ClawHub

Quantflow Skill

v1.1.1

面向中文自然语言的量化金融数据研究技能。用于把"看看这只股票最近怎么样""帮我查财报趋势""最近哪个板块最强""北向资金在买什么""给我导出一份行情数据"这类请求，转成可执行的数据获取、清洗、对比、筛选、导出与简要分析流程。适用于 A 股、指数、ETF/基金、财务、估值、资金流、公告新闻、板块概念与宏观数据等研究...

⭐ 0· 135·0 current·0 all-time
by@yejinlei

Install

OpenClaw Prompt Flow

Install with OpenClaw

Best for remote or guided setup. Copy the exact prompt, then paste it into OpenClaw for yejinlei/quantflow-skill.

Previewing Install & Setup.
Prompt PreviewInstall & Setup
Install the skill "Quantflow Skill" (yejinlei/quantflow-skill) from ClawHub.
Skill page: https://clawhub.ai/yejinlei/quantflow-skill
Keep the work scoped to this skill only.
After install, inspect the skill metadata and help me finish setup.
Use only the metadata you can verify from ClawHub; do not invent missing requirements.
Ask before making any broader environment changes.

Command Line

CLI Commands

Use the direct CLI path if you want to install manually and keep every step visible.

OpenClaw CLI

Bare skill slug

openclaw skills install quantflow-skill

ClawHub CLI

Package manager switcher

npx clawhub@latest install quantflow-skill
Security Scan
VirusTotalVirusTotal
Benign
View report →
OpenClawOpenClaw
Benign
high confidence
✓
Purpose & Capability
Name and description (quantitative research, data fetching, cleaning, export, AKQuant backtests) match the declared requirements (akshare, akquant, network access) and the included scripts which call akshare/akquant APIs. There are no unrelated credentials, binaries, or configuration paths requested.
ℹ
Instruction Scope
SKILL.md stays on-topic (data workflows, interface names, caching, output formats). The repository includes example scripts that implement backtests and call buy/sell methods (AKQuant Strategy classes) — appropriate for backtesting demos but worth noting: if AKQuant is later configured for live execution, similar code could be repurposed to place orders. The skill does not instruct reading unrelated local files or exfiltrating data.
✓
Install Mechanism
No install spec; SKILL.md recommends pip installs for akshare and akquant which is proportionate. There are no downloads from untrusted URLs or archive extracts. Example code is included but not automatically installed.
✓
Credentials
The skill requests no environment variables or credentials. Network access is declared and justified because akshare fetches market data. There are no unexplained secret requests or cross-service credentials.
✓
Persistence & Privilege
always is false and the skill does not ask to modify other skills or system-wide config. Autonomous invocation is allowed by platform default but not combined with other red flags here.
Assessment
This skill appears coherent and focused on fetching market/macroeconomic data and running backtests with Akshare/AKQuant. Before installing: (1) confirm you trust akshare and akquant from PyPI and keep them up to date; (2) run the example scripts in a sandbox environment (no production brokerage credentials) — AKQuant can support live execution if configured, so do not provide any broker API keys or trading credentials unless you intentionally want live trading; (3) expect the skill to perform network requests to public data sources; (4) if you only want read-only analysis, avoid connecting any live-execution plugins or credentials.

Like a lobster shell, security has layers — review code before you run it.

latestvk976w91sb4gtn1t6wr6c8p3k1183ndy9
135downloads
0stars
1versions
Updated 2w ago
v1.1.1
MIT-0
@yejinlei
latest
Download

quantflow-skill

把自然语言财经数据请求，转成可执行的 Akshare 数据工作流。

这是一个面向自然语言的金融数据研究 skill。

What this skill is for

使用场景：

  • 看股票、指数、ETF 走势
  • 查公司资料、估值、财务趋势
  • 多标的横向对比
  • 看资金流、板块强弱
  • 梳理公告、新闻、政策
  • 查看宏观经济数据
  • 导出数据供分析或回测
  • 使用 AKQuant 进行策略回测

