菜单
A股分红/股息分析。当用户说"分红"、"股息"、"高股息"、"dividend"、"分红率"、"XX分红怎么样"、"高分红股推荐"、"红利策略"、"现金分红"、"股息率排名"时触发。分析个股分红历史和可持续性，或筛选高股息标的，评估红利投资策略。通过 cn-stock-data 获取财务数据和行情，结合 web 搜索获取分红方案和历史记录。支持机构红利研究风格（formal）和个人分红笔记风格（brief）。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/aifinlab/FinClaw --skill a-share-dividend命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| name | a-share-dividend |
| description | A股分红/股息分析。当用户说"分红"、"股息"、"高股息"、"dividend"、"分红率"、"XX分红怎么样"、"高分红股推荐"、"红利策略"、"现金分红"、"股息率排名"时触发。分析个股分红历史和可持续性，或筛选高股息标的，评估红利投资策略。通过 cn-stock-data 获取财务数据和行情，结合 web 搜索获取分红方案和历史记录。支持机构红利研究风格（formal）和个人分红笔记风格（brief）。 |
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
# 个股财务指标（盈利/现金流 — 分红可持续性基础）
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]
# 个股行情（计算当前股息率）
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]
# K线（股价走势 vs 除权日）
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [2年前日期]
补充 web 搜索（分红数据 cn-stock-data 不直接提供）：
Step 1: 确定分析模式
Step 2: 数据获取
个股模式：
构建分红历史表：
| 年度 | 每股派息(元) | 分红总额(亿) | 分红率(%) | 股息率(%) | 除权日 |
|---|
筛选模式：
Step 3: 分红质量分析
可持续性评估（核心）：
分红意愿评估：
Step 4: 估值与收益分析
Step 5: 输出
| 维度 | formal（机构红利研究） | brief（个人分红笔记） |
|---|---|---|
| 篇幅 | 3-5 页 | 1 页 |
| 分红历史 | 近 5-10 年完整表格 | 近 3 年关键数据 |
| 可持续性 | 多维度详细评估 | 核心 2-3 项判断 |
| 行业对比 | 同行分红对比表 | 一句话行业对比 |
| 策略评估 | 红利因子历史表现分析 | 当前适合性判断 |
| 免责声明 | 需要 | 不需要 |
# 调用 skill
result = run_skill({
"param1": "value1",
"param2": "value2"
})
python scripts/run_skill.py --input data.json
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。
基于 SOC 职业分类