SKILLEMALL.ai

BF stock-prediction-daily

Система прогнозирования дневных колебаний цен акций A-shares. Семь возможностей: обучение модели (XGBoost бинарная классификация + перекрестная проверка + вывод файла модели и отчета), оптимизация модели (расширение признаков + отбор признаков), прогнозирование модели (дневные данные Tencent), оценка модели (дневная проверка T+1), вывод веб-страницы (Flask 5-страничный дашборд), анализ сектора (прямой вызов навыка stock-sector-research), анализ отдельных акций (прямой вызов навыка stock-watchlist-briefing). Используйте при: прогнозировании акций, stock prediction, обучении модели, train model, оптимизации модели, optimize model, прогнозировании модели, predict stock, оценке модели, evaluate model, веб-странице прогнозов, prediction dashboard, анализе сектора, sector research, анализе отдельных акций, watchlist briefing, XGBoost, A-shares, CSI 300, дневном прогнозе, daily prediction.

машинный переводПоказать оригиналСкрыть оригинал«A股个股日线涨跌预测系统。七大能力:训练模型(XGBoost二分类+交叉验证+输出模型文件和报告)、优化模型(扩展特征+特征筛选)、模型预测…»

A股个股日线涨跌预测系统。七大能力:训练模型(XGBoost二分类+交叉验证+输出模型文件和报告)、优化模型(扩展特征+特征筛选)、模型预测(腾讯日线)、模型评估(日线T+1验证)、输出网页(Flask五页面仪表盘)、板块分析(直接调用stock-sector-research技能)、个股分析(直接调用stock-watchlist-briefing技能)。Use when: 股票预测, stock prediction, 训练模型, train model, 模型优化, optimize model, 模型预测, predict stock, 模型评估, evaluate model, 预测网页, prediction dashboard, 板块分析, sector research, 个股分析, watchlist briefing, XGBoost, A股, 沪深300, daily prediction, 日线预测

ClawHub Agent Skills автор: Chris Yang v1.0.0 MIT-0 17 файлов тело ≈ 1 871 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Система прогнозирования дневных колебаний цен акций A-shares.

Как процесс F 33/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/reports/, scripts/data/{code}_daily.csv, scripts/models/xgb_stock_model.pkl

АнализаторДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
F
33/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/reports/, scripts/data/{code}_daily.csv, scripts/models/xgb_stock_model.pkl
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 17. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/reports/
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/data/{code}_daily.csv
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/models/xgb_stock_model.pkl
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/models/scaler.pkl
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/models/feature_names.json
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/results/model_report.json
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/data/
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/results/predictions.csv
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/results/prediction_history/predictions_YYYYMMDD_HHMMSS.csv
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/reports/sector_analysis/
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/reports/stock_analysis/

Процессный рейтинг: все десять параметров 33/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/reports/, scripts/data/{code}_daily.csv, scripts/models/xgb_stock_model.pkl
  • 0Инструменты и файлы. Не хватает 11 файла(ов): scripts/reports/, scripts/data/{code}_daily.csv, scripts/models/xgb_stock_model.pkl
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 100Шаги. Шагов: 122
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1871 токенов
  • low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 417 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 40 заголовков
  • +3Пошаговые инструкции: 122 пунктов
  • +4Есть примеры (6 блоков кода)
  • +3Все 7 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: clean
This skill is a disclosed stock-prediction and dashboard workflow that fetches public market data and saves local model/report files without evidence of hidden or destructive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.