这个 Skill 能做什么，适合哪些场景？
该技能面向股票、指数和外汇期权的波动率分析。它先读取波动率曲面，再发现期权模板并为具体期权定价，随后利用历史价格计算实际波动率。输出涵盖期限结构、偏度、微笑曲率、希腊值以及隐含波动率与实际波动率的比较。适合已经具备 LSEG MCP 数据访问能力、需要形成波动率评估的衍生品分析人员。
根据资产类型调用 equity_vol_surface 或 fx_vol_surface，提取 ATM 波动率期限结构、25-delta 风险反转和蝶式价差；调用 option_template_list 查找可用期权类型、期限和行权价；调用 option_value 获取权利金、delta、gamma、vega、theta、rho 和隐含波动率；调用 tscc_historical_pricing_summaries 或 qa_historical_equity_price 获取历史价格；从日度历史数据计算 20、60 和 90 日收盘价实际波动率，并与相应隐含波动率比较，最后给出波动率判断和策略建议。
- 衍生品分析师评估某只股票或指数的期权隐含波动率是否高于近期实际波动率。
- 外汇期权交易员分析 EURUSD 等货币对的 delta 波动率曲面、风险反转和蝶式价差。
- 期权定价人员在曲面分析后获取具体看涨和看跌期权的价格及完整希腊值。
- 波动率交易团队比较 20、60、90 日实际波动率与匹配期限的 ATM 隐含波动率。
- 研究人员根据期限结构、偏度和曲率评估波动率环境并形成策略讨论材料。
如何安装这个 Skill？
- 使用前应确认 LSEG MCP 的订阅、凭证权限和中国大陆网络可达性，并核对实际工具名、参数及返回字段。
- 该技能没有明确数据缺失、无效 RIC、期限不匹配或工具失败时的处理方式；不得将未验证的策略建议直接用于交易或风险决策。
- 应由专业人员复核隐含/实现波动率窗口匹配、年化方法、曲面报价定义和 Greeks。
- 网络访问
- MCP Server
LSEG MCP tools
在 Cowork 中打开 Settings → Plugins → Add plugin，粘贴 https://github.com/anthropics/financial-services，然后从插件市场选择相应的 LSEG 合作方插件或技能集合。README 未提供该技能的独立安装命令；其源文件位于 plugins/partner-built/lseg/skills/option-vol-analysis/SKILL.md。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/anthropics/financial-services.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/plugins/partner-built/lseg/skills/option-vol-analysis" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 分析 SPX 期权的 1M、3M 和 6M 隐含波动率曲面，比较 20、60 和 90 日实际波动率，并评估波动率是否偏贵。
安装并配置可用的 LSEG MCP 数据连接后，使用自然语言提出具体任务，例如：“分析 SPX 期权的 1M、3M 和 6M 隐含波动率曲面，比较 20、60 和 90 日实际波动率，并评估波动率是否偏贵。”
这个 Skill 有哪些优点和局限？
- 明确规定从波动率曲面开始，再进行模板发现、期权定价和历史波动率比较。
- 覆盖股票、指数和外汇波动率曲面，并包含完整期权希腊值。
- 输出结构同时关注期限结构、偏度、曲率和隐含减实际波动率溢价。
- 依赖 LSEG MCP 工具和相应数据访问权限；README 未保证免费可用。
- SKILL.md 只定义分析流程，没有提供测试套件、示例结果或错误处理细节。
- 策略建议依赖工具返回的数据质量和可用期限，源材料未说明具体数据覆盖范围。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 期权波动率分析 本页 ✓ Anthropic · 官方 | 42 · 不推荐 | ★ 40k | 1 个月前 | Apache-2.0 |
| Probability Analysis 事件概率分析师 | 60 · 推荐 | ★ 76 | 26 天前 | MIT |
| Alpha Insights 商业洞察 | 59 · 推荐 | ★ 68 | 3 个月前 | MIT |
| Claude Persona：AI 人群面板与概念测试 | 57 · 谨慎使用 | ★ 57 | 3 个月前 | MIT |
| Exa 深度研究编排器 | 57 · 谨慎使用 | ★ 5.1k | 18 天前 | MIT |
FollowSkills 如何评估这个 Skill？
列出了所需 MCP 工具和数据类型，未见恶意行为、凭证窃取或破坏性操作；但未说明最小权限、用户确认、敏感数据处理、数据流、失败回滚或交易建议的安全边界，因此扣分。
工具链和分析顺序基本一致，且指定了历史窗口和输出表格；但未提供工具可用性验证、参数失败处理、异常输入处理或可诊断错误反馈。静态审查下不超过10分。
明确覆盖股票/指数和外汇波动率曲面、期权定价及隐含与实现波动率比较；但未声明非适用场景、触发排除条件或中文支持，且核心功能依赖 LSEG MCP，无法从材料确认中国大陆网络可达性，因此扣分。
文档结构清晰，包含工具说明、工作流和输出模板；仓库提供 Apache-2.0 许可和通用安装信息。但该技能缺少自身的安装依赖、版本、变更记录、维护责任、限制说明、示例输入和故障排查，因此扣分。
工作流能够覆盖波动率曲面、Greeks、历史实现波动率和策略评估，输出模板具有一定直接使用价值；但未提供已验证的代表性结果，也未证明数据映射、窗口匹配和策略建议在实际工具响应下正确，因此按静态上限保守给分。
仓库级插件校验和固定修订提供了有限可追溯性，技能本身也明确列出工具与步骤；但没有针对该技能的测试套件、真实执行证据或独立交叉验证，因此证据覆盖有限。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →