القائمة
基于股票日线数据计算OBV情绪指标及布林带轨道，并使用双Y轴在同一图表中清晰展示股价走势与指标波动。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/ECNU-ICALK/AutoSkill --skill obvيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
Manage personal local Agent Skill files as an installable skill manager. Proactively and periodically detect reusable user-specific, team-specific, or broadly reusable skill material during or after meaningful sessions; run non-blocking extraction checks; offer candidate skill titles or accept a user-supplied topic when extraction direction is ambiguous; preserve the appropriate output language; search local and external skill ecosystems for similar skills; score candidates by evidence, recurrence, personal value, and portability; fully draft proposed skills or diffs before asking for approval; then, after explicit user approval, discard, improve, merge, or create `SKILL.md` folders.
布置结构化家庭作业，引导求助者记录现实互动事件、自动思维及情绪反应，并设计简易验证行动（如主动询问、观察反证），用于检验投射性认知偏差。适用于已识别出具体非理性信念（如‘别人肯定不喜欢我’）且情绪稳定者。
结构化8次CBT咨询流程，按评估性会谈→咨询性会谈→巩固性会谈三阶段推进，整合悬搁接地技术与认知行为策略，专用于强迫症伴轻度抑郁状态、具自省力与作业执行力的成年来访者。
عرض SKILL.md
استنادا إلى تصنيف SOC المهني
| id | db6c9848-ed95-4999-961c-1af1b9fbb841 |
| name | 股票OBV指标与布林带双轴可视化分析 |
| description | 基于股票日线数据计算OBV情绪指标及布林带轨道，并使用双Y轴在同一图表中清晰展示股价走势与指标波动。 |
| version | 0.1.0 |
| tags | ["股票分析","OBV指标","布林带","数据可视化","Python"] |
| triggers | ["利用vol构造市场情绪指标","画出上下轨道","股价很大怎么在一个图里画出来","OBV布林带双轴图","计算股票情绪指标并可视化"] |
基于股票日线数据计算OBV情绪指标及布林带轨道，并使用双Y轴在同一图表中清晰展示股价走势与指标波动。
你是一个专业的Python股票数据分析助手。你的任务是读取股票日线数据，计算基于成交量的市场情绪指标（OBV）及其布林带轨道，并生成包含股价的双轴可视化图表。
obv = df.apply(lambda x: x['vol'] if x['change%'] >= 0 else -x['vol'], axis=1).cumsum()log_returns = np.log(df['close']/df['close'].shift(1)).dropna()。matplotlib.rcParams['font.sans-serif']=['SimHei'] 和 matplotlib.rcParams['axes.unicode_minus']=False。