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 global-company-regular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 | global-company-regular |
| description | 用于公司合规检查场景。适用于金融工作中的基础任务单元。 |
本 Skill 使用公网可查、优先官方来源的数据,对某个上市企业进行规则引擎校验:
说明:脚本优先给出官方检索入口;对于可直接访问的公开接口,会尽量抓取少量结果用于自动化校验。若站点接口或参数调整,可在
script/fetch_public_sources.py中单点修复。
本 Skill 用于对单个上市企业执行“规则引擎校验”,输出结构化风控报告。默认支持以下能力:
法规检索聚合
公告与监管文本风险命中
规则引擎校验
结构化报告输出
pip install -r requirements.txt
python script/main.py \
--company "某上市公司" \
--exchange "SSE" \
--keywords 关联交易 立案 调查 \
--facts script/sample_facts.json \
--output report.json
输出报告 report.json 中主要包含:
summary.total_rules: 校验规则总数summary.failed_rules: 未通过规则数summary.risk_level: low / medium / highresults: 每条规则的通过情况、风险等级、解释evidence: 对应的法规与公告来源script/sample_facts.json 可作为模板,支持扩展字段,例如:
{
"event_date": "2026-03-01",
"disclosure_date": "2026-03-05",
"materiality": "重大",
"related_party_transaction": true,
"transaction_amount": 15000000,
"board_approved": false,
"disclosed": true,
"pledge_ratio": 62
}
本 Skill 代码部分采用 MIT License。
注意:本 Skill 会访问第三方公开网站。各网站的页面内容、数据库内容、商标与版权归原权利人所有;使用者应自行遵守相应网站条款、robots、版权与数据使用要求。