AlphaEar Sentiment
Assegna un punteggio di sentiment (positivo, negativo o neutro) a testi finanziari usando FinBERT.
Richiede configurazione
Cosa fa
Analizza il sentiment di testi finanziari usando FinBERT o un LLM. Da usare quando l'utente deve determinare il sentiment (positivo/negativo/neutro) e il punteggio di testi sui mercati finanziari.
Rapporto di test
Testata l'installazione letterale via git-clone (pulita; frontmatter YAML strettamente valido, tutti gli script referenziati presenti) più un A/B di classificazione del sentiment finanziario su 5 titoli. Il percorso FinBERT dello skill richiede torch/transformers e un modello scaricabile (pesante, ma nessuna API a pagamento), mentre la modalità LLM/agentic è guidata dall'agente secondo SKILL.md e funziona senza dipendenze esterne; gli helper di scrittura su DB richiedono in aggiunta un DatabaseManager sqlite inizializzato. L'A/B ha mostrato che la classificazione agentic dello skill e la classificazione diretta del base (senza skill) hanno prodotto etichette e punteggi praticamente identici e corretti, quindi lo skill aggiunge struttura/guida al punteggio ma nessun guadagno di accuratezza su testo inline. L'output è solo un artefatto di classificazione del sentiment, NON un consiglio di investimento.
Testato il: 2026-07-13 · Claude Code 2.x (agent harness)
Installazione
git clone https://github.com/RKiding/Awesome-finance-skills cd Awesome-finance-skills mkdir -p ~/.claude/skills cp -r skills/alphaear-sentiment ~/.claude/skills/alphaear-sentiment
Comandi e prompt di esempio
/alphaear-sentimentAssegna un punteggio di sentiment (positivo, negativo o neutro) a testi finanziari usando FinBERT.
Gli skill si attivano con richieste in linguaggio naturale, senza comandi da ricordare. Dopo l'installazione, prompt come questi lo attivano (in inglese):
Score the sentiment of this earnings call transcriptAnalyze sentiment in these finance news headlinesClassify this market commentary as bullish or bearish