研究检索敏感数据github未标认证来源可访问许可证需确认审计提醒

findata-toolkit-us（查找我们的工具包）

Agent Skill

用于辅助数据整理、表格处理、CSV/Excel 分析、指标计算和图表准备。它适合让 Agent 清洗字段、汇总数据、发现异常、生成统计口径或把分析结果转成可读说明。使用时需要确认数据来源、字段含义和时间范围，避免把样本数据当全量事实；涉及敏感数据、导出文件或批量写回时，应先确认权限和脱敏边界。

总安装

1,098

周安装

GitHub Stars

127

下载量

356

CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明和来源信息，不托管安装包，也不代用户安装。

GitHub

来源数

许可证

unknown

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。

请帮我安装这个 Agent Skill：findata-toolkit-us（查找我们的工具包）
来源仓库：https://github.com/geeksfino/finskills
仓库路径：skills/findata-toolkit-us
安装命令：
npx skills add https://github.com/geeksfino/finskills --skill findata-toolkit-us
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill；本站只展示命令，不托管安装包，也不自动执行。

skills.shnpx skills

npx skills add https://github.com/geeksfino/finskills --skill findata-toolkit-us

简介

用于辅助数据整理、表格分析和统计口径生成。

适合清洗字段、汇总数据、发现异常或准备图表素材。
使用时需确认数据来源、字段含义和时间范围，避免误用样本当全量。
涉及敏感数据或批量写回时，应先确认权限和脱敏边界。
findata-toolkit-us 属于研究检索类 Skill，可作为该场景下的辅助能力补充。

SKILL.md

FinData Toolkit — US Market

A self-contained data toolkit providing live financial data and quantitative calculations for US market analysis. All data sources are free and require no API keys.

Setup

Install dependencies (one-time):

pip install -r requirements.txt

Available Tools

All scripts are in the scripts/ directory. Run from the skill root directory.

1. Stock Data (`scripts/stock_data.py`)

Fetch stock fundamentals, price history, and financial metrics via yfinance.

Command	Purpose
`python scripts/stock_data.py AAPL`	Basic company info
`python scripts/stock_data.py AAPL --metrics`	Full financial metrics (valuation, profitability, leverage, growth, analyst consensus)
`python scripts/stock_data.py AAPL --history --period 1y`	OHLCV price history
`python scripts/stock_data.py AAPL --financials`	Income statement, balance sheet, cash flow
`python scripts/stock_data.py AAPL MSFT GOOGL --screen`	Screen stocks against value filters

2. SEC EDGAR (`scripts/sec_edgar.py`)

Fetch insider trading data (Form 4), company filings, and CIK lookups.

Command	Purpose
`python scripts/sec_edgar.py insider AAPL`	Recent insider trades
`python scripts/sec_edgar.py insider AAPL --days 90`	Insider trades in last 90 days
`python scripts/sec_edgar.py filings AAPL --form-type 10-K`	Recent 10-K filings
`python scripts/sec_edgar.py cik AAPL`	Look up CIK number

3. Financial Calculators (`scripts/financial_calc.py`)

DuPont decomposition, Altman Z-Score, Beneish M-Score, Piotroski F-Score, earnings quality, and working capital analysis.

Command	Purpose
`python scripts/financial_calc.py AAPL --all`	All calculations
`python scripts/financial_calc.py AAPL --dupont`	5-factor DuPont decomposition
`python scripts/financial_calc.py AAPL --zscore`	Altman Z-Score (bankruptcy risk)
`python scripts/financial_calc.py AAPL --mscore`	Beneish M-Score (manipulation detection)
`python scripts/financial_calc.py AAPL --fscore`	Piotroski F-Score (financial strength)
`python scripts/financial_calc.py AAPL --quality`	Earnings quality assessment
`python scripts/financial_calc.py AAPL --working-capital`	Working capital & CCC analysis

4. Portfolio Analytics (`scripts/portfolio_analytics.py`)

Portfolio risk analysis: concentration, correlation clusters, VaR/CVaR, stress testing, and health scoring.

Command	Purpose
`python scripts/portfolio_analytics.py --holdings "AAPL:30,MSFT:25,GOOGL:20,AMZN:15,META:10"`	Full health score (0–100)
`... --concentration`	Concentration analysis (HHI, sector)
`... --correlation`	Correlation clusters & EDR
`... --risk`	VaR/CVaR, Sharpe, Sortino, beta
`... --stress`	Historical stress testing (5 scenarios)

5. Factor Screener (`scripts/factor_screener.py`)

Multi-factor stock scoring: value, momentum, quality, low volatility, size, growth.

Command	Purpose
`python scripts/factor_screener.py --universe "AAPL,MSFT,GOOGL,AMZN" --top 5`	Screen custom universe
`python scripts/factor_screener.py --sp500-sample --top 10`	Screen S&P 500 sample
`... --factors value,quality`	Use specific factors only

6. Macro Data (`scripts/macro_data.py`)

US macroeconomic indicators from FRED.

Command	Purpose
`python scripts/macro_data.py --dashboard`	Full macro dashboard
`python scripts/macro_data.py --rates`	Interest rates & yield curve
`python scripts/macro_data.py --inflation`	CPI, PCE, breakevens
`python scripts/macro_data.py --gdp`	GDP & leading indicators
`python scripts/macro_data.py --employment`	Unemployment, payrolls, JOLTS
`python scripts/macro_data.py --cycle`	Business cycle phase assessment

Data Sources

Source	Data	API Key
Yahoo Finance (yfinance)	Stock quotes, financials, history	Not required
SEC EDGAR	Filings, insider trades (Form 4)	Not required
FRED	Macro indicators	Not required

Output Format

All scripts output JSON to stdout for easy parsing. Errors go to stderr.

Configuration

Optional: Edit config/data_sources.yaml to customize rate limits or add API keys for premium data sources.

适合场景

用户想查找某类 Agent Skill 时

需要根据任务场景推荐可安装能力包时

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明，方便继续核验

能力 4

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用；具体调用方式请以来源页面和 README 为准。

平台分布

Codex

34.36%

按下载量换算122

Claude

30.52%

按下载量换算109

Cursor

19.57%

按下载量换算70

Gemini CLI

9.53%

按下载量换算34

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

可疑

权限和风险

敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置，应进入高风险复核队列，默认不自动发布。

安装前确认

本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果，不能写成本站确认安全。当前只有一个来源，正式发布前建议补源仓库或其他目录站核验。

来源信息

GitHub 仓库

github.com

/geeksfino/finskills

SKILL.md 来源

github.com

/geeksfino/finskills/tree/main/skills/findata-toolkit-us

skills-sh

skills.sh

/geeksfino/finskills/findata-toolkit-us

继续浏览同类 Skills

更多研究检索 Skills（73,675）返回 Skills 目录

上一个 Skill

findata-toolkit-cn（findata 工具包 cn）

下一个 Skill

finder（查找器）

finder 用于查找、检索和筛选相关信息，适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。