Financial AI Analyst

Global Macro Database Assistant

データ分析v1.0.12
作者:Financial AI Analyst更新日 2026-05-11全 13 バージョン · 最新版の公開日 2026-04-17mx-macro-data@clawhub_financial-ai-analyst/mx-macro-data
レポート作成データインサイト#CSV#Accounting#数据库#金融

AlphaMoatによると、2026-10時点でGlobal Macro Database Assistantのダウンロード数は29,148、スター数は71で、累計ダウンロード数で今回のランキング対象AIスキル10,914件中952位、データ分析では915件中91位です。

一覧の初期表示は累計ダウンロード数順で、スター数順にも並べ替えできます。詳細ページの順位は累計ダウンロード数で計算しています。

ダウンロード数
2.9万
スター数
71
累計ダウンロード順位
#952
全体の上位 9% · データ分析の上位 10%
プラットフォームダウンロード数スター数コメント
ClawHub ↗1.7万67-
SkillHub ↗2.9万71—

プラットフォームごとに集計方法と集計時点が異なります。

このスキルでできること

国民経済計算、物価指数、貨幣金融、財政収支、貿易、雇用、産業動向などを対象に、インターフェースが返す JSON を CSV に自動変換し、内容説明のテキストも生成します。地域は「中国」「ユーロ圏」のようなマクロ表現で指定でき、省市まで分解する必要はありません。EM_API_KEY が必要で、コードやログへの平文記載は禁止です。 クエリは Eastmoney に接続します。EM_API_KEY はシークレット管理から渡し、コードやログに平文で書かないでください。

資料公開日 2026-10-27

できること

  • ある国の四半期物価指数を取得して表に書き出す
  • 複数地域の財政収支を同じ基準で比較する

使う場面

  • ニュース要約ではなくマクロの時系列が必要なとき
  • 地域ごとに指標をまとめて取得したいとき

プロンプト例

スキルのドキュメントをもとに生成した例であり、実際の実行結果ではありません。

中国の直近数年の物価指数を書き出してください
ユーロ圏と米国の雇用データを表にして比較してください

月次の推移

ダウンロード数2.9万
1.2万2.1万3万2026-03 · ダウンロード数 1.3万2026-05 · ダウンロード数 1.6万2026-06 · ダウンロード数 1.7万2026-07 · ダウンロード数 1.7万2026-08 · ダウンロード数 1.8万2026-09 · ダウンロード数 2万2026-10 · ダウンロード数 2.9万26-0326-0926-10
スター数71
6568712026-03 · スター数 652026-05 · スター数 672026-06 · スター数 682026-07 · スター数 712026-08 · スター数 712026-09 · スター数 712026-10 · スター数 7126-0326-0926-10

2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。

月ダウンロード数前月比スター数
2026-102.9万—71
2026-092万—71
2026-081.8万+2.4%71
2026-071.7万+4.2%71
2026-061.7万+5.6%68
2026-051.6万—67
2026-031.3万—65

SKILL.md 原文

作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-10-23。

13 KB・ClawHub v1.0.12
---
name: mx-macro-data
description: 基于东方财富数据库,支持自然语言查询全球宏观经济数据,涵盖国民经济核算、价格指数、货币金融、财政收支、对外贸易、就业民生、产业运行等多个领域,适配各类宏观经济研究、市场分析、政策解读等多元专业场景需求。返回结果包含数据说明及 csv 文件。Natural language query for macroeconomic data from financial databases, covering national economic accounting, price indices, monetary finance, fiscal revenue and expenditure, foreign trade, employment, industrial operation, and other fields. It supports diverse scenarios including macroeconomic research, market analysis, and policy interpretation.
metadata:
  {
    "openclaw": {
      "requires": {
        "env":["EM_API_KEY"]
      },
      "install": [
すべて表示(全 274 行)
        {
          "id": "pip-deps",
          "kind": "python",
          "package": "httpx",
          "label": "Install Python dependencies"
        }
      ]
    }
  }
---

