学习切入点
这一类是所有金融分析的数学底座，包括收益率、时间价值、IRR、现值、统计分布、协方差和回归等。对银行从业者来说，它能把日常看到的收益、期限、利率、风险指标重新连接到底层计算逻辑。
01
工作流分析
- 来源与路径：来自
community-joellewis-finance-skills，上游路径plugins/core/skills/statistics-fundamentals/SKILL.md，本地路径12-financial-ai-skills/upstream-snapshots/community-joellewis-finance-skills/plugins/core/skills/statistics-fundamentals/SKILL.md。 - 原始定位：上游描述：Apply statistical methods to financial data including descriptive statistics, covariance estimation, regression, hypothesis testing, and resampling. Use when the user asks about return distributions, correlation between assets, building a covariance matrix, running a CAPM regression, testing whether alpha is significant, checking if returns are normal, or estimating confidence intervals. Also trigger when users mention 'volatility', 'how correlated are these', 'fat tails', 'skewness', 'R-squared', 'beta of a fund', 'bootstrap a Sharpe ratio', 'shrinkage estimator', 'Ledoit-Wolf', or ask why their optimizer produces unstable weights.
- 金融业务理解：这一类是所有金融分析的数学底座，包括收益率、时间价值、IRR、现值、统计分布、协方差和回归等。对银行从业者来说，它能把日常看到的收益、期限、利率、风险指标重新连接到底层计算逻辑。
- AI 工作流价值：它把金融专业知识写成可以被 agent 调用的“能力片段”。这种写法适合学习如何把长期经验沉淀成 skill：先定义适用场景，再列核心概念，再给例子和常见误区。
- 可迁移应用方向：可迁移到本项目的 AI/ML 基础和金融基础模块，用来做“金融计算公式 + Python 小实验 + 银行业务解释”的入门练习。
- 风险与治理边界：治理重点是公式口径和输入单位。收益率、期限、年化、现金流方向和频率一旦设错，结果会完全不同，必须保留计算假设和复核样例。
↗
01 Skill 上游文件https://github.com/JoelLewis/finance_skills/blob/f553a84f7222/plugins/core/skills/statistics-fundamentals/SKILL.mdFSK-135 · 查看仓库原文12-financial-ai-skills/professional-finance-service-skills-analysis-03.md原始来源与整理依据
文字分析来自内容源；业务分类、技术标签由 SeekingDAO 按规则整理。披露效果保留原有时间、范围和预测口径，未作独立审计。开源项目与 Skill 的当前许可、兼容性及依赖请以其上游为准。