소스 정보
- 저장소
- aifinlab/FinClaw
- 최근 소스 활동
- 2026년 3월 26일 08:13
- 감지된 SKILL.md 언어
- 중국어
- 스타
- 220
- 포크
- 37
설치 방법
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
소스 파일 검토
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
메뉴
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/aifinlab/FinClaw --skill akshare-finance명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
A股逆向选择/信息不对称分析。当用户说"逆向选择"、"adverse selection"、"信息不对称"、"知情交易者"、"逆向选择成本"、"信息劣势"时触发。基于 cn-stock-data 获取数据,度量逆向选择与信息不对称程度。支持 formal/brief 两种输出风格。
A股量价异常检测/异动监控。当用户说"异常检测"、"异动"、"anomaly"、"量价异常"、"异常波动"、"XX有异动"时触发。量化检测股价和成交量异常。支持formal和brief风格。
A股自相关/序列相关性/收益率自相关结构分析。当用户说"自相关"、"autocorrelation"、"序列相关"、"收益率预测性"、"动量还是反转"、"自相关系数"、"ACF"、"PACF"、"Ljung-Box"、"收益率是否可预测"、"随机游走检验"时触发。MUST USE when user asks about return autocorrelation, serial correlation tests, or whether a stock's returns are predictable. 量化分析收益率的自相关结构(ACF/PACF、Ljung-Box检验、随机游走检验)。支持formal和brief风格。
SOC 직업 분류 기준
SKILL.md 표시 중
| name | akshare-finance |
| description | AKShare财经数据接口库封装,提供股票、期货、期权、基金、外汇、债券、指数、加密货币等金融产品的基本面数据、实时和历史行情数据、衍生数据。 |
| metadata | {"openclaw":{"emoji":"📈","requires":{"pip":["akshare>=1.12","pandas>=1.5"]},"install":[{"id":"pip-install","kind":"pip","packages":["akshare>=1.12","pandas>=1.5"],"label":"安装AKShare依赖"}]}} |
| keywords | ["股票","财经","行情","加密货币","宏观经济","AKShare"] |
# 安装依赖
pip install akshare pandas
# 测试安装
python -c "import akshare; print(akshare.__version__)"
import akshare as ak
# A股实时行情
stock_zh_a_spot_em() # 东方财富A股
# 股票K线数据
stock_zh_kline(symbol="000001", period="daily", adjust="qfq")
# 港股行情
stock_hk_spot_em() # 港股实时
# 美股
stock_us_spot() # 美股实时
# GDP数据
macro_china_gdp() # 中国GDP
# CPI通胀
macro_china_cpi() # 中国CPI
# PMI采购经理指数
macro_china_pmi() # 中国PMI
# 货币供应量
macro_china_m2() # M2广义货币
# 币种列表
crypto_binance_symbols() # 币安交易对
# 实时价格
crypto_binance_btc_usdt_spot() # BTC/USDT
# K线数据
crypto_binance_btc_usdt_kline(period="daily")
# 外汇汇率
forex_usd_cny() # 美元兑人民币
# 贵金属
metals_shibor() # 上海银行间拆借利率
# 金银价格
metals_gold() # 国际金价
# 股票基本面
stock_fundamental(symbol="000001") # 基本面数据
# 估值指标
stock_valuation(symbol="000001") # PE、PB等
# 盈利能力
stock_profit_em(symbol="000001")
import akshare as ak
import pandas as pd
# 监控自选股
tickers = ["000001", "000002", "600519"]
for ticker in tickers:
df = ak.stock_zh_kline(symbol=ticker, period="daily", adjust="qfq", start_date="20240101")
latest = df.iloc[-1]
print(f"{ticker}: 收盘价={latest['close']}, 涨跌幅={latest['pct_chg']}%")
# A股大盘
index_zh_a_spot() # 大盘指数
# 涨跌幅排行
stock_zh_a_spot_em()[['代码', '名称', '涨跌幅']].sort_values('涨跌幅', ascending=False)
默认返回Pandas DataFrame,可直接处理:
df = ak.stock_zh_a_spot_em()
print(df.head()) # 查看前5行
print(df.columns) # 查看列名
df.to_csv("data.csv") # 保存CSV
# 调用 skill
result = run_skill({
"param1": "value1",
"param2": "value2"
})
python scripts/run_skill.py --input data.json