# 宏观经济数据查询 (mx_macro_data)

通过**文本输入**查询宏观经济数据,接口返回 JSON 后会自动转换为 **CSV** 并生成对应的**内容描述 txt** 文件。

## 密钥来源与安全说明

- 本技能仅使用一个环境变量:`EM_API_KEY`。
- `EM_API_KEY` 由东方财富妙想服务(`https://ai.eastmoney.com/mxClaw`)签发,用于其接口鉴权。
- 在提供密钥前,请先确认密钥来源、可用范围、有效期及是否支持重置/撤销。
- 禁止在代码、提示词、日志或输出文件中硬编码/明文暴露密钥。

## ⚠️ 核心输入约束 (Critical Input Constraints)

- **时间维度**:支持相对时间表述(如“今年”、“过去三年”、“上月”)。
- **地域维度**:支持宏观地区表述(如“中国”、“美国”、“欧元区”、“华东地区”、“中国各省”),无需拆解为具体省市列表。

### 1. 禁止模糊商品类别 (No Ambiguous Commodities)
- **禁止输入**:大类统称(如“稀土金属”、“有色金属”、“农产品”、“能源”、“科技股”)。
- **要求**:必须解包为具体的**交易品种名称或代码**。
  - ❌ 错误:`"查询稀土价格走势"`
  - ✅ 正确:`"查询氧化镨钕、氧化镝、氧化铽的价格走势"`

### 2. 禁止宏观泛指指标 (No Macro Generalizations without Metrics)
- **禁止输入**:宽泛的经济概念而无具体指标(如“中国经济”、“美国制造业状况”、“全球通胀情况”)。
- **要求**:必须指定具体的**指标名称**(如 GDP、CPI、PMI、失业率、工业增加值等)。
  - ❌ 错误:`"查询中国经济数据"`
  - ✅ 正确:`"查询中国 GDP 同比增速、中国 CPI 同比"`
  - ✅ 正确:`"查询美国制造业 PMI"` (地域允许宏观,但指标必须具体)

### 3. 时间与地域的灵活性 (Flexible Time & Region)
- **时间**:无需绝对日期。
  - ✅ 允许:`"查询中国过去五年的M2增速"`、`"查询上个月美国的非农数据"`、`"查询黄金今日价格"`。
  - ✅ 允许(缺省):`"查询德国失业率"` 。
- **地域**:无需拆解为子集列表。
  - ✅ 允许:`"查询华东地区GDP"`,`"查询中国各省GDP"`。
  - ⚠️ 注意:若涉及“主要新兴市场”、“Top 5 国家”等动态排名指代,仍建议上层模型解包为具体国家列表(如 `"查询中国、印度、巴西的M2"`),以确保数据源一致性。

## 🔄 输出接口与上层规划协议 (Output Interface & Orchestration Protocol)

本 Skill 仅负责执行单次查询并生成文件。**为实现数据完整性保障,上层规划引擎必须根据以下协议,对本 Skill 的输出进行后续处理。**

### 1. 输出文件结构 (Output File Structure)
执行 `mx_macro_data` 后,Skill 将在指定目录下生成一个或多个 CSV 文件,以及一个描述文件。

- **CSV 文件**:`mx_macro_data_<查询ID>_<频率>.csv`
  - *示例*:`mx_macro_data_4591GG28_yearly.csv`, `mx_macro_data_4591GG28_quarterly.csv`, `mx_macro_data_4591GG28_monthly.csv`
  - **注意**:文件数量和频率取决于查询指标的可用性(yearly、quarterly、monthly、weekly、daily)。
- **描述文件**:`mx_macro_data_<查询ID>_description.txt`
  - 包含数据来源、时间范围、指标说明等基础信息。

