AlphaEar Sentiment
Poängsätter finanstexters sentiment som positivt, negativt eller neutralt med FinBERT.
Fungerar med konfiguration
Vad den gör
Analysera sentimentet i finanstext med FinBERT eller LLM. Används när användaren behöver fastställa sentimentet (positivt/negativt/neutralt) och poängen för finanstextmarknader.
Testrapport
Testade installation ord för ord med git clone (ren; frontmatter giltig strikt YAML, alla refererade skript finns), plus en A/B-klassificering av finanssentiment på 5 rubriker. Skillens FinBERT-väg kräver torch/transformers och en nedladdningsbar modell (tung, men ingen betal-API), medan dess LLM-/agentiska läge är agentstyrt enligt SKILL.md och fungerar utan externa beroenden; hjälpfunktioner för DB-återskrivning kräver dessutom en initierad sqlite DatabaseManager. A/B visade att skillens agentiska klassificering och basens (utan skill) direkta klassificering gav i praktiken identiska, korrekta etiketter och poäng, så skillen lägger till struktur/poängsättningsguide men ingen träffsäkerhetsvinst på inline-text. Utdata är enbart ett sentimentklassificeringsartefakt, INTE investeringsrådgivning.
Testad: 2026-07-13 · Claude Code 2.x (agent harness)
Installation
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
Kommandon och exempelprompter
/alphaear-sentimentPoängsätter finanstexters sentiment som positivt, negativt eller neutralt med FinBERT.
Skills triggas av vanliga förfrågningar — inga kommandon att memorera. Efter installationen aktiverar prompter som dessa skillen (på engelska):
Score the sentiment of this earnings call transcriptAnalyze sentiment in these finance news headlinesClassify this market commentary as bullish or bearish