菜单
A股聪明钱指标/主力行为量化识别。当用户说"聪明钱"、"smart money"、"主力行为"、"大单分析"、"机构行为"、"量价背离"、"主力在干嘛"、"有没有主力进场"时触发。基于 cn-stock-data 获取资金流向和K线数据，量化识别机构/主力资金行为模式。支持研报风格（formal）和快速分析风格（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-smart-money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。
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
正在显示 SKILL.md
| name | a-share-smart-money |
| description | A股聪明钱指标/主力行为量化识别。当用户说"聪明钱"、"smart money"、"主力行为"、"大单分析"、"机构行为"、"量价背离"、"主力在干嘛"、"有没有主力进场"时触发。基于 cn-stock-data 获取资金流向和K线数据，量化识别机构/主力资金行为模式。支持研报风格（formal）和快速分析风格（brief）。 |
通过 cn-stock-data 统一层获取：
大单净流入 / 总成交额 × 100%CLV = ((close-low)-(high-close))/(high-low), AD += CLV × volume| 模式 | 价格特征 | 量能特征 | 资金流特征 |
|---|---|---|---|
| 吸筹 accumulation | 低位横盘/缓跌 | 缩量后间歇放量 | 大单持续净流入 |
| 出货 distribution | 高位震荡/滞涨 | 高位放量 | 大单持续净流出 |
| 洗盘 washout | 急跌后快速收回 | 下跌缩量反弹放量 | 大单流出但占比小 |
| 拉升 markup | 连续上涨/突破 | 持续放量 | 大单强劲流入 |
scripts/smart_money_detector.py 计算指标# 准备数据后调用
python scripts/smart_money_detector.py --flow flow.json --kline kline.json
# 可选: --days 20 (分析窗口，默认20)
# 调用 skill
result = run_skill({
"param1": "value1",
"param2": "value2"
})
python scripts/run_skill.py --input data.json