Finance Quant Skills

一个面向金融量化交易领域的 Claude Skills 技能维护仓库，基于 Agent Skills 标准构建。

一、目录结构

本仓库维护金融量化交易相关的 Skills，涵盖量化策略开发、金融数据分析、交易框架文档查询等场景。每个 Skill 位于独立文件夹中，包含 SKILL.md 指令等文件。

finance-quant-skills/
├── skills/              # 量化交易相关的 Skills 集合
│   ├── akquant/         # AKQuant 框架量化策略开发（事件驱动、风控与优化）
│   ├── akshare/    # AKShare 开源金融数据接口（股票/期货/基金/加密货币等）
│   ├── backtrader/      # Backtrader 开源量化回测框架
│   ├── baostock/        # BaoStock A股数据平台（免费行情、K线、财务数据）
│   ├── jqdatasdk/       # 聚宽数据接口（A股行情、财务、因子数据）
│   ├── joinquant-docs/  # 聚宽官网策略开发文档（回测/模拟/API/因子/技术指标）
│   ├── miniqmt/         # MiniQMT 迅投量化交易接口（XtQuant，支持交易下单）
│   ├── pywencai/        # 同花顺问财数据查询（中文自然语言查询）
│   ├── qmt-docs/        # QMT 策略开发指南与 API 参考文档
│   ├── rqalpha/         # RQAlpha 米筐开源回测框架（A股/期货）
│   ├── tdxquant/        # 通达信量化数据获取（行情/K线/财务/板块/公式执行）
│   └── tushare/         # Tushare 数据接口（A股行情、财务、宏观数据）
├── template/            # Skill 模板
└── .claude-plugin/      # Claude Code 插件配置

二、Skills 安装

请根据你的使用场景选择合适的安装方式：

2.1 方式一：让 AI Agent 帮助安装

以对话的形式告诉 Agent 智能体，如 OpenClaw：

帮我安装这个 skills 仓库中的所有技能: https://github.com/lzwme/finance-quant-skills

>

帮我安装这个 skills 仓库中的 qmt-docs 技能: https://github.com/lzwme/finance-quant-skills

2.2 方式二：在 Claude Code 中安装使用

将该仓库注册为 Claude Code Plugin marketplace：

/plugin marketplace add lzwme/finance-quant-skills

然后安装指定的 Skills 插件：

/plugin install quant-skills@finance-quant-skills
/plugin install quant-docs@finance-quant-skills

也可以通过界面操作：选择 Browse and install plugins → finance-quant-skills → 选择插件 → Install now。

安装后，直接描述需求即可触发对应 Skill，例如："使用 QMT 文档 Skill 查询如何通过 Python 调用交易接口"。

2.3 方式三（推荐）：使用 npx skills 工具为智能体安装技能

# 查看帮助
npx skills --help

# 查看当前项目下已安装的技能
npx skills list
# 查看已全局安装的技能
npx skills list -g
# 更新已安装的技能
npx skills update

# 安装当前仓库技能
npx skills add lzwme/finance-quant-skills

2.4 安装技巧：以软连接形式支持多编程智能体工具

不同编程智能体的 skills 目录规范有所不同。当我们在多个编程工具之间切换使用时，需要配置多个 skills 目录。

通过软连接和 .gitignore 配置，可以将 skills 目录链接到多个编程工具的 skills 目录中，如此则仅在源目录维护更新文件即可。

创建软连接的命令示例如下：

# 假若在 agents/skills 中维护 skills
# 创建 .cluade、.cursor 的 skills 软连接

# macOS/Linux 下
ln -s agents/skills .cluade/skills
ln -s agents/skills .cursor/skills

# windows powershell 下（其中的 Junction 也可换为 SymbolicLink，但需管理员权限执行）
New-Item -ItemType Junction -Path .cluade/skills -Target <绝对路径>/agents/skills
New-Item -ItemType Junction -Path .cursor/skills -Target <绝对路径>/agents/skills

