Token导航 LogoToken导航TokenDH.com
效率需要联网clawhub未标认证来源可访问clear审计通过

market-data-hub市场数据中心

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

9,011

周安装

361

GitHub Stars

公开资料未说明

下载量

2,917
OpenClaw

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

2

许可证

MIT-0

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:market-data-hub(市场数据中心)
来源仓库:https://github.com/paul1989889/market-data-hub
安装命令:
openclaw skills install market-data-hub
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 OpenClaw 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。

ClawHubOpenClaw
openclaw skills install market-data-hub

简介

提供多源实时和历史中国股市数据,含技术指标计算和自动限速。

  • 适合在 OpenClaw 中进行量化分析和图表准备。
  • 安装命令:openclaw skills install market-data-hub,通过 clawhub 安装。
  • 使用前需确认字段含义、时间范围和导出权限。
  • 涉及敏感数据时应进行脱敏处理并遵守合规要求。

SKILL.md

Market Data Hub - 股票行情数据获取技能

![Python 3.8+](https://www.python.org/downloads/)

一个功能强大的股票行情数据获取技能,支持多数据源、自动限流、故障切换和技术指标计算。

功能特性

  • 多数据源支持

- 腾讯财经:实时行情,速度快 - AKShare:A股完整数据,功能全面 - Baostock:高质量历史数据,复权因子

  • 智能限流与重试

- 漏斗桶(Token Bucket)限流算法 - 指数退避重试策略 - 熔断器保护机制

  • 自动故障切换

- 主数据源失败自动切换备用源 - 可配置的优先级策略

  • 丰富的技术指标

- 移动平均线(MA/EMA/WMA) - MACD指标 - RSI相对强弱指标 - 布林带(Bollinger Bands) - KDJ随机指标

安装依赖

pip install -r requirements.txt

主要依赖:

  • akshare>=1.10.0 - AKShare数据接口
  • baostock>=0.8.8 - Baostock数据接口
  • pandas>=1.5.0 - 数据处理
  • requests>=2.28.0 - HTTP请求

快速开始

from src import MarketDataHub

# 创建实例
hub = MarketDataHub()

# 获取实时行情
quote = hub.get_realtime_quote('300502')  # 新易盛
print(f"当前价格: {quote['price']}")
print(f"涨跌幅: {quote['change_pct']}%")

# 获取K线数据
df = hub.get_kline('300502', period='day', start_date='2024-01-01')
print(df.head())

API文档

MarketDataHub

初始化参数

hub = MarketDataHub(
    rate_limits=None,           # 自定义限流配置
    source_priority=None,       # 数据源优先级
    enable_rate_limit=True,     # 是否启用限流
    enable_retry=True,          # 是否启用重试
    enable_circuit_breaker=True # 是否启用熔断器
)

获取实时行情

quote = hub.get_realtime_quote(
    symbol='300502',    # 股票代码
    source='auto'       # 数据源:'auto', 'tencent', 'akshare', 'baostock'
)

返回数据示例:

{
    "symbol": "300502",
    "name": "新易盛",
    "price": 125.80,
    "change": 5.20,
    "change_pct": 4.31,
    "volume": 15234500,
    "amount": 1914829000,
    "open": 120.50,
    "high": 128.00,
    "low": 119.80,
    "pre_close": 120.60,
    "timestamp": "2024-01-15T10:30:00",
    "source": "tencent"
}

获取K线数据

df = hub.get_kline(
    symbol='300502',
    period='day',           # 周期:'day', 'week', 'month'
    start_date='2024-01-01',
    end_date='2024-03-01',
    source='auto'
)

批量获取行情

quotes = hub.get_batch_quotes(
    symbols=['300502', '600519', '000858'],
    source='tencent'
)

获取资金流向

flow = hub.get_capital_flow('300502')
print(f"主力净流入: {flow['main_inflow']}")
print(f"散户净流入: {flow['retail_inflow']}")

获取龙虎榜

df = hub.get_lhb_data(trade_date='2024-01-15')