What this skill is NOT for

不适合：

  • 直接给买卖建议或替代投资顾问
  • 自动下单或执行交易
  • 毫秒级实时交易决策
  • 复杂回测引擎的实现
  • 无网络支持时伪造数据

Environment check

前置校验：

  1. 检查 Python 3.7+ 可用
  2. 检查 akshare 包已安装
  3. 必要时检查 akquant 包已安装

缺失包时提示安装命令：

  • pip install akshare
  • pip install akquant

Intent taxonomy

任务类型与核心接口：

1. 行情 / 趋势

  • 核心接口：stock_zh_a_hist, stock_zh_a_spot, stock_zh_a_daily

2. 基本资料 / 标的识别

  • 核心接口：stock_info_a_code_name, stock_company_info_em

3. 财务 / 公司质量

  • 核心接口：stock_financial_analysis_indicator, stock_balance_sheet_by_report_em

4. 估值 / 基本面指标

  • 核心接口：stock_zh_a_spot, stock_financial_analysis_indicator

5. 资金流 / 市场行为

  • 核心接口：stock_em_flows, stock_hsgt_hold, stock_top_inst

6. 板块 / 指数 / 主题

  • 核心接口：stock_board_industry_spot_em, stock_board_concept_spot_em

7. 打板 / 情绪 / 活跃度

  • 核心接口：stock_limit_up_board_em, stock_market_activity_em

8. 公告 / 新闻 / 研报 / 政策

  • 核心接口：stock_news_em, stock_announcement

9. 宏观 / 跨市场

  • 核心接口：macro_china_cpi, macro_china_pmi, stock_us_spot, stock_hk_spot

10. 导出 / 研究准备

  • 核心：统一输出规则与命名规范

11. 量化策略回测

  • 核心接口：stock_zh_a_daily, stock_zh_a_hist, akquant 库

Entity resolution rules

标的解析

  • 优先识别股票名、代码、指数名、ETF 名、基金名
  • 对中文简称先尝试匹配标准对象
  • 重名时列出候选并澄清
  • 证券代码统一为标准格式

市场识别

  • 默认按 A 股理解，除非明确提到其他市场
  • 指数、ETF、个股分开判断

时间默认值

  • “最近走势” → 近 20 个交易日
  • “最近一段时间” → 近 3 个月
  • “财报 / 业绩” → 最近 8 个季度 + 最近年度
  • “资金流最近” → 近 5～20 个交易日
  • “宏观最近” → 最近 6～12 期

板块口径默认值

  • 行业优先用申万 / 中信口径
  • 概念优先同花顺 / 东方财富口径
  • 依赖口径差异时明确说明

Input normalization rules

数据请求前规范化：

  • 日期统一为 YYYY-MM-DD
  • 检查 start_date <= end_date
  • 未来日期自动裁剪到最近可用日期
  • 裸代码如 000001 需澄清或说明补全规则
  • 冲突参数先裁决后传递

Data retrieval rules

文档先行

  • 确认接口名、必填参数、可选参数、返回字段

字段确认

  • 使用已知字段白名单或接口文档确认
  • 字段不存在时明确说明

默认分段拉取

  • 日线/周线/月线：按年或季度切片
  • 财报：按年份/报告期切片
  • 分钟数据：按月/周切片
  • 大批量多标的：按标的分批 + 日期分段

重试与限流

  • 仅对瞬时错误（网络抖动、超时、429）有限重试
  • 批量拉取时加入节流

分段合并

  • 合并、去重、按主键排序
  • 记录失败分段并明确告知用户

Output contract

默认输出结构：

  1. 一句话结论
  2. 数据范围与口径
  3. 关键指标/表格
  4. 异常点/风险点/解释限制
  5. 本地输出文件路径

结果交付形态

  • 小结果：Markdown 摘要 + 简短表格
  • 中等数据表：CSV
  • 大规模分析：Parquet
  • 可复用流程：附 Python 脚本
  • 可视化：输出图表或说明

元信息

生成数据文件时记录：

  • 接口名、请求参数、拉取时间
  • 数据行数、字段列表
  • 失败分段/缺失情况

Data quality rules

数据拉取后检查：

  • schema 校验
  • 关键字段存在性检查
  • 主键去重
  • 固定排序
  • 日期标准化
  • 数值字段类型规范化

空结果处理

区分空表原因：

  • 非交易日
  • 区间无数据
  • 股票未上市
  • 参数错误

Cache and reuse rules

支持：

  • 基础表缓存（股票列表、交易日历、指数基础信息）
  • 增量更新，避免全量重拉
  • 大任务断点续跑
  • 结果文件规范命名

推荐命名格式：

  • daily_600519_2023-01-01_2023-12-31_2026-03-22.csv
  • financial_300750_2026-03-22.parquet

缓存命中时说明来源。

Error handling

采用“人话 + 调试细节分层”方式输出错误。

用户可见层

  • akshare 包未安装
  • 当前接口需要网络连接
  • 时间范围过大，已自动分段拉取
  • 股票名称不唯一，请确认
  • 结果为空，可能因为非交易日/标的未上市

调试层

必要时提供：

  • 接口名、参数
  • 失败分段
  • 异常原文

部分成功原则

明确说明：

  • 成功部分
  • 失败部分
  • 是否生成不完整结果

Recommended minimal interface set

核心接口集：

  • stock_zh_a_hist：A股历史行情
  • stock_zh_a_spot：A股实时行情
  • stock_info_a_code_name：股票代码和名称
  • stock_financial_analysis_indicator：财务分析指标
  • stock_balance_sheet_by_report_em：资产负债表
  • stock_income_statement_by_report_em：利润表
  • stock_em_flows：资金流向数据
  • stock_hsgt_hold：沪深港通持股
  • stock_board_industry_spot_em：行业板块行情
  • stock_board_concept_spot_em：概念板块行情
  • stock_limit_up_board_em：涨停板数据
  • stock_news_em：股票新闻
  • stock_announcement：股票公告
  • macro_china_cpi：中国CPI数据
  • macro_china_pmi：中国PMI数据
  • stock_us_spot：美股实时行情
  • stock_hk_spot：港股实时行情

Best practices

  • 先理解任务，再选接口
  • 先核心数据，再扩展
  • 先给结论，再给证据
  • 默认说人话，不堆字段名
  • 对模糊中文表达有合理默认口径
  • 大任务先给执行计划
  • 导出任务保留脚本、元信息、文件路径
  • 量化回测明确策略逻辑、时间范围和资金管理
  • 回测结果结合交易成本和滑点分析
  • 策略优化避免过拟合，使用样本外数据验证

Quick rule

当用户提到：

  • 看走势
  • 查财报
  • 比较公司
  • 看板块
  • 看资金流
  • 梳理公告新闻
  • 看宏观
  • 拉数据导出
  • 测试交易策略
  • 回测量化模型

先想： 这是什么任务？默认该走哪条数据工作流？结果应该怎样交付才真正有用？

Comments

Loading comments...