Claude Trading Skills

为什么要用

核心特性

每日市场扫描（美股/日股）
对指定标的进行技术图表分析（趋势、支撑/阻力、指标）
经济日历 + 财报日历
基本面或技术面选股筛选
简单规则型策略回测框架
输出 Markdown 报告——易于记录到 Notion / Obsidian

实时演示

实际使用效果

claude-trading-skills.replay ▶ 就绪

0/0

安装

选择你的客户端

~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "claude-trading-skills": {
      "command": "npx",
      "args": [
        "-y",
        "claude-trading-skills"
      ]
    }
  }
}

打开 Claude Desktop → Settings → Developer → Edit Config。保存后重启应用。

~/.cursor/mcp.json · .cursor/mcp.json

{
  "mcpServers": {
    "claude-trading-skills": {
      "command": "npx",
      "args": [
        "-y",
        "claude-trading-skills"
      ]
    }
  }
}

Cursor 使用与 Claude Desktop 相同的 mcpServers 格式。项目级配置优先于全局。

VS Code → Cline → MCP Servers → Edit

{
  "mcpServers": {
    "claude-trading-skills": {
      "command": "npx",
      "args": [
        "-y",
        "claude-trading-skills"
      ]
    }
  }
}

点击 Cline 侧栏中的 MCP Servers 图标，然后选 "Edit Configuration"。

~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "claude-trading-skills": {
      "command": "npx",
      "args": [
        "-y",
        "claude-trading-skills"
      ]
    }
  }
}

格式与 Claude Desktop 相同。重启 Windsurf 生效。

~/.continue/config.json

{
  "mcpServers": [
    {
      "name": "claude-trading-skills",
      "command": "npx",
      "args": [
        "-y",
        "claude-trading-skills"
      ]
    }
  ]
}

Continue 使用服务器对象数组，而非映射。

~/.config/zed/settings.json

{
  "context_servers": {
    "claude-trading-skills": {
      "command": {
        "path": "npx",
        "args": [
          "-y",
          "claude-trading-skills"
        ]
      }
    }
  }
}

加入 context_servers。Zed 保存后热重载。

claude mcp add claude-trading-skills -- npx -y claude-trading-skills

一行命令搞定。用 claude mcp list 验证，claude mcp remove 卸载。

使用场景

实战用法： Claude Trading Skills

开盘前跑一遍晨间市场扫描

👤 自主散户交易者 ⏱ ~15 min intermediate

何时使用： 早上 7:30：开盘前你需要一份精炼的简报。

前置条件

已安装 skill — git clone https://github.com/tradermonty/claude-trading-skills ~/.claude/skills/trading
关注列表 — /data/watchlist.csv，包含标的代码

步骤

宏观背景

Trading skill：晨间简报。今天的经济日历有什么？盘前/盘后有哪些重要财报？✓ 已复制

→ 精简的日历 + 财报列表
关注列表扫描

对 watchlist.csv 运行技术扫描，标记：缺口 >2%、RSI 极值、突破 20 日高点的标的。✓ 已复制

→ 逐标的标记结果，附理由
制定计划

基于标记结果 + 日历，提出今天值得关注的 3 个机会，附具体入场/止损位。✓ 已复制

→ 3 个可执行的机会设置；不是愿望清单

结果： 10 分钟内生成可供决策的简报。

注意事项

skill 在没有真实数据源的情况下凭空捏造数据 — 始终配合真实市场数据 feed 使用；绝不基于 LLM 记忆里的价格数据下单
确认偏误——只标记自己看好的标的 — 在 prompt 中同样要求反向信号

搭配使用： filesystem

对单个标的深度研究

👤 评估持仓的投资者 ⏱ ~30 min intermediate

何时使用： 你正在考虑买入 NVDA / 7203.T，想要系统性地分析一遍。

步骤

多周期技术分析

Trading：对 NVDA 在日线、周线、月线上做技术分析，关注趋势、关键价位和成交量背景。✓ 已复制

→ 多周期 TA，附具体价位
基本面背景

查看下次财报日期、当前 PE 与行业对比、最新业绩指引，注意与技术面的任何矛盾之处。✓ 已复制

→ 多空逻辑简要总结
制定入场计划

综合以上，提出仓位大小、入场触发、止损位和目标位，以账户 1% 风险计算。✓ 已复制

→ 具体计划；不是「看涨」这类模糊说法

结果： 有据可查的交易逻辑，可以用来约束自己。

注意事项

价位因数据过时而不准 — 始终标注数据截止时间

对简单规则做粗略回测

👤 有好奇心的散户交易者 ⏱ ~45 min advanced

何时使用： 你有一个假设（「在放量时买入 52 周高位突破」），想做一个可行性验证。

步骤

精确定义规则

Trading：明确入场/出场规则。「当收盘价 > 252 日高点且成交量 > 20 日均量的 1.5 倍时买入。目标 5% 或止损 3% 时出场。」✓ 已复制

→ 无歧义的规则表述
回测

在 S&P500 成分股上回测 2020–2025 年。报告胜率、盈亏比、最大回撤，展示 5 个样本交易。✓ 已复制

→ 诚实的统计数据，包含回撤
敏感性分析

如果成交量过滤条件收紧到 2.0 倍会怎样？目标位改为 4% 呢？✓ 已复制

→ 敏感性对比表

结果： 在构建正式回测之前的可行性验证。

注意事项

将粗略回测当成生产验证 — 这只是草图。生产使用请用 vectorbt/backtrader 构建正式回测系统。

组合

与其他 MCP 搭配，撬动十倍杠杆

claude-trading-skills + filesystem

将简报和交易计划记录到交易日志

将今天的简报保存到 /journal/2026-05-05.md。✓ 已复制

claude-trading-skills + awesome-finance-skills

将散户 TA 与投资组合分析结合

完成扫描后，用 awesome-finance 对当前持仓进行投资组合风险分析。✓ 已复制

工具

此 MCP 暴露的能力

工具	输入参数	何时调用
morning_brief	（无）	开盘前例行
scan_watchlist	tickers, criteria	晨间简报后
technical_analysis	ticker, timeframes[]	逐标的深入研究
fundamental_context	ticker	交叉验证技术面观点
screen	universe, criteria	发现候选标的
rough_backtest	rule, universe, period	快速可行性验证

成本与限制

运行它的成本

API 配额: 不直接限制；取决于你接入的数据源
每次调用 Token 数: 每份详细报告 1000–6000
费用: skill 免费；市场数据源可能收费
提示: 不要扫描整个市场；聚焦到关注列表或特定行业

安全

权限、密钥、影响范围

最小权限： filesystem-read filesystem-write

凭据存储： 无直接凭证；券商凭证——绝不与 LLM 共享

数据出站： 无直接数据出口；如搭配网络/数据 MCP 使用则视具体配置

切勿授予： 券商写入/下单权限

此 skill 辅助研究，不执行下单。绝不将其连接到券商 API 进行实盘交易。
历史表现 ≠ 未来结果；粗略回测是草图，不是验证

故障排查

常见错误与修复

报告使用了过时价格

搭配市场数据 MCP 或提供 CSV；不依赖模型记忆中的价格

回测统计数据好得离谱

可能存在前视偏差；重新检查规则定义

日历漏掉了重要发布

skill 使用精选数据集；如需补充请配合网络搜索

替代方案