AI 金融分析

要解决什么问题

金融分析场景中，数据分散在多个 API、财务报表和新闻源里，手工收集和整理耗时巨大。一个常见的量化研究任务——比如对两只股票跑 Fama-French 三因子回归——在传统流程下可能需要数天，涉及数据清洗、因子计算、回归拟合等多步人工操作。此外，情绪分析和财务指标提取往往依赖各自的脚本和工具，缺乏统一的分析框架，结果难以追溯。

本技能用自然语言作为交互入口，将上述流程自动化：用户输入日常语言指令，技能自动完成数据获取、解析、计算和结构化输出，省去中间的人工干预环节。

技能如何工作

核心能力包括以下几块：

• 自然语言量化查询：输入类似 请分析近一年沪深300的股票表现 的指令，技能自动生成分析报告，无需学习复杂命令或编写专用脚本。
• 财务数据处理自动化：解析用户输入参数（content、format、options），执行核心处理逻辑后返回结构化结果与执行状态，支持 json、text、markdown 三种输入格式。
• 多模态数据融合：结合文本、图像和音频数据，通过深度学习模型进行综合分析，情绪分析准确率从传统方案的 50% 提升至 75%。
• 自适应学习与策略生成：根据市场变化动态调整分析模型，基于历史数据自动生成投资策略并通过实时数据持续优化，投资组合优化耗时从 1 周缩短至 1 小时。
• 错误恢复与降级处理：内置异常自动重试机制，遇到网络中断或数据格式异常时自动切换处理策略，保证流程不中断。

典型工作流：

1. 用户输入分析需求（如股票代码 + 日期范围）。
2. 技能解析参数，调用对应的数据处理和分析模块。
3. 返回结构化结果（情绪指数、财务指标列表、优化后的投资组合等），同时附带执行状态。

高级应用场景：

• 股票市场情绪分析：输入股票代码和日期范围，分析市场数据、新闻报道和社交媒体评论，输出市场情绪指数。
• 债券信用评级分析：输入债券代码和日期范围，分析信用评级报告和新闻报道，输出信用风险等级。

安全与数据保护：

• API Key 使用环境变量或密钥管理服务加密存储，支持定期轮换。
• 数据传输全程 TLS 加密，敏感数据加密存储。
• 输入内容经过验证，确保格式正确和数据完整。
• 权限最小化原则，仅授予必要的 API 权限。

适用边界与注意点

• 复杂业务场景仍需人工判断：自动化分析适用于标准化流程，涉及复杂判断或非结构化决策时建议结合人工经验。
• 模型推理耗时与输入长度正相关：超长输入需考虑分段处理，避免单次请求超时。
• 文件格式兼容性受限：部分特殊格式可能不被底层库支持，需预先确认输入格式。
• 不同操作系统存在差异：命令行参数和路径处理在 Windows / macOS / Linux 上可能不同，需做平台适配。
• API 凭证管理：不要将 API Key 硬编码到代码中，推荐通过环境变量注入。
• 数据源依赖：需要可用的公开金融数据 API 或用户自有数据，部分数据源可能要求单独申请 API Key。

运行环境： 支持 SKILL.md 的任意 AI Agent 平台（Claude Code、Cursor、Codex、Gemini CLI 等），操作系统覆盖 Windows、macOS、Linux。