没有实测技能运行结果
本页对本机技能的描述来自其 SKILL.md 与脚本源码，以及本机量化技能自检脚本的一次实跑输出。本站没有逐一运行 yahoo-finance-github、stock-price-checker、fp-dcf 并核对它们的输出，因此不对其准确性与稳定性下结论。
路线对照 · 自建 yfinance 取数 vs 本机免部署技能
yfinance 与本机技能路线：两条路怎么选，边界在哪
本页要回答的不是「哪个更好」，而是「你现在这件事该走哪条路」。先给两条可以核验的事实：①yfinance 项目与 EasyClaw 无已证实集成，这套技能体系里不存在「安装 yfinance」的技能路由；②本机技能目录里确实有 3 个技能在直接调用 yfinance 库（yahoo-finance-github、stock-price-checker、fp-dcf），另有 quant-analyst 把 yfinance 注册为可测试数据源。这两条是并列事实，本页据此做任务级对照，不做任何性能或效果承诺。
自建：可控可复现
技能：免部署提问
共同点：口径要问清
边界：无已证实集成
Scope
先明确对照范围：四条路线而不是两条
把「自建」和「本机技能」各自拆细，才看得出成本差在哪里。
| 路线 | 形态 | 前置条件 | 你拿到什么 | 本站核验程度 |
|---|---|---|---|---|
| ① 自建 yfinance 取数流程 | Python 脚本 / 数据管道 | Python 环境、pip install yfinance、自选复权口径 | 原始 DataFrame、缓存、可落盘可复现的口径记录 | 本次已实测：0.2.58 与 1.7.0 安装、取数、列结构与失败路径 |
| ② 用本机技能直接提问（依赖 yfinance 的技能） | yahoo-finance-github / stock-price-checker | 安装桌面端软件；技能脚本按美股场景设计 | 整理好的报价、历史 K 线与组合盈亏结果 | 已核验技能文档与脚本源码；未实测其运行结果 |
| ③ 用本机技能做财务估值取数 | fp-dcf（pyproject.toml 依赖 yfinance>=0.2.54） | 同上；估值模型由该技能提供 | 以财务数据为输入的估值流程结果 | 已核验依赖声明与 SKILL.md；未实测其运行结果 |
| ④ 用与 yfinance 无关的本机技能 | akshare-finance / tushare-finance / a-stock-analysis 等 | 多数无需 Key；部分妙想/问财/富途系技能需要 API Key 或本地客户端 | A 股为主的行情、财务与研究报告 | 已核验技能文档；本机量化技能自检脚本实跑输出已留档 |
为什么要把 ④ 列出来：如果你的目标市场是 A 股，那么 ④ 类技能的数据源本来就更对口（部分技能直接面向 A 股行情与公告）。把 ④ 一并列出，是为了避免「因为看到某个库就只想到它」这种选择偏差。
Capability
本机技能能做什么：任务、能力与限制对照
下表全部来自本机技能目录里各技能的 SKILL.md 原文与脚本源码，未做推断。
| 技能 | 与 yfinance 的关系 | 它做什么 | 文档里写明的限制 |
|---|---|---|---|
yahoo-finance-github | 直接调用（说明写明 uses yfinance library） | 美股实时报价、历史 K 线、新闻聚合、组合盈亏分析；支持多标对比 | 文档写明不支持 A 股与港股；不执行交易；新闻源在某些环境可能为空 |
stock-price-checker | 直接调用（依赖声明要求 yfinance） | 用该库获取股票价格，无需 API Key | 属轻量取价工具，覆盖范围以脚本实现为准 |
