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 akshare-overdue-risk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 | akshare-overdue-risk |
| description | 用于基于AkShare数据的逾期风险识别场景。适用于金融工作中的基础任务单元。 |
overdue-risk-enterprise
本 Skill 基于 AkShare 的 A 股公开财务数据,对单一企业进行逾期风险识别。默认演示企业为 荣盛发展(002146),也支持替换为其他 A 股上市公司。
识别逻辑聚焦于企业最容易触发逾期或信用压力的几类公开信号:
输出结果包括:
本 Skill 使用 AkShare 官方公开接口抓取数据,核心来源如下:
A 股股票列表与基础匹配
stock_zh_a_spot_em资产负债表(按报告期)
stock_balance_sheet_by_report_em利润表(按报告期)
stock_profit_sheet_by_report_em现金流量表(按报告期)
stock_cash_flow_sheet_by_report_em说明:本 Skill 使用的是公开披露数据,因此更适合作为企业逾期风险初筛工具,而不是替代尽调、评级报告或司法/征信数据。
akshare-overdue-risk-enterprise/
├── skill.md
└── script/
├── fetch_data.py
├── risk_model.py
├── run_demo.py
└── requirements.txt
pip install -r script/requirements.txt
python script/run_demo.py
python script/run_demo.py --company 万科A
python script/run_demo.py --company 002146
python script/run_demo.py --company 荣盛发展 --output output/rongsheng_report.json
{
"overdue_risk_score": 68.4,
"risk_level": "中风险",
"metrics": [
{
"name": "短债资金压力",
"value": 1.3271,
"metric_score": 25.0,
"direction": "lower_is_better",
"evidence": "(短期借款 + 应付票据) / 货币资金"
}
],
"warnings": [
"短债资金压力偏弱: (短期借款 + 应付票据) / 货币资金"
]
}
建议以 MIT License 方式使用和二次开发本 Skill 自带脚本。
使用、分发或二次开发时,请保留第三方项目的原始版权与 License 声明。
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