.gitignore 配置示例如下：

# 假若仅在 .agents/skills 中维护 skills
# 忽略 .cluade、.cursor 等目录下的 skills 软连接
.cluade/skills
.cursor/skills
.codebuddy/skills

三、Skills 使用示例

本项目共包含 12 个 Skills，按功能分为三大类：数据获取、回测框架、策略开发与文档。安装后，直接向 AI 助手描述需求即可自动触发对应 Skill。

📈 3.1 数据获取

#### 1. 获取 A 股历史 K 线（BaoStock — 免费、无需注册）

帮我用 baostock 获取贵州茅台 2025 年全年的日 K 线数据，前复权

• 适用场景：A 股历史行情、财务报表、指数成分股、交易日历
• 关键参数：代码格式 sh.600519 / sz.000001，支持 --adjust 2（前复权）

#### 2. 获取全品类金融数据（AKShare — 免费、无需注册）

帮我用 akshare 查看沪深 300 ETF（510300）的实时行情 帮我用 akshare 获取中国 2025 年 GDP 宏观数据 帮我用 akshare 查询 BTC/USDT 的加密货币价格

• 适用场景：股票/期货/期权/基金/外汇/债券/加密货币/宏观经济
• 关键参数：python scripts/stock_data.py --type hist --symbol 600519 --start 20250101

#### 3. 自然语言选股查询（PyWenCai — 同花顺问财）

帮我用问财查询"市盈率小于 20 且 ROE 大于 15% 的股票"

• 适用场景：用中文自然语言筛选 A 股/指数/基金/港股/可转债
• 前置要求：需配置问财 Cookie（环境变量 WENCAI_COOKIE）

#### 4. 通达信量化数据（TdxQuant — 需客户端）

帮我用通达信查看贵州茅台的实时行情和 K 线数据 帮我用通达信执行 MACD 公式，参数 12,26,9

• 适用场景：A 股行情快照、K 线、专业财务、板块成分股、新股/可转债、通达信公式执行、交易下单
• 前置要求：需安装并启动通达信金融终端（支持 TQ 策略功能）
• 关键参数：代码格式 600519.SH，财务字段如 --fields fn193,fn197

#### 5. MiniQMT 行情与交易（XtQuant — 需客户端）

帮我用 miniqmt 订阅贵州茅台的实时行情 帮我用 miniqmt 查询持仓并下单买入 100 股平安银行

• 适用场景：实时行情订阅、K 线数据、财务数据、股票/期货/期权交易下单及撤单
• 前置要求：需安装并启动迅投 MiniQMT 客户端
• 关键参数：代码格式 600519.SH，周期 1d/1m/tick

#### 6. 聚宽数据（JQData — 需 Token）

帮我用聚宽获取招商银行 2025 年的财务指标和估值因子

• 适用场景：本地 Python 环境获取 A 股行情、财务指标、因子数据（估值/动量/质量等）
• 前置要求：需注册聚宽账号并配置 Token（环境变量 JQDATA_TOKEN）
• 关键参数：代码格式 600036.XSHG（上海）/ 000001.XSHE（深圳）
• 与 joinquant-docs 的区别：jqdatasdk 用于财经数据拉取；joinquant-docs 用于官网策略编写与 API 查阅

#### 7. Tushare 数据（需 Token）

帮我用 tushare 获取上证指数 2025 上半年的日线数据和宏观数据

• 适用场景：A 股行情、财务报表（利润表/资产负债表/现金流）、指数、Shibor 等宏观数据
• 前置要求：需注册 Tushare Pro 并配置 Token（环境变量 TUSHARE_TOKEN）
• 关键参数：代码格式 000001.SZ / 600036.SH

🔬 3.2 策略回测框架

#### 8. Backtrader 回测（开源、纯 Python）

帮我用 backtrader 写一个双均线交叉策略，回测贵州茅台 2025 年数据，计算夏普比率和最大回撤

• 适用场景：事件驱动回测、内置 100+ 技术指标、参数优化（网格搜索）、绩效分析
• 核心概念：Cerebro（引擎）、Strategy（策略）、Analyzer（分析器）、指标在 __init__ 中定义，交易逻辑在 next 中编写
• 组合使用：可配合 baostock/akshare Skill 先获取数据，再回测

