菜单
A股机器学习因子挖掘/自动化因子发现。当用户说"因子挖掘"、"ML因子"、"机器学习因子"、"自动因子发现"、"factor mining"、"遗传规划因子"时触发。基于 cn-stock-data 获取数据，使用ML方法自动挖掘有效因子。支持 formal/brief 两种输出风格。
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-ml-factor-mining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
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
| name | a-share-ml-factor-mining |
| description | A股机器学习因子挖掘/自动化因子发现。当用户说"因子挖掘"、"ML因子"、"机器学习因子"、"自动因子发现"、"factor mining"、"遗传规划因子"时触发。基于 cn-stock-data 获取数据，使用ML方法自动挖掘有效因子。支持 formal/brief 两种输出风格。 |
通过 cn-stock-data skill 获取数据：
# 机器学习因子挖掘报告
## 一、因子空间
| 候选因子数 | 有效因子数 | 筛选率 |
|-----------|-----------|--------|
## 二、Top因子表现
[因子表达式、IC、IR、多空收益]
## 三、因子组合
[最终因子池、权重分配]
## 四、过拟合检验
[样本外表现、稳定性评估]
## 因子挖掘速览
- 候选因子 5,000 个，筛选出 18 个有效因子
- Top因子 IC=0.05, IR=1.2
- 样本外多空年化 15.3%
- 过拟合风险：低(多重检验通过)
参考 references/ml-factor-mining-guide.md 获取详细方法论与 A股实证研究。