Un toolkit d'analyse quantitative léger et sans dépendance pour les actions A-shares chinoises, alimenté par les API de Tencent Market Data en temps réel gratuites.
Installer & Télécharger
1. ClawHub CLI
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install a-stock-quant-toolkit
2. Installation manuelle
Copiez le dossier de la compétence dans l'un de ces emplacements
~/.openclaw/skills/ <project>/skills/ Priorité : Espace de travail > Local > Intégré
3. Installation du prompt
Copiez ce prompt dans OpenClaw pour l'installer automatiquement.
Aide-moi à installer a-stock-quant-toolkit via Clawhub. Si Clawhub n'est pas installé, installe-le d'abord (npm i -g clawhub).
Vous préférez télécharger ?
Obtenez les fichiers bruts de la compétence dans une archive ZIP.
Qu'est-ce que Toolkit de Finance Quantitative pour A-Shares ?
Le Toolkit de Finance Quantitative pour A-Shares est une bibliothèque Python complète conçue pour le trading automatisé, le backtesting et l'analyse de marché sur le marché boursier chinois. Construit avec un accent sur la vitesse et l'efficacité, ses modules principaux ne nécessitent aucune dépendance externe, extrayant les cotations de marché en temps réel et les graphiques K-line historiques directement des API de Tencent sans inscription ni API keys.
Intégrer ce toolkit avec Openclaw Skills permet aux agents de codage pilotés par l'IA de récupérer de manière autonome des données de marché, d'effectuer des balayages d'indicateurs techniques, d'évaluer les alertes de trading et de rédiger des rapports de résumé quotidiens. Cela transforme des bases de code quantitatives statiques en moteurs de décision dynamiques assistés par l'IA.
Cas d'utilisation de Toolkit de Finance Quantitative pour A-Shares
- Surveillance des actions en temps réel : Suivez instantanément les actions A-shares chinoises avec une latence inférieure à la seconde et des environnements d'exécution sans dépendances externes.
- Backtesting multi-stratégie : Exécutez jusqu'à 10 modèles de backtesting simultanément sur des prix historiques pré-ajustés pour identifier les niveaux d'entrée/sortie optimisés.
- Analyse de cycle FFT : Calculez des transformées de Fourier rapides sur les prix de clôture historiques pour découvrir les cycles de marché dominants et les suggestions basées sur les cycles.
- Score intelligent des actions : Tirez parti d'un moteur de notation technique multidimensionnel de 60 points pour qualifier automatiquement les actifs boursiers.
- Automatisation par agents IA : Donnez aux agents alimentés par Openclaw Skills la capacité d'exécuter des scans headless, de générer des résumés en markdown et d'évaluer des fusions d'indicateurs techniques personnalisées.
Comment fonctionne Toolkit de Finance Quantitative pour A-Shares
- Récupération directe par API : Le toolkit invoque les modules Python standards sockets/urllib pour récupérer des flux de cotation en temps réel à partir des terminaux financiers de Tencent (qt.gtimg.cn).
- Génération d'indicateurs : Des calculs comme SMA, Bollinger Bands, RSI, KDJ et MACD sont générés sur des segments de données historiques.
- Traitement spectral : Des utilitaires de transformée de Fourier en Python pur identifient les périodes cycliques principales des prix des actions actives.
- Benchmarking de backtest : Des routines de balayage de paramètres testent des variations de modèles de trading standard pour générer des tableaux de matrices de performance.
- Reporting : Des moteurs de compilation automatique formatent les métriques de marché et les retours système en rapports textuels ou en PDF de graphiques K-line visuels.
Configuration de Toolkit de Finance Quantitative pour A-Shares
Le toolkit quantitatif prend en charge une configuration à double environnement d'exécution selon les capacités de votre système.
Installation minimale
Pour la surveillance des prix en temps réel, la notation et les calculs FFT, seul Python 3 standard est requis. Aucun paquet n'est nécessaire.
