A股回撤分析/最大回撤量化

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

获取足够长的历史数据（建议 2 年以上）。

Step 2: 计算回撤序列

• 滚动最高价 = max(close[:t])
• 回撤 = (close - 滚动最高价) / 滚动最高价 × 100%
• 最大回撤 = min(回撤序列)

Step 3: 回撤事件分析

• 识别所有回撤 > 10% 的事件
• 每次回撤的起点/终点/最低点/持续天数/恢复天数
• 回撤期间成交量变化

Step 4: 回撤统计

• 平均回撤深度/持续时间/恢复时间
• 回撤频率（年均几次 > 5%/10%/20%）
• 与大盘回撤的对比（β调整后回撤）

Step 5: 输出

维度	formal	brief
回撤序列	完整回撤图表+事件表	最大回撤值
统计分析	回撤分布+恢复时间	关键统计
风险评估	压力测试情景	当前回撤状态

默认风格：brief。

关键规则

1. 最大回撤是衡量风险的核心指标之一
2. 恢复时间往往比回撤深度更影响投资者体验
3. A 股历史上大盘级别回撤：2008(-72%)、2015(-49%)、2018(-31%)
4. 个股回撤通常远大于指数回撤
5. 回撤期间的成交量放大通常意味着恐慌性抛售

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