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-macro명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
SKILL.md 표시 중
| name | akshare-macro |
| description | 宏观经济数据Skill - 覆盖GDP、CPI、PPI、M2、PMI、LPR利率、人民币汇率等核心宏观指标 via AkShare |
| metadata | {"openclaw":{"requires":{"bins":["python3"]},"install":[{"id":"python-packages","kind":"pip","packages":["akshare","pandas","pyyaml"]}]}} |
| 属性 | 内容 |
|---|---|
| 名称 | akshare-macro |
| 版本 | 1.1.0 |
| 分类 | 宏观数据 |
| 状态 | ✅ 已上线 |
| 维护者 | FinClaw Core Team |
| 最后更新 | 2026-03-19 |
宏观经济数据Skill,提供中国及全球主要经济体的核心宏观指标,包括GDP、CPI、PPI、M2、PMI、利率、汇率等。支持经济周期判断和宏观概览仪表盘。
| 用户输入 | 识别意图 | 调用函数 |
|---|---|---|
| 最新的GDP数据是多少? | macro_gdp | macro_gdp.py |
| CPI涨了多少? | macro_cpi | macro_cpi.py |
| 查询M2货币供应量 | macro_m2 | macro_m2.py |
| 制造业PMI怎么样? | macro_pmi | macro_pmi.py |
| LPR利率下调了吗? | macro_rate | macro_rate.py |
| 看一下宏观概览 | macro_summary | macro_summary.py |
| 数据类型 | 主要来源 | 备用来源 | 认证要求 |
|---|---|---|---|
| GDP/CPI/PPI | AkShare-国家统计局 | - | 无需 |
| M2货币供应量 | AkShare-中国人民银行 | - | 无需 |
| PMI | AkShare-国家统计局 | - | 无需 |
| LPR利率 | AkShare-央行 | - | 无需 |
| 人民币汇率 | AkShare-央行/外汇局 | - | 无需 |
python scripts/macro_gdp.py
python scripts/macro_cpi.py
python scripts/macro_ppi.py
python scripts/macro_m2.py
python scripts/macro_pmi.py
python scripts/macro_rate.py
python scripts/macro_summary.py
| 脚本名 | 功能 | 入口点 |
|---|---|---|
| macro_gdp.py | GDP季度/年度数据 | ✅ |
| macro_cpi.py | CPI通胀数据 | ✅ |
| macro_ppi.py | PPI生产者物价 | ✅ |
| macro_m2.py | M2货币供应量 | ✅ |
| macro_pmi.py | 制造业PMI | ✅ |
| macro_rate.py | LPR利率/人民币汇率 | ✅ |
| macro_summary.py | 宏观概览仪表盘 | ✅ |
| 字段 | 说明 |
|---|---|
quarter | 季度(如2026Q1) |
gdp | GDP累计值(亿元) |
gdp_yoy | GDP同比增长(%) |
gdp_qoq | GDP环比增长(%) |
| 字段 | 说明 |
|---|---|
date | 日期 |
cpi | CPI同比(%) |
cpi_mom | CPI环比(%) |
core_cpi | 核心CPI(%) |
| 字段 | 说明 |
|---|---|
date | 日期 |
m2 | M2余额(万亿元) |
m2_yoy | M2同比增长(%) |
m1_yoy | M1同比增长(%) |
m0_yoy | M0同比增长(%) |
基于GDP+CPI+PMI综合判断经济周期阶段:
| 周期阶段 | GDP | CPI | PMI | 特征 |
|---|---|---|---|---|
| 复苏期 | ↑ | ↓ | >50 | 经济触底回升,通胀低位 |
| 过热期 | ↑ | ↑ | >50 | 经济高增长,通胀上行 |
| 滞胀期 | ↓ | ↑ | <50 | 经济放缓,通胀高企 |
| 衰退期 | ↓ | ↓ | <50 | 经济收缩,通缩风险 |
# GDP数据
python scripts/macro_gdp.py
# CPI通胀
python scripts/macro_cpi.py
# M2货币供应
python scripts/macro_m2.py
# 制造业PMI
python scripts/macro_pmi.py
# LPR利率
python scripts/macro_rate.py
# 宏观概览
python scripts/macro_summary.py
本Skill所有输出数据将按以下格式标注来源:
---
📊 **数据来源**: AkShare-国家统计局/中国人民银行
⏱️ **数据时间**: 2026-03-19 10:30:15
📌 **报告期**: 2026年2月
🔗 **原始来源**: http://www.stats.gov.cn / http://www.pbc.gov.cn
🔧 **分析工具**: FinClaw v1.0
akshare>=1.10.0
pandas>=1.3.0
pyyaml>=5.4.0
| 指标 | 发布频率 | 发布时间 |
|---|---|---|
| GDP | 季度 | 季后15-20日 |
| CPI/PPI | 月度 | 每月9-10日 |
| M2/M1 | 月度 | 每月10-15日 |
| PMI | 月度 | 每月月底 |
| LPR | 月度 | 每月20日 |
| 指标 | 目标值 | 当前值 |
|---|---|---|
| 数据更新延迟 | < 48小时 | ~24小时 |
| 可用性 | > 95% | 98% |
| 数据准确率 | > 98% | 99% |
| 版本 | 日期 | 变更内容 |
|---|---|---|
| 1.1.0 | 2026-03-19 | 符合FinClaw数据规范v1.0,新增数据来源强制标注、经济周期判断 |
| 1.0.0 | 2026-03-13 | 初始版本 |
finclaw/config/data_source_config.yaml本Skill遵循 FinClaw 数据规范 v1.0 | 数据来源强制标注 | 禁止训练数据编造
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