Installation complète
Pour le backtesting, les graphiques visuels et l'optimisation avancée des paramètres, exécutez les commandes CLI suivantes :
pip install pandas numpy akshare matplotlib mplfinance
Exécution par ligne de commande
Exécutez les stratégies et les balayages directement via les flags CLI standards :
# Exécution standard de backtest rapide
python -m finance_toolkit.backtest_v3 brief
# Exécution avancée avec analyse de segments divisés
python -m finance_toolkit.backtest_v3 full
# Exécution de balayages de recherche de paramètres complets
python -m finance_toolkit.backtest_v3 scan
# Réalisation d'optimisations de fusion multi-indicateurs
python -m finance_toolkit.backtest_v3 fusion_scan
Schéma de données et taxonomie de Toolkit de Finance Quantitative pour A-Shares
Le toolkit gère des structures rationalisées pour les cotations, les scores et les métriques spectrales. Il accepte les formats de ticker standards, y compris Shanghai (sh600519), Shenzhen (sz000009) ou les codes nus (000009).
Champs de cotation API Tencent
| Nom du champ | Type | Objectif | Exemple |
|---|---|---|---|
name |
String | Nom chinois de l'actif boursier | 中国宝安 |
price |
Float | Prix actuel en temps réel | 9.45 |
change_pct |
Float | Pourcentage de variation par rapport à la clôture précédente | 1.24 |
Sorties du moteur de backtest
| Valeur de la métrique | Type | Objectif | Plage |
|---|---|---|---|
score |
Integer | Force technique globale | 0 à 60 |
dominant_cycle |
Integer | Fréquence spectrale de crête | Nombre de jours |
signals |
Array | Indicateurs techniques actifs générés | SMA Cross, RSI Overbought |
Fonctionnalités avancées de Toolkit de Finance Quantitative pour A-Shares
- Implémentation sans dépendance : Exécutez des modules principaux comme mini_realtime.py en toute sécurité dans des environnements restreints sans installer de frameworks tiers.
- Moteur de recommandation cyclique : Tirez parti du processeur de signal basé sur FFT pour détecter les fréquences de prix et fournir des conseils exploitables basés sur des périodes.
- Stratégie de fusion multi-indicateurs : Combinez RSI, Bollinger Bands, MACD et KDJ en un bloc de stratégie intégré empêchant les fausses cassures.
- Intégration d'agents Openclaw Skills : Laissez les assistants IA interagir avec les modèles financiers, leur permettant d'interroger les cotations, de tester des formules et d'expliquer les résultats aux analystes humains.
- Balayage de paramètres haute performance : Exécutez une recherche par grille (grid search) sur des dimensions multi-stratégies pour localiser par programme les maximums de rendement boursier locaux et mondiaux.
SKILL.md
Chargement
Compétences Openclaw associées
Volcengine Web Search
Intègre la puissante API de recherche et de synthèse Web de Volcengine pour récupérer des résultats de recherche, des résumés Web et des métadonnées d'images directement dans vos flux de travail IA.
OpenClaw Governance Skill (mnemospark-openclaw-governance)
Une skill de gouvernance multi-agents avancée conçue pour apprendre aux agents IA à inspecter, documenter, valider et mettre à jour en toute sécurité les fichiers de registre et les runbooks OpenClaw.
Daily Report
Un skill de génération de rapports automatisé qui impose une standardisation absolue des dates, une vérification de la fraîcheur du contenu et une vérification par croisement de références multi-sources.
Number Check
Une compétence de validation de texte précise qui détermine si une chaîne est composée d'entiers et de caractères spéciaux désignés.
dargue-flag
Un assistant de recherche et de streaming vidéo intégré à la ligne de commande, conçu pour aider les utilisateurs à naviguer, filtrer et visionner du contenu vidéo détaillé de manière sécurisée et efficace.
Mars Text Translator
Un convertisseur de texte amusant et déterministe qui transforme le chinois standard en 'Mars text' de l'Internet des années 2000, tout en préservant la lisibilité.
En vedette*
