aifinlab
aifinlab/FinClaw
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 chart-element-recognition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 | chart-element-recognition |
| description | 用于图表理解的图表元素识别原子 skill，适用于通用行业文档解析场景。 |
本 Skill 支持多种图表输入格式，核心数据来源包括：
说明：本 Skill 不包含图表采集功能，需要用户提供图表文件。建议图表清晰且格式规范，以便进行准确的元素识别。
本 Skill 提供全面的图表元素识别能力，涵盖多种识别功能：
{
"chart_info": {
"filename": "sales_chart.png",
"file_size": 256000,
"format": "png",
"dimensions": [800, 600]
},
"chart_type": {
"primary_type": "bar_chart",
"sub_type": "grouped_bar_chart",
"confidence": 0.95
},
"axes": {
"x_axis": {
"label": "季度",
"type": "categorical",
"categories": [