataFrame, window: int = 14) -> float:
    rsi = RSIIndicator(close=df["Close"], window=window).rsi()
    return float(rsi.iloc[-1])

rows = []
for t in TICKERS:
    df = fetch_1y_history(t)
    dd = calc_drawdown_from_52w_high(df)
    rsi_last = calc_rsi(df)
    rows.append({"ticker": t, **dd, "rsi14": rsi_last})

out = pd.DataFrame(rows)
out["risk_flag"] = np.where((out["drawdown_pct"] <= -70) | (out["rsi14"] < 20), "⚠️", "")
out = out.sort_values(["risk_flag", "drawdown_pct"], ascending=[False, True])
print(out)

这张表就是你的“雷达屏”。

你可以把阈值改成你自己的风格：

回撤 > 60% 就提醒
RSI < 25 就提醒
ETF 也加入监控，让你知道是“个股暴雷”还是“全板块下沉”

第三步：让大模型把表格写成“人话晨报”（可复制到飞书）

你不需要一堆指标解释。你需要一段能直接转发的文字：

今天最危险的是谁
板块是不是系统性下跌
RSI 有没有到极端
提醒团队：别拍脑袋决策

示例：用 OpenAI API 生成晨报。

import os
from openai import OpenAI

client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

def generate_report(df: pd.DataFrame) -> str:
    table = df[["ticker", "last", "high_52w", "drawdown_pct", "rsi14"]].to_csv(index=False)

    prompt = f"""
你是一个说人话的市场观察员，语气克制但不无聊。
根据这份表格写一段晨报：
- 用 5~10 行短句
- 点名回撤最大的 3 个
- 点名 RSI 最低的 3 个
- 提醒：指标只代表情绪与位置，不等于反转

表格（CSV）：
{table}
"""

    resp = client.chat.completions.create(
        model="gpt-4.1-mini",
        messages=[
            {"role": "system", "content": "你写中文。少套话，多结论。"},
            {"role": "user", "content": prompt}
        ],
        temperature=0.4
    )
    return resp.choices[0].message.content

print(generate_report(out))

你会得到一段可直接发群里的文字。

如果你还想更“实用”一点：

加一行“IGV 今天回撤/RSI”，当作板块温度
加一句“如果你是做 SaaS 增长/采购的，预算和合同周期可能会被砍，现金流要盯紧”

第四步：每天自动跑（定时 + 输出到 Markdown）

你可以把结果输出成 report.md，再用任何方式发出去。

from datetime import datetime

def to_markdown_report(df: pd.DataFrame, text_summary: str) -> str:
    ts = datetime.now().strftime("%Y-%m-%d")
    md = []
    md.append(f"# SaaS 崩盘雷达日报｜{ts}\n")
    md.append(text_summary + "\n")
    md.append("## 指标表\n")
    md.append(df[["ticker","last","high_52w","drawdown_pct","rsi14","risk_flag"]].to_markdown(index=False))
    md.append("\n## 备注\n")
    md.append("- 回撤=当前价相对 52 周最高价的跌幅\n- RSI 只是情绪与位置，不是反转按钮\n")
    return "\n".join(md)

summary = "（这里放大模型生成的晨报文字）"
md = to_markdown_report(out, summary)

with open("report.md", "w", encoding="utf-8") as f:
    f.write(md)

print("written: report.md")

定时方式你随便挑：

Mac/Linux：crontab
Windows：任务计划程序
云端：GitHub Actions 每天跑一次，顺便把报告推到仓库

你该怎么用这套东西（更贴近真实工作）

场景 A：你在做 SaaS 产品

股价不等于产品，但它会影响客户心态。

看到板块整体 RSI 逼近极端，你就要预期：客户 CFO 会更保守
你可以提前做两件事：
- 把“年度付费折扣/更灵活的合同”准备好
- 把回款周期、续费风险拉成看板，每周盯

场景 B：你在做增长/投放

当市场进入“风险厌恶”，获客成本的波动会更疯。

用你的雷达看板块情绪
情绪崩时，别跟算法硬刚
预算分配倾向：更偏向可归因、更偏向存量（续费/扩展），少做“赌增长”

场景 C：你在做投资/研究

你需要的是“系统性风险” vs “个股暴雷”的区别。

IGV 也一起监控
看到 ETF 也下沉，别把一切归咎于某家公司

避坑清单（不想被指标带沟里）

只看 RSI 就抄底：RSI 能在低位待很久，尤其是系统性下跌时。
只看回撤就觉得“便宜”：回撤大可能是估值回归，也可能是基本面坏了。
数据源不校验：yfinance 偶尔会缺数据或复权异常。关键标的建议多源交叉验证。
拿 52 周高点当信仰：高点可能是泡沫顶，拿它当锚点会让你心理误判。
用单一阈值管所有公司：高波动 SaaS 和成熟软件巨头，阈值得分开。

你可以继续加码的升级点（更像专业团队在用）

加入 收入增速、毛利率、Rule of 40（需要财报数据源）
把“做空收益/空头仓位”接进来（数据更贵，但更刺激）
做一个小网页：点击某个 ticker，直接出价格曲线、RSI、回撤曲线
把研报标题、公司新闻丢给大模型，做“情绪标签”：裁员/下调指引/监管/并购

想让我把这套“崩盘雷达”扩展成一个可直接部署的项目（带 GitHub Actions + 飞书推送 + 多股票名单配置），把你关注的 ticker 列表发我就行。

SaaS 股价集体跳水？用 AI 搭一套“崩盘雷达”：52 周回撤 + RSI 超卖 + 自动晨报