这个 Skill 能做什么，适合哪些场景？
这是一个面向股票研究的多源金融分析技能，整合yfinance、SEC EDGAR、Finnhub、Alpha Vantage等14+免费API和20+RSS订阅源。它支持三大工作流：每周投资组合审查、每日机会扫描和单股深度研究，输出Buy/Hold/Trim/Sell评级、三档入场位、三档目标价和止损。所有API调用经过统一的弹性调用器，带限流控制、日志记录和自动故障转移。评分体系为基本面40%+技术面30%+情绪面30%的加权综合分。
读取持仓列表或股票代码后，技能会：拉取价格历史、财报、分析师评级、内部人Form 4申报、国会交易、期权链、新闻/Reddit/StockTwits情绪等多类数据；用pandas-ta在本地计算SMA/EMA、RSI、MACD、布林带、斐波那契回撤、ATR等技术指标；按40/30/30权重生成基本面、技术面、情绪面综合评分；输出评级、三档入场位、三档目标价、止损、风险回报比、催化剂与风险。每次调用经api_caller.py检查限流并记录到~/.financial-analysis/logs/，失败时按预设回退链自动切换备用API。
- 每周日/周一想对自己的PDF或CSV持仓做一次买入/持有/减仓/卖出审查的个人投资者
- 每天开盘前想扫描RSS和社交热度、寻找前5个加仓标的和前5个波段交易机会的短线交易者
- 被问及'该不该买XX'时需要对1-10只股票（约每只30次API调用）做分析师级深度报告的用户
- 关注内部人交易和国会交易的合规/研究型用户，技能通过SEC EDGAR优先拉取Form 4数据
- 想了解市场情绪的投资者，可获取Reddit提及量、StockTwits情绪和新闻情绪打分
如何安装这个 Skill？
- 静态评审，未执行任何代码或测试；分数基于源码阅读。
- 核心数据源(Finnhub、Alpha Vantage、RapidAPI等)均为海外服务，中国大陆网络可达性未验证，可能严重影响实际可用性。
- 该技能输出买入/卖出评级和价格目标，属投资参考而非建议；评分权重为主观设定，未经回测验证，使用前务必自行核实。
- 多个关键脚本(scoring.py、data_fetchers.py等)未在本次证据中提供，实际行为可能与文档描述有出入。
- API密钥以明文JSON存于主目录，请注意文件权限；部分免费API额度很低(如Alpha Vantage每日25次)。
- 无版本号与变更日志，更新与维护责任不明确。
- Shell / 命令行
- 网络访问
- 本地文件系统
Pythonyfinancefeedparserpandaspandas-tarequests
克隆仓库到Claude技能目录：git clone <repo-url> ~/.claude/skills/financial-analyst。然后运行./setup.sh创建虚拟环境并安装依赖（yfinance、feedparser、pandas、pandas-ta、requests），再执行python scripts/api_config.py init和status初始化配置。yfinance、SEC EDGAR、ApeWisdom、StockTwits四个数据源无需API密钥即可使用；Finnhub、Alpha Vantage、FMP、Polygon需要注册免费密钥，具体步骤见references/api_setup_guide.md（注册链接等细节源中指向QUICKSTART.md，此处未附内容）。
git clone --depth 1 https://github.com/geogons/skill-financial-analyst.git ~/.claude/skills/skill-financial-analyst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：
- 帮我审查这个持仓组合
- 深度分析一下NVDA
安装后Claude会在用户询问股票、组合或市场分析时自动加载。三种用法：1）组合审查：python scripts/run_portfolio_review.py AAPL:100:150.50 MSFT:50:380（格式为代码:数量:成本）；2）每日扫描：python scripts/run_daily_scanner.py；3）深度研究：python scripts/run_deep_dive.py AAPL MSFT。也可直接用自然语言触发，例如'帮我审查这个持仓组合'或'深度分析一下NVDA'。运行后可用python scripts/usage_tracker.py daily查看当日API用量报告。
