A股量价异常检测/异动监控

数据源

SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [日期]
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]

Workflow

Step 1: 获取K线数据

Step 2: 统计异常检测

• 收益率Z-score = (r - μ) / σ（|Z| > 2 为异常）
• 成交量Z-score（|Z| > 2 为异常放量/缩量）
• 振幅异常：日振幅 > 历史均值 + 2σ

Step 3: 模式异常检测

• 量价背离：价涨量缩 或 价跌量增
• 尾盘异动：最后30分钟涨跌 > 日涨跌的50%
• 连续异常：连续3日同方向异常

Step 4: 异常归因

关联近期公告/新闻/资金流，尝试解释异常原因

Step 5: 输出

维度	formal	brief
异常信号	完整异常事件列表	最新异常
统计分析	Z-score+分布	异常等级
归因	可能原因分析	一句话
默认风格：brief。

关键规则

1. 异常不等于机会——可能是风险信号
2. 统计异常需结合基本面/消息面综合判断
3. A股信息泄露常见——异常可能先于公告
4. 单日异常可能是噪音——连续异常更值得关注
5. 成交量异常通常比价格异常更有预测价值

使用示例

示例 1: 基本使用

# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})

示例 2: 命令行使用

python scripts/run_skill.py --input data.json