### 2. 上层规划引擎必须执行的“完整性复核”逻辑 (Mandatory Verification Logic for Orchestrator)

上层规划引擎在调用 `mx_macro_data` 后,**必须**执行以下工作流,以确保最终结果的完整性:
#### **阶段 A: 任务解析与预期规划 (Task Parsing & Expectation Planning)**
1.  **解析原始用户意图**:从用户查询中提取核心要素。
2.  **构建预期全集 (Expected Universe)**:
    - **地域**:通过规划引擎的内置知识库、搜索引擎或 LLM 推理能力,将模糊地域表述解析为具体行政单元。例如:"中国各省" → 34 个省级行政区;"华东地区" → 上海、江苏、浙江、安徽、福建、江西、山东共 7 个省市。
    - **指标**:将复合指标拆解为独立指标。例如:"GDP, CPI" → ["GDP", "CPI"]。
    - **频率**:根据查询语境推断预期频率,可能生成多个频率的数据文件(yearly、quarterly、monthly等)。

#### **阶段 B: 文件读取与差异检测 (File Reading   & Gap Detection)**
1.  **获取输出文件列表**:获取 `mx_macro_data` 生成的所有 CSV 文件路径。
2.  **读取并分析每个文件**:
    - 使用规划引擎内置的代码执行能力(如 Python Sandbox)读取 CSV。
    - 提取每个文件中实际覆盖的 `(地区, 指标)` 组合及其数量。
3.  **执行差异计算**:
    - 对**每一种频率**的文件,分别计算 `Missing_Pairs_<Frequency> = Expected_Universe - Actual_From_CSV_File`。
    - 识别出具体缺失的项(如:年频数据中缺失“西藏-GDP”)。

#### **阶段 C: 决策与迭代调用 (Decision & Iterative Invocation)**

> ⚠️ **强制要求**:上层规划引擎**必须**执行以下补全流程,不得在存在缺失数据时直接交付结果。

1.  **判断是否需要补全**:
    - 如果所有频率的 `Missing_Pairs` 集合均为空:**结束流程**,交付现有文件。
    - 如果存在非空的 `Missing_Pairs` 集合:**必须进入补全流程**,不可跳过。

2.  **构建补全查询**:
    - 根据 `Missing_Pairs_<Frequency>` 中的缺失项,结合原始查询的时间维度,构造新的自然语言查询。
    - **示例**:
      ```
      Missing_Pairs_季 = [("西藏", "GDP"), ("宁夏", "GDP")]
      ↓
      补全查询 = "查询西藏自治区、宁夏回族自治区的 GDP 季度数据,时间范围同前次查询"
      ```

3.  **再次调用 `mx_macro_data`**:
    - 使用新构造的补全查询,再次调用本 Skill 获取缺失数据。

4.  **迭代循环**:
    - 重复执行 **阶段 B(差异检测)→ 阶段 C(决策补全)**,直至满足以下任一条件:
      - ✅ 所有频率下的缺失项均已补全
      - ⚠️ 达到最大重试次数5次,此时应向用户报告未能补全的数据项

#### **阶段 D: 最终交付 (Final Delivery)**
1.  **数据合并(可选)**:
    - 如果需要,可将同一频率下多次查询的结果(如多个 `quarterly.csv` 文件)合并为一个完整的 `quarterly.csv`。
2.  **状态报告**:
    - 规划引擎应向上游(如用户界面)报告最终交付的文件列表,并可选地报告补全过程(如“系统已自动补全 2 个缺失数据项”)。
---

## 功能范围

### 基础查询能力

- **经济指标**:GDP、CPI、PPI、PMI、失业率、工业增加值等(支持指定国家/地区及具体指标名)。
- **货币金融**:M1/M2 货币供应量、社融规模、国债利率、汇率(支持指定币种对)。
- **商品价格**:黄金、白银、原油、铜、特定稀土氧化物等(**必须**指定具体品种)。
- **时间频率**:自动识别相对时间(年、季、月、周、日)并匹配对应频率数据;若未指定,返回最新数据。