这个 Skill 有哪些优点和局限？
- 数据源冗余设计：每个数据类别都有优先级回退链（如价格历史yfinance→Polygon→Alpha Vantage→FMP），主源失败自动切换
- 四个核心数据源（yfinance、SEC EDGAR、ApeWisdom、StockTwits）免密钥即可用，上手门槛低
- 内置用量追踪器，逐API统计免费额度消耗，超过70%时给出付费升级建议和报价
- 评分方法论透明且可调：40/30/30权重和评级阈值均在文档中明示，用户可自行修改
- 明确只推荐风险回报比≥2:1的交易，输出结构化（三入场/三目标/止损/催化剂/风险）
- 依赖yfinance这一非官方库，README自承数据可能延迟或临时不可用
- Alpha Vantage免费档仅25次/天，深度研究每只股票约30次调用，多股票场景很快触顶
- 国会交易数据主源Mboum免费档仅600次/月，备用源Quiver是付费的
- 未提及任何自动化测试套件；README中的运行脚本（setup.sh、run_*.py）在SKILL.md正文中未展示实现细节
- 输出为数据驱动分析而非投资建议，评级质量完全取决于免费API的数据质量与时效
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 |
|---|---|---|---|---|
| 金融分析技能（Financial Analyst） 本页 | 52 · 谨慎使用 | ★ 62 | 7 个月前 | MIT |
| TradingView MCP 智能交易助手 | 50 · 谨慎使用 | ★ 5.1k | 11 天前 | MIT |
| 个股深度分析工作流（UZI-Skill deep-analysis） | 50 · 谨慎使用 | ★ 7.2k | 1 个月前 | MIT |
| Kronos 技术分析技能 | 44 · 不推荐 | ★ 21 | 5 个月前 | — |
| Daisy 金融研究技能 | 55 · 谨慎使用 | ★ 29 | 5 个月前 | — |
源材料未提及具体竞品。相对直接手动使用各免费API，其差异化在于自动回退链、限流管理和统一评分框架；相对于付费研究终端（未在源中具名），它牺牲数据时效换取零订阅成本。
FollowSkills 如何评估这个 Skill？
文件显示最小权限设计：API密钥存于用户主目录(~/.financial-analysis/api_keys.)且不被setup覆盖，支持环境变量替代；无凭据收集、隐蔽外传或破坏性默认行为；对外部API仅发送股票代码类查询并有免责声明。扣分：自动向14+第三方API发起网络请求且无逐次用户确认，密钥以JSON明文存储，发布者身份未验证，回滚机制仅限文档描述。
仓库内含分层测试套件(24项：离线/在线/集成)，错误处理、降级、限流、回退链均有文档和测试覆盖，离线测试可零配置运行。扣分：静态审阅未执行，未见CI工作流证明测试实际通过，yfinance等非官方数据源稳定性风险已知，部分脚本(run_deep_dive.py等)未在证据中提供，关键路径未能静态复现。
三种用例(组合周评/每日扫描/个股深挖)触发条件、输入输出格式定义清晰，描述含丰富触发词，声明非投资建议。扣分：核心功能几乎完全依赖海外服务(Finnhub、Alpha Vantage、SEC EDGAR、RapidAPI)，中国大陆网络可达性存疑且未披露；无中文支持；能力边界(如数据延迟、市场覆盖仅美股)披露有限。
文档分层良好(SKILL.md/QUICKSTART/README/setup_guide)，MIT许可证明确，安装与依赖说明详尽，常见错误表与故障排查完整。扣分：无版本号和变更日志，维护责任主体不明('Contributors')，发布者未验证，更新路径未声明。
工作流设计具体(评分公式、入场/出场结构、缓存机制)，输出格式明确定义且含数据来源归因表，比手工聚合多源数据有明确边际价值。扣分：静态审阅无法验证实际输出质量与正确性，多个API需注册密钥才可用，Alpha Vantage等限额紧(25/天)可能限制深挖用例的完整执行，价值声明未经执行验证。
提交了可审计的测试代码(test_skill.py 24项、test_enhanced_report.py)，评分方法、回退链、限额数据在文档中可交叉核对，事实与推断区分较好。扣分：无第三方执行证据或CI结果，测试从未在本评审中运行，多个被引用脚本(data_fetchers.py、scoring.py等)不在证据内无法核对，证言类声明(如'26 indicators')无法独立验证。
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 →