SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场financial-data-analysis

financial-data-analysis

数据与分析

查看项目

更新于 10-15 09:17

技能介绍

用途

本工具箱面向金融时间序列分析，覆盖股票、商品期货、加密货币、ETF、外汇和指数等资产类别，提供从数据获取到高阶分析的完整流程。内置 70+ 分析方法，划分为 8 大方法域：时间序列检验、预测建模、跨资产关系、波动率风险、组合优化、状态识别、商品专项和网络分析。

数据获取策略

不同资产类型对应不同数据源与获取方式：

  • A股行情/财务/指数：Tushare MCP，使用 tushare_daily、tushare_income 等 MCP tool
  • A股期货：Tushare MCP，使用 tushare_fut_daily、tushare_fut_holding 等
  • 港股/美股：Tushare MCP，使用 tushare_hk_daily、tushare_us_daily
  • 宏观经济：Tushare MCP，使用 tushare_cn_gdp、tushare_shibor 等
  • 国际商品期货（WTI/黄金等）：yfinance，通过 scripts/data_fetcher.py
  • 加密货币：yfinance，通过 scripts/data_fetcher.py
  • 外汇：Tushare MCP 或 yfinance，视具体币种
  • 全球指数：Tushare MCP 或 yfinance，使用 tushare_index_global / yfinance

规则：调用 tushare MCP tool 前必须先 ToolSearch("+tushare <关键词>") 加载。tushare tool 完整索引见 stock-tushare-pro-mcp skill 的 reference/tool-index.md。

分析方法路由

根据用户意图，阅读对应 references/methods/ 文档后执行分析：

  • 平稳性、趋势检验、序列分解、结构断裂、Hurst：references/methods/01_time_series_fundamentals.md，脚本 scripts/analysis_toolkit.py
  • 价格预测、ARIMA、Prophet、VAR：references/methods/02_forecasting.md，脚本 scripts/analysis_toolkit.py
  • 相关性、协整、因果关系、领先滞后：references/methods/03_cross_asset_relationships.md，脚本 scripts/analysis_toolkit.py
  • 波动率、GARCH、VaR、尾部风险：references/methods/04_volatility_and_risk.md，脚本 scripts/analysis_toolkit.py
  • 组合优化、因子分析、风险平价、有效前沿：references/methods/05_portfolio_and_factor.md，脚本 scripts/analysis_toolkit.py
  • 市场状态、regime、周期、小波：references/methods/06_regime_and_structure.md，脚本 scripts/analysis_toolkit.py
  • 商品季节性、价差、期限结构、contango：references/methods/07_commodity_specific.md，脚本 scripts/analysis_toolkit.py
  • 网络分析、信息流、聚类、MST：references/methods/08_network_and_information.md，脚本 scripts/analysis_toolkit.py
  • 技术指标（MA/RSI/MACD/KDJ/布林带）：references/methods/01_time_series_fundamentals.md，脚本 scripts/indicators.py
  • 图表绘制、可视化：references/visualization_cookbook.md
  • 报告格式：references/output_templates.md

使用方式

执行流程：

  1. 识别用户意图，查上方路由表
  2. 读取对应 references/methods/ 文档，选择合适方法
  3. 获取数据：tushare MCP tool（优先）或 scripts/data_fetcher.py
  4. 执行分析：scripts/analysis_toolkit.py 或 scripts/indicators.py
  5. 生成图表：参照 references/visualization_cookbook.md
  6. 输出报告：按 references/output_templates.md 格式

参数使用：所有可配置参数通过 input-variables 声明，AI 执行时按优先级取值：用户在对话中明确指定为最高优先，input-variables 中的 default 值为兜底。例如用户说“把分析结果存到 ~/Desktop/analysis”，则 output_dir = ~/Desktop/analysis；用户说“分析铜价”，则 output_dir 使用默认值 {workspace}/data/analysis，default_period 使用默认值 1y。

输出存储规范

默认根目录为 {output_dir}（由 input-variables 配置，默认 {workspace}/data/analysis/）。目录结构：

  • reports/：分析报告 (.md)
  • charts/：图表文件 (.png)
  • datasets/：中间数据集 (.csv)
  • temp/：临时数据（可清理）

文件命名格式：{类型}{标的}{日期}.{格式}，例如 report_CU_20260306.md、chart_AAPL_seasonal_20260306.png、dataset_corr_matrix_20260306.csv。

输出规则：数据量小于 20 行直接在对话中展示，不存文件；大于等于 20 行存入 datasets/，返回文件路径与摘要；图表存入 charts/ 并在对话中内嵌展示；分析报告存入 reports/ 并返回完整报告；临时/中间数据存入 temp/ 并提醒用户可清理。

与 tushare skill 协作：原始行情数据存储遵循 tushare skill 的 output-storage.md 规范（{workspace}/data/tushare/），本 skill 的 {output_dir} 只存分析结果，不存原始数据，避免重复。

约束

必须（MUST）：

  • 标注数据获取时间和来源（tushare / yfinance）
  • 每份报告附免责声明
  • 分析前检查序列平稳性（适用时）
  • 异常值标注和处理

禁止（MUST NOT）：

  • 给出确定性收益承诺
  • 伪造或编造数据
  • 忽略风险提示
  • 数据缺失时猜测关键指标

适用场景与限制

适用于需要对多类金融资产进行时间序列分析、预测建模、风险度量、组合优化、市场状态识别、商品专项分析及网络分析的场景。限制方面：资料未提供具体的收费、价格、平台支持范围等信息；部分数据源依赖 tushare MCP 或 yfinance，需按上述规则加载与调用；分析结果不构成投资建议，报告须附免责声明。