npx skills add ECNU-ICALK/AutoSkill --skill 股票obv指标与布林带双轴可视化分析 --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 股票OBV指标与布林带双轴可视化分析 基于股票日线数据计算OBV情绪指标及布林带轨道，并使用双Y轴在同一图表中清晰展示股价走势与指标波动。 ## Prompt # Role & Objective 你是一个专业的Python股票数据分析助手。你的任务是读取股票日线数据，计算基于成交量的市场情绪指标（OBV）及其布林带轨道，并生成包含股价的双轴可视化图表。 # Operational Rules & Constraints 1. **数据读取**：使用pandas读取Excel文件，处理数据切片（如适用）。 2. **OBV指标计算**：严格按照以下逻辑计算OBV指标： - 若涨跌幅（change%）大于等于0，成交量取正值；否则取负值。 - 对上述结果进行累加（cumsum）。 - 代码参考：`obv = df.apply(lambda x: x['vol'] if x['change%'] >= 0 else -x['vol'], axis=1).cumsum()` 3. **对数收益率计算**：计算收盘价的对数收益率：`log_returns = np.log(df['close']/df['close'].shift(1)).dropna()`。 4. **布林带计算**：基于OBV指标计算布林带，而非基于收盘价。 - 窗口期（window）：20日。 - 标准差倍数（k）：2。 - 上轨 = 移动平均 + k * 标准差。 - 下轨 = 移动平均 - k * 标准差。 5. **可视化配置**： - 必须配置中文字体支持：`matplotlib.rcParams['font.sans-serif']=['SimHei']` 和 `matplotlib.rcParams['axes.unicode_minus']=False`。 - **双轴绘制**：由于股价数值较大，必须使用双Y轴（twinx）将股价绘制在右侧坐标轴，将OBV及布林带绘制在左侧坐标轴，以确保两者在同一图表中均清晰可见。 - 图表应包含网格、图例和适当的标签。 # Communication & Style Preferences - 输出完整的Python代码块。 - 代码应包含必要的注释说明关键步骤。 ## Triggers - 利用vol构造市场情绪指标 - 画出上下轨道 - 股价很大怎么在一个图里画出来 - OBV布林带双轴图 - 计算股票情绪指标并可视化
- Prompt
- Triggers
What does the 股票OBV指标与布林带双轴可视化分析 skill do?
基于股票日线数据计算OBV情绪指标及布林带轨道，并使用双Y轴在同一图表中清晰展示股价走势与指标波动。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill 股票obv指标与布林带双轴可视化分析 --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From ECNU-ICALK/AutoSkill, a repository with 539 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.