### 查询示例对照表

| 类型     | ❌ 禁止的模糊查询 (指标/品种不明)      | ✅ 允许的明确查询 (时间/地区可灵活)             |
|----------|--------------------------------------|------------------------------------------------|
| 国内经济 | 查询华东地区GDP                        | 查询华东地区 GDP                              |
| 货币供应 | 查询主要新兴市场货币供应                | 查询中国、印度、巴西的 M2 货币供应量             |
| 商品价格 | 查询稀土和有色金属价格                 | 查询氧化镨钕、铜、铝的现货价格走势                |
| 全球宏观 | 查询 Top 3 经济体非农数据              | 查询美国、中国、德国的非农就业数据                |
| 时间灵活 | (无)                                  | 查询美国过去十年的失业率趋势                    |
| 默认时间 | (无)                                  | 查询日本最新的核心 CPI 数据                     |


## 前提条件

### 1. 注册东方财富妙想账号

访问 https://ai.eastmoney.com/mxClaw 注册账号并获取API_KEY。

### 2. 配置 Token

```bash
# macOS 添加到 ~/.zshrc,Linux 添加到 ~/.bashrc
export EM_API_KEY="your_api_key_here"
```

然后根据系统执行对应的命令:

**macOS:**
```bash
source ~/.zshrc
```

**Linux:**
```bash
source ~/.bashrc
```

### 3. 安装依赖


```bash
pip3 install httpx --user
```

## 快速开始

### 1. 命令行调用

在项目根目录或配置的工作目录下执行:

```bash
python3 {baseDir}/scripts/get_data.py --query 中国GDP
```
**参数说明:**

| 参数            | 说明             | 必填 |
| --------------- | ---------------- | ---- |
| `--query`       | 自然语言查询条件 | ✅    |
```
### 2. 代码调用

```python
import asyncio
from pathlib import Path
from scripts.get_data import query_mx_macro_data

async def main():
    result = await query_mx_macro_data(
        query="中国近五年GDP",
        output_dir=Path("workspace/mx_macro_data"),
    )
    if "error" in result:
        print(result["error"])
    else:
        print(f"CSV: {r['csv_paths']}")
        print(f"描述: {r['description_path']}")
        print(f"行数: {r['row_counts']}")

asyncio.run(main())
```

输出示例:
```
CSV: /path/to/workspace/mx_macro_data/mx_macro_data_4591GG28_yearly.csv
CSV: /path/to/workspace/mx_macro_data/mx_macro_data_4591GG28_quarterly.csv
CSV: /path/to/workspace/mx_macro_data/mx_macro_data_4591GG28_monthly.csv
描述:/path/to/workspace/mx_macro_data/mx_macro_data_4591GG28_description.txt
行数: 年: 10行, 季: 20行, 月: 40行
```

## 输出文件说明

| 文件 | 说明 |
|------|------|
| `mx_macro_data_<查询ID>_<频率>.csv` | 按频率分组的宏观数据表,UTF-8 编码,可直接用 Excel 或 pandas 打开。 |
| `mx_macro_data_<查询ID>_description.txt` | 说明文件,含各频率数据统计、数据来源和单位等信息。 |

## 环境变量

| 变量                      | 说明                                  | 默认                     |
| ------------------------- | ------------------------------------- | ------------------------ |
| `MX_MACRO_DATA_OUTPUT_DIR` | CSV 与描述文件的输出目录(可选)      | `workspace/mx_macro_data` |
| `EM_API_KEY`              | 东方财富宏观查数工具 API 密钥(必备) | 无                       |

## 常见问题

### 用户常见问题

**Q: 提示"请设置 EM_API_KEY 环境变量"怎么办?**

A: 按以下步骤配置 API 密钥:
1. 访问 [东方财富宏观查数工具](https://ai.eastmoney.com/mxClaw) 注册并获取 `API_KEY`。
2. 配置环境变量:
   ```bash
   # macOS/Linux
   export EM_API_KEY="your_api_key_here"
   
