# Financial Data Analysis

> 金融时间序列分析方法工具箱。覆盖股票 / 商品期货 / 加密货币 / ETF / 外汇 / 指数，从数据获取到高阶分析全流程。内置 70+ 分析方法，涵盖时间序列检验、预测建模、跨资产关系、波动率风险、组合优化、状态识别、商品专项和网络分析 8 大方法域。数据获取优先使用 tushare MCP tool（A股/港股/美股/期货/基金/宏观），商品期货(CL=F)、加密(BTC-USD)等 tushare 未覆盖资产用 yfinance 脚本补充。

- Skill: `kirkluokun/financial-data-analysis` (Agent Skill, multi-file: 15 files)
- Install (CLI): `npx skillmds@latest add kirkluokun/financial-data-analysis`
- Raw SKILL.md: https://api.skillmd.com/api/skills/kirkluokun/financial-data-analysis/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: kirkluokun (https://skillmd.com/u/kirkluokun)
- Updated: 2026-09-09
- Page: https://skillmd.com/skills/kirkluokun/financial-data-analysis

---


# 📊 金融时间序列分析工具箱

覆盖股票 / 商品期货 / 加密货币 / ETF / 外汇 / 指数的综合数据分析方法工具箱。

## 数据获取策略

| 资产类型                 | 数据源                          | 方式                                          |
| ------------------------ | ------------------------------- | --------------------------------------------- |
| A股行情/财务/指数        | **Tushare MCP**                 | `tushare_daily`, `tushare_income` 等 MCP tool |
| A股期货                  | **Tushare MCP**                 | `tushare_fut_daily`, `tushare_fut_holding` 等 |
| 港股/美股                | **Tushare MCP**                 | `tushare_hk_daily`, `tushare_us_daily`        |
| 宏观经济                 | **Tushare MCP**                 | `tushare_cn_gdp`, `tushare_shibor` 等         |
| 国际商品期货(WTI/黄金等) | **yfinance**                    | `scripts/data_fetcher.py`                     |
| 加密货币                 | **yfinance**                    | `scripts/data_fetcher.py`                     |
| 外汇                     | **Tushare MCP** 或 **yfinance** | 视具体币种                                    |
| 全球指数                 | **Tushare MCP** 或 **yfinance** | `tushare_index_global` / yfinance             |

> **规则**：调用 tushare MCP tool 前必须先 `ToolSearch("+tushare <关键词>")` 加载。
> tushare tool 完整索引见 `stock-tushare-pro-mcp` skill 的 `reference/tool-index.md`。

## 分析方法路由

根据用户意图，阅读对应 `references/methods/` 文档后执行分析：

| 用户意图关键词                              | 参考文档                                             | 可用脚本                      |
| ------------------------------------------- | ---------------------------------------------------- | ----------------------------- |
| 平稳性、趋势检验、序列分解、结构断裂、Hurst | `references/methods/01_time_series_fundamentals.md`  | `scripts/analysis_toolkit.py` |
| 价格预测、ARIMA、Prophet、VAR               | `references/methods/02_forecasting.md`               | `scripts/analysis_toolkit.py` |
| 相关性、协整、因果关系、领先滞后            | `references/methods/03_cross_asset_relationships.md` | `scripts/analysis_toolkit.py` |
| 波动率、GARCH、VaR、尾部风险                | `references/methods/04_volatility_and_risk.md`       | `scripts/analysis_toolkit.py` |
| 组合优化、因子分析、风险平价、有效前沿      | `references/methods/05_portfolio_and_factor.md`      | `scripts/analysis_toolkit.py` |
| 市场状态、regime、周期、小波                | `references/methods/06_regime_and_structure.md`      | `scripts/analysis_toolkit.py` |
| 商品季节性、价差、期限结构、contango        | `references/methods/07_commodity_specific.md`        | `scripts/analysis_toolkit.py` |
| 网络分析、信息流、聚类、MST                 | `references/methods/08_network_and_information.md`   | `scripts/analysis_toolkit.py` |
| 技术指标（MA/RSI/MACD/KDJ/布林带）          | `references/methods/01_time_series_fundamentals.md`  | `scripts/indicators.py`       |
| 图表绘制、可视化                            | `references/visualization_cookbook.md`               | —                             |
| 报告格式                                    | `references/output_templates.md`                     | —                             |

## 执行流程

```
1. 识别用户意图 → 查上方路由表
2. 读取对应 references/methods/ 文档 → 选择合适方法
3. 获取数据：tushare MCP tool（优先）或 scripts/data_fetcher.py
4. 执行分析：scripts/analysis_toolkit.py 或 scripts/indicators.py
5. 生成图表：参照 references/visualization_cookbook.md
6. 输出报告：按 references/output_templates.md 格式
```

## 约束

### MUST
- 标注数据获取时间和来源（tushare / yfinance）
- 每份报告附免责声明
- 分析前检查序列平稳性（适用时）
- 异常值标注和处理

### MUST NOT
- ❌ 给出确定性收益承诺
- ❌ 伪造或编造数据
- ❌ 忽略风险提示
- ❌ 数据缺失时猜测关键指标

## 输出存储规范

### 输出目录

默认根目录为 `{output_dir}`（由 input-variables 配置，默认 `{workspace}/data/analysis/`）。

```
{output_dir}/
├── reports/        # 分析报告 (.md)
├── charts/         # 图表文件 (.png)
├── datasets/       # 中间数据集 (.csv)
└── temp/           # 临时数据（可清理）
```

### 文件命名

```
{类型}_{标的}_{日期}.{格式}
```

示例：
- `report_CU_20260306.md`
- `chart_AAPL_seasonal_20260306.png`
- `dataset_corr_matrix_20260306.csv`

### 输出规则

| 数据量        | 处理方式                              |
| ------------- | ------------------------------------- |
| < 20 行       | 直接在对话中展示，不存文件            |
| >= 20 行      | 存入 `datasets/`，返回文件路径 + 摘要 |
| 图表          | 存入 `charts/`，在对话中内嵌展示      |
| 分析报告      | 存入 `reports/`，返回完整报告         |
| 临时/中间数据 | 存入 `temp/`，提醒用户可清理          |

> **与 tushare skill 协作**：原始行情数据存储遵循 tushare skill 的 `output-storage.md` 规范（`{workspace}/data/tushare/`），
> 本 skill 的 `{output_dir}` 只存分析结果，不存原始数据，避免重复。

## 参数使用

所有可配置参数通过 `input-variables` 声明，AI 在执行时按如下优先级获取值：

1. 用户在对话中明确指定 -> 最高优先
2. `input-variables` 中的 `default` 值 -> 兜底

```
# 用户说 "把分析结果存到 ~/Desktop/analysis"
-> output_dir = ~/Desktop/analysis

# 用户说 "分析铜价"
-> output_dir = {workspace}/data/analysis (使用默认值)
-> default_period = 1y (使用默认值)
```