菜单
A股估值分位/历史估值区间分析。当用户说"估值分位"、"历史估值"、"估值贵不贵"、"XX现在贵吗"、"估值百分位"、"PE分位"、"PB分位"、"估值区间"、"历史PE"、"valuation band"时触发。基于 cn-stock-data 历史行情和财务数据，计算个股或指数当前估值在历史区间中的分位数位置，判断估值高低。支持研报风格（formal）和快速判断风格（brief）。不适用于 DCF 估值（用 a-share-dcf）或可比公司（用 a-share-comps）。
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-valuation-band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-valuation-band |
| description | A股估值分位/历史估值区间分析。当用户说"估值分位"、"历史估值"、"估值贵不贵"、"XX现在贵吗"、"估值百分位"、"PE分位"、"PB分位"、"估值区间"、"历史PE"、"valuation band"时触发。基于 cn-stock-data 历史行情和财务数据，计算个股或指数当前估值在历史区间中的分位数位置，判断估值高低。支持研报风格（formal）和快速判断风格（brief）。不适用于 DCF 估值（用 a-share-dcf）或可比公司（用 a-share-comps）。 |
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
# 近3-5年K线（计算历史估值区间）
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [3年前日期]
# 当前行情（最新PE/PB）
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]
# 财务数据（历史ROE/利润等）
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]
补充：通过 web 搜索获取指数 PE/PB 历史数据（如沪深300 PE历史中位数）。
| 百分位区间 | 判断 | 含义 |
|---|---|---|
| 0-20% | 极度低估 | 历史底部区域，长期配置价值高 |
| 20-40% | 偏低估 | 低于历史均值，具备安全边际 |
| 40-60% | 合理区间 | 接近历史中枢，估值中性 |
| 60-80% | 偏高估 | 高于历史均值，注意风险 |
| 80-100% | 极度高估 | 历史顶部区域，风险收益比差 |
| 维度 | formal | brief |
|---|---|---|
| 输出 | 完整估值分位报告 | 一句话结论 + 核心数据 |
| 指标 | PE + PB + PS 多维度 | 仅核心 1-2 个指标 |
| 历史对比 | 近 3/5/10 年分别计算 | 仅近 3 年 |
| 图表 | 提供估值带数据（可画图） | 无 |
| 篇幅 | 500-800 字 | 50-100 字 |
# 调用 skill
result = run_skill({
"param1": "value1",
"param2": "value2"
})
python scripts/run_skill.py --input data.json