技术指标计算

移动平均线

# 计算MA5, MA10, MA20, MA60
df = hub.calculate_ma(df, periods=[5, 10, 20, 60])

# 计算EMA
df = hub.calculate_ma(df, periods=[12, 26], ma_type='ema')

# 计算WMA
df = hub.calculate_ma(df, periods=[10], ma_type='wma')

MACD

df = hub.calculate_macd(
    df,
    fast_period=12,
    slow_period=26,
    signal_period=9
)
# 输出列: MACD_DIF, MACD_DEA, MACD_HIST, MACD_golden_cross, MACD_death_cross

RSI

df = hub.calculate_rsi(df, period=14)
# 输出列: RSI, RSI_oversold, RSI_overbought

布林带

df = hub.calculate_bollinger_bands(
    df,
    period=20,
    std_multiplier=2.0
)
# 输出列: BB_MIDDLE, BB_UPPER, BB_LOWER, BB_WIDTH, BB_percent_b

KDJ

df = hub.calculate_kdj(df, n_period=9)
# 输出列: KDJ_K, KDJ_D, KDJ_J, KDJ_golden_cross, KDJ_death_cross

计算所有指标

df = hub.get_all_indicators(df)
# 包含所有上述指标

限流配置

默认限流配置:

rate_limits = {
    'akshare': {'rate': 0.5, 'capacity': 10},   # 每2秒1次,突发10次
    'tencent': {'rate': 2.0, 'capacity': 20},   # 每秒2次,突发20次
    'baostock': {'rate': 1.0, 'capacity': 10}   # 每秒1次,突发10次
}

hub = MarketDataHub(rate_limits=rate_limits)

数据源优先级

默认优先级:['baostock', 'tencent', 'akshare']

  • Baostock: 数据质量高,历史数据完整,优先使用
  • 腾讯: 实时性好,适合获取最新行情
  • AKShare: 功能全面,作为备选
# 使用默认优先级
hub = MarketDataHub()

# 或自定义优先级
hub = MarketDataHub(
    source_priority=['baostock', 'tencent', 'akshare']
)

# 自动模式下按优先级尝试
quote = hub.get_realtime_quote('300502', source='auto')

使用统计

stats = hub.get_usage_stats()
print(f"腾讯请求次数: {stats['requests']['tencent']}")
print(f"失败次数: {stats['failures']['tencent']}")

测试运行

# 运行所有测试
python -m pytest tests/ -v

# 运行特定测试
python tests/test_market_data_hub.py
python tests/test_strategies.py
python tests/test_limiter.py
python tests/test_indicators.py

文件结构

market-data-hub/
├── SKILL.md                    # 本文件
├── requirements.txt            # 依赖包
├── example.py                  # 示例脚本
├── src/
│   ├── __init__.py
│   ├── market_data_hub.py      # 主入口类
│   ├── strategies/
│   │   ├── __init__.py
│   │   ├── base_strategy.py    # 策略基类
│   │   ├── akshare_strategy.py
│   │   ├── tencent_strategy.py
│   │   └── baostock_strategy.py
│   ├── limiter/
│   │   ├── __init__.py
│   │   └── token_bucket.py     # 漏斗桶限流
│   ├── retry/
│   │   ├── __init__.py
│   │   └── retry_strategy.py   # 重试策略
│   └── indicators/
│       ├── __init__.py
│       ├── moving_average.py
│       ├── macd.py
│       ├── rsi.py
│       ├── bollinger.py
│       └── kdj.py
└── tests/
    ├── test_market_data_hub.py
    ├── test_strategies.py
    ├── test_limiter.py
    └── test_indicators.py

注意事项

  1. 数据源可用性

- AKShare需要安装 pip install akshare - Baostock需要安装 pip install baostock - 腾讯接口无需额外依赖

  1. 网络限制

- 部分数据源可能有IP频率限制 - 建议启用限流功能

  1. 数据质量

- 历史数据:Baostock > AKShare - 实时行情:腾讯 > AKShare - 资金流向:仅AKShare支持

  1. 默认优先级

- Baostock(数据质量高)> 腾讯(实时性好)> AKShare(备选)

  1. 股票代码格式

- 支持纯数字代码:'300502' - 自动识别交易所 - 支持带前缀:'sz300502', 'sh600519'

许可证

MIT License

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

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

补充不同宿主或平台的使用分布数据

能力 5

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

OpenClaw

86.87%
按下载量换算2,534

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

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。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

继续浏览同类 Skills