#### 9. RQAlpha 回测（米筐开源、模块化）

帮我用 rqalpha 写一个期货双均线 CTA 策略，回测沪深 300 期货 IF2401

• 适用场景：A 股和期货回测、Mod 插件系统扩展、内置数据包 download-bundle
• 核心概念：init（初始化）、handle_bar（K 线触发）、scheduler 定时调度
• 特色：支持代码格式 IF2401.CCFX，期货专用下单函数 buy_open / sell_close

🛠 3.3 策略开发与文档

#### 10. AKQuant 策略开发框架

帮我用 akquant 写一个横截面动量轮动策略，在沪深 300 成分股中每月调仓

• 适用场景：量化策略开发（事件驱动）、风控规则配置、参数优化（Walk-Forward）、横截面策略
• 核心概念：Strategy 基类、on_bar/on_timer 回调、RiskConfig 风控
• 环境要求：Python 3.10+ / Windows，推荐使用 uv 管理项目环境

#### 11. QMT 策略开发文档

帮我查看 QMT 的交易 API 参考文档 帮我用 QMT 写一个 handlebar 驱动的双均线策略

• 适用场景：查阅 QMT（迅投极速策略交易系统）完整开发指南、API 参考、代码示例
• 核心内容：系统概述、回测/实盘指南、行情/交易 API、数据字典、聚宽迁移指南
• 执行机制：handlebar（K 线驱动）、subscribe（事件驱动）、run_time（定时触发）

#### 12. 聚宽策略开发文档

帮我用聚宽写一个沪深 300 成分股均线轮动策略 帮我查聚宽 get_fundamentals 怎么按市盈率筛选股票

• 适用场景：聚宽官网策略编写、回测、模拟交易、API 与数据字典查阅
• 核心内容：策略骨架（initialize/run_daily）、交易函数、财务查询、行业/概念选股、Alpha 因子、技术指标
• 文档来源：离线同步聚宽官方 API 文档（api.md、data/*.md、faq.md 等）
• 关键参数：代码格式 600519.XSHG / 000001.XSHE，建议 set_option('use_real_price', True)

💡 3.4 典型组合使用场景

四、开发

4.1 什么是 Skills？

Skills 是由指令、脚本和资源组成的文件夹，Claude 会动态加载它们以提升在专业任务上的表现。Skills 教会 Claude 如何以可重复的方式完成特定任务——例如按照量化策略流程编写交易程序、分析金融数据、自动化研报处理等。

• 什么是 Skills？
• 在 Claude 中使用 Skills
• 如何创建自定义 Skills
• Equipping agents for the real world with Agent Skills

4.2 创建新的 Skill

在 skills/ 目录下新建文件夹，创建 SKILL.md 及相关文档或资源文件即可。模板示例：

---
name: my-quant-skill
description: 描述该 Skill 的功能及适用场景
---

# 技能名称

[在此编写 Claude 激活该 Skill 时应遵循的指令]

## 示例
- 示例用法 1
- 示例用法 2

## 规则
- 规则 1
- 规则 2

Frontmatter 必填字段：

• name — 唯一标识符（小写，用连字符分隔）
• description — 功能描述，说明该 Skill 做什么以及何时使用

五、量化金融相关资源参考

5.1 量化金融相关 Skills

• 东方财富妙想：
• https://ai.eastmoney.com/mxClaw
• https://clawhub.ai/u/Financial-AI-Analyst
• 量化相关 Skill 集合：
• https://github.com/openclaw/skills/tree/main/skills/coderwpf
• https://clawhub.ai/u/coderwpf
• 聚宽策略开发 Skill：https://clawhub.ai/daidaotian/joinquant-strategy
• 基于富途 OpenAPI 的股票行情 Skill：https://clawhub.ai/shuizhengqi1/futu-stock

优质 Skills 资源：

• anthropics/skills
• The open agent skills tool - npx skills
• https://skills.sh Vercel 推出的 Skills 聚合站，包含大量开源 Skills，能够按 24 小时热度、官方认证等多种方式快速检索。
• http://clawhub.ai OpenClaw 官方 Skills 集合站。

5.2 量化交易资源列表

• Awesome Quant 收集整理学习和使用涉及的高质量量化交易资源列表，以便于快速索引查找。

License

This project is released under the MIT license.

This project is developed and maintained by Zhiwen Studio.