   # Windows PowerShell
   $env:EM_API_KEY="your_api_key_here"
   ```

**Q: 如何指定输出目录?**

A: 通过设置 `MX_MACRO_DATA_OUTPUT_DIR` 环境变量:
```bash
export MX_MACRO_DATA_OUTPUT_DIR="/path/to/output"
python3 scripts/get_data.py --query "查询内容"
```

### 开发者常见问题(规划引擎集成)

**Q: 为什么需要上层规划引擎做复核?**

A: 本 Skill 专注于单一查询能力,不负责数据完整性校验。完整性验证(如"中国各省"是否真的覆盖全部省份)属于业务逻辑范畴,更适合由具备上下文理解和决策能力的规划引擎来处理。

**Q: 如何判断何时进行复核?**

A: 当原始用户意图包含以下特征时,应自动触发复核流程:
- **集合性词汇**:如"各省"、"各地区"、"华东地区"等
- **多指标查询**:如"GDP 和 CPI"、"主要经济指标"等

**Q: 如何处理不同频率的数据?**
A: **必须**对每种频率的 CSV 文件**分别**执行完整性审计和补全。年频数据的缺失不能用月频数据补全,反之亦然。

データ分析の人気スキル

全能金融爬虫データ分析

中国金融机构数据爬取与分析综合 Skill v12.0.0。2334家/43大类机构名单、60+财经媒体源舆情、 A股报告/公告/研报、60+种查询多源金融数据(自动降级+缓存)、爬取调度与网页操作增强、 实时数据中枢、24 技术指标引擎、多源证据融合、110 MCP 工具 + 10 Resource + 14 Prompt。 🆕 v12.0.0 四条线(信息获取 / 打包下载 / 数据分析 / 登录): 编排:gather_info() 一次跑完"路由→抓取→去占位→质量分→能力边界→回执→打包", 8 类意图各带问法、输入输出、典型耗时与 not_for(说清哪件事做不了)。 诚实:反爬占位条目一律剔除并记账,空结果报 E_SOURCE_EMPTY,不把假数据判成 B 级成功。 交付:包内自带 manifest.json(逐文件 sha256),verify 查得出改动/缺失/多塞, 批量下载单条失败不中断整批,失败清单可直接只重下那几条。 登录:Cookie 由用户导出或扫码接管,档案化 + 健康度四档,对外输出全脱敏(值永不回显)。 何时触发:爬取机构、舆情爬取、东方财富、公告下载、实时行情、技术指标、统一查询、 交付包、批量重下、我已经登录了、登录态还有效吗(完整触发词见下方 auto_trigger)。

↓ 77万★ 288user_9d5a2a39
钢联AI - 智能问数データ分析

大宗商品价格数据查询技能。用于查询大宗商品期现货价格、宏观经济指标、产业链供需数据、进出口库存数据、金融市场数据等。当用户询问:(1) 期货/现货价格查询,如"螺纹钢价格"、"铜期货收盘价"; (2) 历史行情或趋势分析;(3) 区域或企业价格对比;(4) 宏观经济指标,如GDP、CPI;(5) 产业链上下游数据;(6) 多市场金融数据(期权、股票、债券、外汇);(7) 结算确认单生成时触发此技能。

↓ 70.5万★ 6u_9ed3401d
smart-chartsデータ分析

将数据文件(CSV/TSV/TXT/XLSX/XLS/JSON)转化为独立交互式 ECharts HTML 图表——32 类图表、3 套主题,全离线无需 CDN。出图前可先取数据画像(--profile:每列 dtype/基数/缺失/样本/统计、实体粒度、候选洞察信号、疑似非数据行),让 agent 在用户没说想看什么时自己读懂数据并决定出什么图——哪列是 ID、哪列是维度、出什么图,全部由 agent 从画像的客观事实自行判断,技能不代笔;每张图内置事实卡(plot_stats + data_preview),其数值是解读时唯一可引用的数字。本技能负责出图与算事实,不产出书面报告或叙事文档。触发:用户提供或指向表格数据文件并要求出图;提到「画图/出图/可视化/生成图表/generate a chart/make a graph」;想把表格渲染成交互式 HTML 图表。不触发:要的是书面报告、叙事分析或幻灯片;没有数据文件;需要后端的仪表盘;图片/音频/视频等非表格内容。