fp-dcf | 依赖（yfinance>=0.2.54） | DCF 估值引擎：自由现金流、WACC、内在价值与敏感性分析 | 文档写明不支持相对估值法（PE/PB/PS 等），不生成投资建议，不处理非上市公司 |
quant-analyst | 注册为可测试数据源（check_env.py --data-source yfinance） | 金融建模、策略回测、风险指标与组合优化 | 属方法论与建模技能，不提供数据分发承诺 |
akshare-finance | 无关（独立数据源） | A 股、期货、期权、基金、外汇、债券、指数、加密货币的行情与基本面 | 说明写明不提供投资建议、不处理实盘交易、不替代专业金融终端 |
tushare-finance | 无关（独立数据源） | 覆盖 A 股/港股/美股等市场的 220+ 接口 | 需要 Tushare Pro 的 Token |
chart-image | 无关（出图工具） | 把数据画成折线/柱状/K 线/热力图等图表 | 只负责出图，不负责取数 |
Tradeoff
逐项权衡：六个维度怎么比
同一维度下两条路线的真实差别，以及本站的建议。
| 维度 | 自建取数流程 | 本机技能路线 | 本站建议 |
|---|---|---|---|
| 口径可控性 | 完全可控（auto_adjust / repair / 缓存 / 落盘格式都由你定） | 由技能脚本决定，你看到加工后的结果 | 涉及结论时用前者；探索阶段用后者 |
| 可复现性 | 可以记录版本、参数与数据快照，能重放 | 取决于技能是否输出版本与参数；技能会随版本更新 | 写进报告的口径必须来自前者 |
| 上手成本 | 需要 Python 环境与代码能力 | 安装软件后用自然语言提问 | 先成本低的方式把问题问清楚 |
| 市场覆盖 | 实测支持美股/港股/A 股/指数/ETF（7 个标的验证） | 按技能而异：部分技能只覆盖美股，部分技能专注 A 股 | 按目标市场选，不要只看「能不能取到」 |
| 失败可诊断性 | 能拿到异常类型与原文，可打印 yf.__version__、yf.__file__ | 看到的是技能整理后的结果，出错信息取决于技能实现 | 排障场景用前者 |
| 许可与合规 | 代码 Apache-2.0；数据受 Yahoo Terms of Use 约束（personal use only） | 各技能文档另有限制条款（如不执行交易、不生成投资建议） | 两条路都要自行完成合规确认 |
Decide
该选哪条路线：按你的处境直接选的决策清单
下面是四个常见处境与对应建议；如果两个都符合，就按「先问清、再复现」的顺序组合使用。
- 你要做的是写进报告的分析 走自建流程：把
yf.__version__、Python 版本、取数参数、复权口径与审计结果一起写进研究记录。本站的审计页给出 13 项检查与三态结论，可直接作为记录模板。 - 你刚开始研究某个标的 先用技能路线把问题问清楚（例如先看区间涨跌幅、技术指标状态），确定值得深入之后，再用自建流程做可复现的口径化处理。
- 你的目标市场是 A 股 优先看面向 A 股的技能（本机目录里有多个），同时注意：yfinance 也能取 A 股（本站实测 3 个代码均可用），但默认返回的是复权价，且交易日历与美股不同。
- 你遇到的是取数报错 走自建流程排查：本站故障排查页给出了网络层、数据源层、代码层三类失败的区分方法，以及
yf.config的配置速查。技能路线的报错信息由技能实现决定，不在本站覆盖范围内。
免部署 demo
本机技能路线怎么用：用户实测截图演示（2026-10-09）
以下三张为 2026-10-09 在本机 EasyClaw 上实拍的对话截图，用于对照「自建取数流程」的准备成本。截图演示的是本机技能路线，不是 yfinance 自身的运行结果；示例标的为 A 股，与本站举例的美股标的无对应关系。yfinance 与 EasyClaw 无已证实集成，截图仅供研究参考，不构成投资建议。
