金融技能合集

技能文档

---
name: finance-skills
title: 金融技能合集
category: 办公效率
description: "提供金融建模、市场数据分析、风险评估、量化金融等综合能力。当用户需要获取金融数据、分析财务报表、构建量化模型、优化投资组合、评估金融风险时触发。触发词：金融分析、财务建模、风险评估、量化金融、投资组合、期权分析"
---

# 金融技能合集

集成八大金融分析能力，覆盖数据获取、数据分析、深度研究、期权定价、投资组合优化、量化建模、风险建模与学术研究。根据用户需求自动匹配最合适的分析路径。

## 技能工作流

### 步骤1：需求识别

根据用户描述判断所属金融分析方向：

| 方向 | 适用场景 |
|------|----------|
| 金融数据获取 | 需要获取 A 股、港股、美股及宏观经济数据 |
| 财务数据分析 | 需要清洗、处理和分析金融数据集 |
| 深度金融研究 | 需要多智能体协作完成深度金融调研 |
| 期权分析 | 需要期权定价、Greeks 计算与策略分析 |
| 投资组合优化 | 需要资产配置、组合理论与优化算法 |
| 量化金融建模 | 需要金融模型构建、衍生品定价 |
| 风险建模 | 需要 VaR 计算、压力测试、信用风险评估 |
| 学术研究 | 需要 Stata 进行会计与金融实证研究 |

### 步骤2：数据获取与分析

根据识别的方向执行对应分析流程：

**金融数据获取**：使用 AkShare Python 库获取中国及全球金融市场数据，支持股票、基金、期货、外汇、宏观经济等多种数据类型。

**财务数据分析**：对金融数据进行获取、清洗与探索性分析，包括数据清洗、缺失值处理、异常值检测、统计描述与可视化。

**深度金融研究**：采用多智能体协作体系，对特定金融主题进行深度调研，输出结构化研究报告。

### 步骤3：量化建模与风险评估

**期权分析**：
- 期权定价模型（Black-Scholes、二叉树、蒙特卡洛）
- Greeks 计算与解读（Delta、Gamma、Theta、Vega、Rho）
- 期权策略构建与收益分析

**投资组合优化**：
- 现代投资组合理论（MPT）与有效前沿
- 均值-方差优化与 Black-Litterman 模型
- 风险平价与最小方差策略

**量化金融建模**：
- 金融时间序列分析（ARIMA、GARCH）
- 衍生品定价与对冲策略
- 因子模型与 alpha 研究

### 步骤4：风险建模与报告

**风险建模**：
- 在险价值（VaR）：历史模拟法、参数法、蒙特卡洛法
- 压力测试与情景分析
- 信用风险模型（KMV、CreditMetrics）

**学术研究支持**：
- 使用 Stata 进行实证会计与金融研究
- Fama-MacBeth 回归、事件研究法
- 面板数据处理与固定效应模型

### 步骤5：结果输出

将分析结果整理为结构化输出：
- 数据表格与可视化图表
- 关键指标摘要与结论
- 风险提示与建议

## 禁止事项

- 不提供具体投资建议或荐股
- 不保证分析结果的准确性和时效性
- 不替代持牌金融机构的专业服务

使用说明

# 金融技能合集

集成八大金融分析能力，覆盖数据获取、量化建模、风险评估与投资组合优化。

## 使用

```text
帮我分析沪深300成分股的风险价值
构建一个均值-方差优化的投资组合
用 Black-Scholes 模型对某期权定价
```

## 工作原理

根据用户需求自动识别金融分析方向，依次完成数据获取、量化建模、风险评估，最终输出结构化分析报告。

## 覆盖方向

- 金融数据获取（AkShare）
- 财务数据分析与清洗
- 深度金融研究
- 期权定价与策略分析
- 投资组合优化
- 量化金融建模
- 风险建模（VaR、压力测试）
- 学术实证研究（Stata）

如何安装此技能？

访问技能市场，点击「安装」按钮，按提示将技能包放入 AI 编程助手的 skills 目录即可。