↓ 60.5万★ 135user_5b28ea14
AdMapixデータ分析

AdMapix のデータ取得層で、広告やアプリの問い合わせを API 呼び出しに変え、生の JSON だけを返します。

↓ 57.5万★ 304fly0pants
论文配图一键生成データ分析

论文配图一键生成:一条命令从 JSON/CSV/Excel 生成顶刊级学术图表,科研绘图 与期刊配图全场景覆盖。40 种图表(森林图/KM 生存曲线(自动风险表)/竞争风险累计发生率/ROC/校准 曲线/决策曲线 DCA/列线图/RCS 非线性剂量反应/亚组分析森林图/RMST 限制平均生存时间/Galbraith 径向图/火山图/雨云图/山脊图/哑铃图/游泳图(逐例时长+里程碑)/ 肿瘤缓解瀑布图/UpSet 交集/PRISMA 流程图/漏斗/BA 一致性/PCA/热图/箱线/小提琴/ 组合图/Cox 多因素回归森林图等),9 套配色(含色盲安全 Okabe-Ito 与期刊色板),9 种期刊投稿预设, YAML 流水线一条命令出全套论文图,一次渲染多格式导出(TIFF/PNG/PDF), PDF 重叠门禁,600dpi。纯本地运行,数据不出机,中文零配置。适用:写论文/ 投稿要配图、把数据变成可投稿图表、批量重出全套图。不适用:文本润色/翻译/ 改写(请用写作类工具);商业报表/仪表盘/海报装饰;无数据支撑的纯示意图。

↓ 42.1万★ 83user_481397b5
smart-chartsデータ分析

Intelligent chart generation and data analysis skill. Reads user-supplied data files (CSV/Excel/JSON), analyzes data characteristics with LLM assistance, auto-recommends and generates interactive ECharts visualizations. Use when the user asks to analyze data, generate charts, create visualizations, or work with tabular data files.

↓ 25.7万★ 1user_814dbe54
股票/基金/期货量化分析工具データ分析

全球智能投研工具(stock-researcher)v13.0:多源数据 + 概率预测 + 可导出报告。 核心能力: - 多源数据路由:按市场/类别选源,逐级降级;每个结果标注来源与时效等级;源不可用时明确标 unavailable - 全资产量化:股票/ETF/场外基金/指数/期货(期限结构、基差、持仓、折溢价)多因子分析 - 概率预测:1d/5d/1M/3M/6M 经验分布 + 分位数 + 方向概率 + 区间,kNN 邻域收缩融合全局分布; 样本不足自动弃权,可按历史命中样本(同桶)做概率校准 - 证据链简报:每条结论绑定来源、时间与数据质量,冲突信号保留而不抹平 - 报告导出:Word/PPT/PDF/Markdown/JSON/纯文本,纯标准库渲染 + 可选第三方引擎 - MCP Server 24 工具,Claude Code 可直接调用;知识库 12 适配器双向同步 三条铁律: - 数据不装:拿不到就报不可用,不拿 0 价、不拿空表冒充 - 预测不装:概率来自历史相似条件的经验分布,样本不足就说不足,不硬给方向 - 评分≠盈利保证:任何结论都带免责声明

↓ 19.2万★ 147user_9d5a2a39
Tavily Searchデータ分析

Tavily 経由で公開ウェブを検索し、リンクと抜粋付きの構造化結果を返します。

↓ 16.5万★ 286Xiaoran Li

Financial AI Analystのその他のスキル

データ月:2026-10 · ダウンロード数とスター数は公開スキルレジストリ(ClawHub、SkillHub)から月単位で集計しています。詳しくはデータの方法論をご覧ください。