Disclosure
为什么有些结论本站不说：披露与边界
把不确定写在明面上，比给一个看起来很确定的结论更有用。
没有做速度或效果对比
两条路线「谁更快」「谁更准」这类比较需要统一的测试条件与本机性能数据，本站没有做，也不打算用一个不可复现的数字来支撑结论。
不构成任何投资建议
本页讨论的是工具与流程选择，不涉及标的推荐、收益预测或仓位建议。两条路线的输出都只能作为研究材料，最终判断请自行完成并承担后果。
一句话总结：免部署路线解决「问清楚」，自建流程解决「可复现」。本站把两者并列，是因为它们解决的是不同问题——不是同一个问题的两个版本。
Task map
按任务怎么选路线：六类常见任务
把「我要做什么」翻译成「走哪条路线」，比抽象地比较工具本身更好用。
| 你的任务 | 建议路线 | 为什么 | 需要你自己补什么 |
|---|---|---|---|
| 快速判断某个标的近期表现 | 本机技能路线（一句话提问） | 不需要搭环境，几秒内得到整理好的结果 | 核对口径（复权还是真实价） |
| 做可写进报告的回测数据准备 | 自建取数流程 | 能记录版本、参数与数据快照，结果可重放 | 审计与口径记录 |
| 批量取几十上百只标的做横截面分析 | 自建取数流程 | 批量接口、并发与落盘都需要代码控制 | 并发限流与失败重试策略 |
| 核对某个财务数字是否可信 | 两条路线交叉验证 | 自建侧取原始报表、技能侧取整理结果，不一致时再查来源 | 第三方权威来源 |
| 研究以 A 股为主的市场 | 面向 A 股的技能优先 | 本机多个技能的数据源本身就面向 A 股行情与公告 | 跨源口径一致性检查 |
| 排查取数故障 | 自建取数流程 | 只有自建流程能拿到异常类型、版本号与请求原文 | 按故障排查页分类处理 |
Cost
两条路线各要投入什么：把成本算清楚
下表只列「需要投入什么」，不写耗时估计——时间因人和环境而异，写具体数字反而失真。
| 投入项 | 自建取数流程 | 本机技能路线 | 容易被忽略的点 |
|---|---|---|---|
| 环境搭建 | Python 环境 + 依赖解析 + 版本固定 | 安装桌面端软件；部分技能还需 API Key 或本地客户端 | 依赖冲突是最常见的阻塞，本站在安装页给了实测冲突案例 |
| 口径决策 | auto_adjust、repair、缓存位置全部由你决定 | 口径由技能脚本决定，你看到的是加工后的结果 | 「谁决定的」比「选了什么」更重要——它决定你能不能复现 |
| 失败处理 | 能拿到异常类型、原文与版本号 | 报错信息取决于技能实现，可能被整理掉 | 技能路线失败时，往往需要回到自建侧做环境对照 |
| 结果留存 | 可把数据、口径与审计结果一起归档 | 取决于技能是否输出中间产物 | 没有中间产物就无法事后核对口径 |
| 合规确认 | 需自行阅读并遵守 Yahoo Terms of Use（README 写明 personal use only） | 各技能另有自己的限制条款（不执行交易、不生成投资建议等） | 两条路的合规主体都是使用者本人 |
| 知识可迁移性 | 学会的列语义、复权口径、审计方法在换个数据源后仍然适用 | 学会的是具体技能的使用方式，换平台要重新学 | 口径类知识是通用的，工具类知识是局部的 |
一个务实结论：如果你未来需要把结论写进需要复现的场合，自建流程的「隐性投入」其实是一次性的；而技能路线的便利性优势在探索阶段最明显。因此「两个都用」通常比「只选一个」更省总时间。
Common ground
两条路线的共同点：四个不会因为换工具而消失的问题
选路线之前先接受这四条——它们与用哪个工具无关，只与「你拿数据做什么」有关。
| 问题 | 为什么换工具也躲不掉 | 你该怎么处理 | 本站对应页面 |
|---|---|---|---|
