CopoHub Trending

tradermonty/claude-trading-skills

Claude Code skills for equity investors and traders — market analysis, technical charting, economic calendars, screeners, and trading strategy development.

Python · ★ 6,922 · Fork 1,414 · 在 GitHub 查看

在手机上浏览源码、订阅每日 AI 趋势日报与项目架构深度解读:获取 CopoHub 客户端(iOS & HarmonyOS)→

GitHub Trending 上榜记录

tradermonty/claude-trading-skills 已在 GitHub Trending 每日榜单上榜 6 天,最高排名第 3,首次上榜 2026-11-13,最近一次上榜 2026-11-18。

日期排名Star当日增长
2026-11-18#456,922+703
2026-11-17#46,848+837
2026-11-16#46,270+841
2026-11-15#35,482+707
2026-11-14#34,763+556
2026-11-13#94,133+60

同期上榜的项目

tradermonty/claude-trading-skills 项目深度剖析与商业评估报告

tradermonty/claude-trading-skills 项目深度剖析与商业评估报告

1. 核心定位与商业落地价值

1.1 核心痛点与问题域求解 在传统二级市场投资中,主观交易员与散户投资者面临的核心瓶颈并非“缺少标的分析工具”,而是认知过载、情绪化交易、执行纪律涣散以及投研流程的非标准化。与此同时,全自动量化黑盒(Black-box CTA/HFT)对基础设施要求高且缺乏弹性,无法适配需要主观宏观判断与策略弹性的中低频“核心+卫星”(Core + Satellite)投资风格。

claude-trading-skills 的底层定位是一个面向 Claude Code 及 Claude Web Skills 体系的金融投研与交易风控 Agent 操作系统。它并没有盲目追求“全自动 AI 交易代扣”这一高风险且强合规监管的方向,而是聚焦于主观与量化结合的人机协同(Human-in-the-Loop, HITL)流程固化。该项目通过将顶尖交易大师(如 Mark Minervini 的 VCP、William O'Neil 的 CANSLIM、Jason Shapiro 的反转交易法、Stanley Druckenmiller 的宏观研判)的策略经验拆解为标准化、模块化、具备防呆设计的“技能(Skills)”,实现了交易纪律的刚性约束与投研闭环。

┌──────────────────────────────────────────────┐ │ 人类交易员 / 投研团队 (HITL) │ └───────┬──────────────────────────────▲───────┘ │ 决策授权 / 偏好设定 │ 综合报告与风控告警 ▼ │ ┌─────────────────────────────────────────────────────────┐ │ 交易流程编排中枢 (Orchestrator) │ └───────┬──────────────────────┬──────────────────┬───────┘ │ │ │ ▼ ▼ ▼ ┌──────────────────┐ ┌──────────────────┐ ┌──────────────────┐ │ 感知与标的筛选 │ │ 确定性规则风控 │ │ 交易记忆与复盘 │ │ (Screeners/Data) │ │ (Circuit Breaker)│ │ (Memory/Post-M) │ └──────────────────┘ └──────────────────┘ └──────────────────┘

1.2 商业应用场景 1. 中小型家族办公室与买方投研辅助(Family Offices & Buy-Side RIAs):作为低成本、免维护的初级分析师替代品,全天候执行宏观状态感知(Macro Regime Detection)、市场宽度监控(Market Breadth)以及财报后漂移(PEAD)筛选。 2. 高端个人交易者工作站(Prosumer Trading Desk):提供从“盘前检查”、“入场纪律门禁(Pre-Trade Gate)”到“盘后日志归档(Trader Memory Core)”的全生命周期工作流支撑。 3. 券商与理财平台 AI Copilot 引擎集成:券商机构可将该项目的技能拓扑和工作流清单(Manifest)封装为针对高净值客户(HNW)的持仓诊断与再平衡建议微服务。

1.3 竞品差异化与技术护城河 相比于市面上充斥的“单 Prompt 选股机器人”或基于 LangChain 的粗糙金融 Agent 演示,该项目的核心护城河包括: 去幻觉的硬性风控拦截机制:通过在本地状态机中固化最大回撤熔断(drawdown-circuit-breaker)和前置纪律检查(pre-trade-discipline-gate),任何交易建议必须通过确定性脚本验证,而非交由 LLM 自由发挥。 数据源优雅降级(Graceful Degradation)架构:深度解耦商业金融 API(FMP, FINVIZ Elite, Alpaca)与计算内核,设计了“全免费公共 CSV / 截图输入”与“商业 API 自动化抽取”的双模运行机制,极大降低了用户准入门槛。 以元数据索引为单一事实源(SSOT):全套体系由严格的元数据规范(skills-index.yaml)驱动,配套自动化代码生成、模式校验与自测试体系,具备高度工程一致性。

---

查看完整 AI 分析 →

在 README 中展示上榜徽章

GitHub Trending

[![GitHub Trending](https://github.fq6825.top/badge/tradermonty/claude-trading-skills.svg)](https://github.fq6825.top/repo/tradermonty/claude-trading-skills)