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-lead-lag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。
基于 SOC 职业分类
正在显示 SKILL.md
| name | a-share-lead-lag |
| description | A股领先滞后关系/板块传导分析。当用户说"领先滞后"、"lead lag"、"谁先涨"、"传导"、"板块传导"、"龙头带动"时触发。量化分析股票/板块间的领先滞后关系。支持formal和brief风格。 |
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [日期]
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]
计算标的A在t期收益率与标的B在t+k期收益率的相关性（k=-5到+5）
检验A是否Granger因果引起B（或反向）
构建多标的间的领先-滞后关系网络
| 维度 | formal | brief |
|---|---|---|
| 相关矩阵 | 多lag完整矩阵 | 最强领先关系 |
| 因果检验 | Granger检验结果 | 领先/滞后天数 |
| 关系图谱 | 完整网络图 | Top 3领先者 |
| 默认风格：brief。 |
# 调用 skill
result = run_skill({
"param1": "value1",
"param2": "value2"
})
python scripts/run_skill.py --input data.json