| 数据口径必须自己确认 | 任何工具返回的价格都可能是复权价或未复权价，工具不会替你判断哪种适合你的问题 | 在代码或记录里显式写出 auto_adjust 之类的口径开关，不要依赖默认值 | 复权语义 |
| 时间语义必须自己确认 | 报表是报告期、行情是交易日、公告有发布时间，三者不是一回事 | 把「报告期」与「公告日」分成两张表，回测按公告日做 as-of 对齐 | 财务与期权 |
| 缺失与异常必须自己判断 | 有两种完全相反的错误：把缺失当 0 填充，或把正常波动当成数据错误 | 先分类（交易日历差异 / 停牌 / 源侧错误），再决定处理方式，并留记录 | 数据审计与回测 |
| 合规边界由使用者承担 | 工具提供能力，不提供授权；数据来源方与技能提供方各有自己的条款 | 自行阅读并遵守数据来源的 Terms of Use，以及所用技能的限制条款 | 故障排查 |
为什么把这四条单列：它们决定了「换一条路线」能不能解决问题。如果你的困难属于这四条中的任何一条，那么换工具只会把问题换个位置出现——这也是本站把口径与审计做成独立页面的原因。
FAQ
yfinance 常见问题
下面的回答都指向可核验的官方文件或本站实测；与官方表述冲突时，以官方仓库与 docs 为准。
本机技能路线能直接「安装 yfinance」吗？
不能——不存在这一技能路由。yfinance 项目与 EasyClaw 无已证实集成，它是走 PyPI 安装的独立 Python 包。本机技能路线提供的是另一条方案：用自然语言提问，由本机已核验技能去取数与分析。两条路线的产物形态不同，本页不把它们当作替代关系。
那本机技能和 yfinance 到底有没有关系？
有依赖关系，但不是集成关系。本站递归扫描本机技能目录（29 个技能）后确认：6 个技能的文档或脚本提到 yfinance，其中 3 个是实际调用或依赖——yahoo-finance-github（说明里写明 uses yfinance library）、stock-price-checker（依赖声明里要求存在 yfinance 可执行依赖）、fp-dcf（pyproject.toml 依赖 yfinance>=0.2.54）。另有 2 个技能只在「不得擅自切换数据源」条款中把 yfinance 列为备选源，不构成调用。
「用本机技能就不需要 yfinance 了」这句话对吗？
不准确。这里要说清楚一件事：：yahoo-finance-github 与 stock-price-checker 本身就是调用这个库来完成取数的。所以更准确的说法是：这条路线免掉了「你自己写取数与环境维护」，但底层依赖依然在。而且这些技能的脚本按美股场景设计（例如某技能说明里写明不支持 A 股与港股），也就是脚本层面的限制——不要把它读成「yfinance 库不支持」。
两条路线的数据口径一样吗？
不一定。自建流程里你能完全决定 auto_adjust、是否 repair、缓存位置与落盘格式；技能路线的口径由那个技能的脚本决定，你看到的是它加工后的结果（例如一张整理好的表格）。本站的建议是：不管走哪条路，都要先问「这个数字是复权价还是真实成交价」，这是本站复权语义页讨论的核心问题，对两条路线同样适用。
两条路线的前置条件分别是什么？
自建：需要 Python 环境、会写代码、愿意维护依赖版本；数据下载的权利受 Yahoo Terms of Use 约束。技能路线：需要安装桌面端软件（EasyClaw），部分技能另有前置——例如妙想系技能需要 API Key、富途系需要本机运行 OpenD 客户端并手动解锁交易。本站只如数列出各技能文档里写明的前置条件，不对可用性做承诺。
如果我只是想快速问一个研究问题，该选哪条？
先用技能路线把问题问清楚，再用自建流程做可复现的正式分析——这是本站推荐的组合方式，而不是二选一。理由很直接：把问题问清楚的成本远低于搭一套环境；而一旦需要写进论文或报告的复现性，只有自建流程能给你完整的口径与版本记录。