SKILLEMALL.ai

AC china-stock-quant

Набор инструментов для количественного анализа акций A-share. Используйте, когда пользователь хочет анализировать китайские акции, тестировать торговые стратегии на исторических данных, рассчитывать технические индикаторы (MACD/KDJ/RSI/Bollinger), реализовывать стратегии внутридневной торговли ETF (сеточная торговля, пересечение скользящих средних, волатильность), получать рыночные данные по акциям A-share/ETF или проводить оценку рисков (максимальная просадка, коэффициент Шарпа). Триггеры: A股分析, 量化交易, ETF做T, 技术指标, 回测, stock analysis, quantitative trading, MACD, KDJ, RSI, 布林带, 网格交易, akshare, 选股策略, backtest.

машинный переводПоказать оригиналСкрыть оригинал«A-share quantitative analysis toolkit. Use when user wants to analyze…»

A-share quantitative analysis toolkit. Use when user wants to analyze Chinese stocks, backtest trading strategies, calculate technical indicators (MACD/KDJ/RSI/Bollinger), implement ETF day-trading strategies (grid trading, MA crossover, volatility), fetch A-share/ETF market data, or perform risk assessment (max drawdown, Sharpe ratio). Triggers on: A股分析, 量化交易, ETF做T, 技术指标, 回测, stock analysis, quantitative trading, MACD, KDJ, RSI, 布林带, 网格交易, akshare, 选股策略, backtest.

ClawHub Agent Skills автор: Miio-Jinglin v1.0.0 MIT-0 7 файлов тело ≈ 542 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Набор инструментов для количественного анализа акций A-share.

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 59/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 5
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 542 токенов
    • 100Повторный запуск. Изменяющих операций нет

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 470 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 5 пунктов
    • +4Есть примеры (6 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 3 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    This is a disclosed China A-share/ETF analysis and backtesting skill with no evidence of hidden access, credential use, live trading, persistence, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.