3.1K Stars27 Skills347 ForksMIT10月6日更新Skill 仓库

AI 概览 · 由大模型根据 SKILL.md 与仓库数据生成 · 2026年11月3日

面向市场研究与资料分析的 AI Agent Skill 集合

这是一个包含多项 AI Agent Skill 的 GitHub 仓库,主题涉及股票、期权、大宗商品等市场研究。已采集的 Skill 资料显示,部分条目用于资料研究、事实整理和结构化报告写作,另一些聚焦特定参考方法;专题参考方法不应视为可执行 API 请求,部分旧接口的外部 API 密钥访问在当前发布版本中未提供。

包含 Skill

27

可以单独安装

GitHub Star

3,083

仓库累计 Star

近 7 天

+100

新增 Star

代码更新

2026年10月6日

最近一次推送

核心亮点

  • 1覆盖多类市场主题

    采集到的 Skill 涉及股票、期权、大宗商品及预测市场等方向。

  • 2辅助研究整理

    部分 Skill 适合整理资料、核对事实并编写结构化报告。

  • 3区分研究与接口能力

    条目说明了专题方法参考与实际 API 请求之间的差异。

能做什么

  • 辅助资料研究、事实整理和结构化报告写作。
  • 围绕股票研究连接基本面、情绪与风险,并整理支持和反对证据。
  • 比较期权候选方案并梳理评分组成、资金、到期和指派风险。
  • 提供供应链瓶颈、预测市场、看涨价差回测、财报隐含波动率变化、Greeks、对冲情景等专题参考方法。
  • 通过已发布接口进行波动率快照相关的专题功能。

适用场景

  • 整理一项股票研究中的基本面、市场情绪、风险及支持与反对证据。

  • 比较期权候选方案,并梳理资金、到期和指派风险。

  • 围绕大宗商品供应链瓶颈查阅专题参考方法。

  • 对研究资料进行归纳,形成结构化报告。

用之前和用之后

  • 研究资料和事实可能分散可借助相关 Skill 进行整理并形成结构化报告。
  • 期权比较可能忽略部分风险项可按资料所述梳理评分组成、资金、到期和指派风险。
  • 容易把专题参考方法误认为接口执行能力可先区分方法参考与实际 API 请求。

它是怎么工作的

  1. 第 1 步

    选择研究主题

  2. 第 2 步

    整理资料与证据

  3. 第 3 步

    形成结构化结果

快速上手

安装与复制命令见“安装方式”。

  1. 1

    根据研究问题选择相应主题的 Skill。

  2. 2

    查看对应 Skill 文件中的具体说明和适用范围。

  3. 3

    准备研究所需的资料或输入;具体输入要求需以 Skill 文件为准。

  4. 4

    如涉及接口或 Python runner,先核对该 Skill 文件中的执行要求和访问条件。

适合谁

  • 需要整理金融市场研究资料的用户。
  • 关注股票、期权或大宗商品专题分析的研究者。
  • 希望借助 AI Agent 形成结构化研究内容的用户。

局限

  • 采集资料未提供各 Skill 的详细步骤、输入和输出定义。
  • 部分专题条目只适合研究参考,不能据此认定可执行 API 请求。
  • 旧接口的外部 API 密钥访问未在当前发布版本中提供。
  • 期权与股票研究条目的资料要求使用随附 Python runner,具体执行条件需查看源文件。

使用前注意

  • · 研究结果涉及市场信息,使用前应核对资料来源、时效和事实依据。
  • · 若使用期权或股票研究条目,需回到对应源文件确认 Python runner 的运行方式,并避免将演示结果当作真实结果。
  • · 若条目描述的是专题参考方法,不要将其误认为可执行 API 请求;外部 API 密钥访问条件需逐项核验。

包含的 Skills · 27

公开来源

相关 Skills

查看更多