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-risk-trigger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-risk-trigger |
| description | 用于基于AkShare数据的风险触发监控场景。适用于金融工作中的基础任务单元。 |
这个 Skill 基于 AKShare 的 A 股行情、新闻、热度与风险专题数据,构建一个可执行的 风险舆情触发机制。它不是预测未来收益的黑盒模型,而是一个面向研究、预警和盘前/盘后巡检的规则型引擎:
本 Skill 默认使用以下 AKShare 接口:
A股历史行情:stock_zh_a_hist
个股新闻:stock_news_em
A股人气榜:stock_hot_rank_em
个股热度历史趋势:stock_hot_rank_detail_em
上市公司质押比例:stock_gpzy_pledge_ratio_em
商誉减值预期明细:stock_sy_yq_em
千股千评:stock_comment_em
建议安装 AKShare 最新版本后使用,因为
stock_news_em、stock_hot_rank_detail_em等接口在近几个版本有过修复记录。AKShare 官方文档当前展示的版本为 1.18.39,官方安装建议为pip install akshare --upgrade,GitHub 仓库采用 MIT License。
Skill 会从 4 个维度构造风险触发项:
输出字段示例:
symbol:股票代码as_of_date:计算日期risk_score:0~100 的综合风险分数risk_level:LOW / MEDIUM / HIGH / CRITICALtriggers:触发项列表headline_negative_ratio:负面新闻占比pledge_ratio:质押比例(如可获取)goodwill_warning:是否存在商誉减值预期latest_rank:最新热度排名(如可获取)comment_score:千股千评综合得分(如可获取)akshare-a-share-risk-sentiment-trigger/
├─ skill.md
├─ LICENSE
├─ requirements.txt
└─ script/
├─ config.py
├─ utils.py
├─ data_loader.py
├─ risk_engine.py
└─ run_skill.py
pip install -r requirements.txt
python script/run_skill.py --symbol 603777
python script/run_skill.py \
--symbol 300750 \
--start-date 20240101 \
--end-date 20260313 \
--report-date 20241231
python script/run_skill.py --symbol 002594 --output json
python script/run_skill.py \
--symbol 600519 \
--negative-keywords 立案,处罚,问询函,暴雷,违约,减值
Skill 内置一个规则分值系统,默认做法如下:
风险等级映射:
0 ~ 19:LOW20 ~ 39:MEDIUM40 ~ 59:HIGH60+:CRITICAL你可以在 script/config.py 中调整阈值与打分权重。
本压缩包内除第三方依赖外的自编代码采用 MIT License,详见根目录 LICENSE。
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