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 style-factor-calculation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 | style-factor-calculation |
| description | 用于因子暴露的风格因子计算原子 skill，适用于通用行业金融计算场景。 |
本 Skill 支持多种金融数据输入格式，核心数据来源包括：
说明：本 Skill 不包含数据采集功能，需要用户提供清洗后的价格和财务数据。建议数据时间跨度不少于1年，以便进行准确的风格因子计算。
本 Skill 提供全面的风格因子计算能力，涵盖多种风格因子：
{
"symbol": "000001.SZ",
"date": "2024-12-31",
"style_factors": {
"value_factors": {
"pe": 15.2,
"pe_percentile": 45.3,
"pb": 2.1,
"pb_percentile": 52.8,
"ps": 3.5,
"ps_percentile": 48.2
},
"growth_factors": {
"revenue_growth": 12.5,
"revenue_growth_percentile": 65.8,
"net_income_growth": 18.3,
"net_income_growth_percentile":
LICENSE 文件requirements.txt 为准