高频订单流/逐笔成交分析助手

数据获取

通过 cn-stock-data skill 获取数据：

• 逐笔成交: 每笔成交的价格、数量、方向
• 逐笔委托: 委托挂单与撤单明细
• 实时行情: 最新价格与盘口

分析工作流

Step 1: 订单流方向分析

• 按 Lee-Ready 算法分类主动买/主动卖
• 计算净订单流 = 主动买量 - 主动卖量
• 累积订单流不平衡 (cumulative OFI)
• 分时段统计订单流方向变化

Step 2: 大单行为识别

• 定义大单阈值：成交额 > 日均单笔 5 倍
• 大单买卖比例与方向
• 大单成交时点与价格变动的关系
• 识别拆单行为：短时间内同方向连续小单

Step 3: 成交节奏分析

• 成交到达率 (trade arrival rate) 时序分析
• 成交量加速/减速模式识别
• 价格跳跃 (price jump) 与订单流突变的关联
• 静默期 (quiet period) 后的爆发模式

Step 4: 订单流毒性度量

• VPIN 指标计算与预警
• 订单流毒性与后续波动率的预测关系
• 毒性上升时的风控建议
• A股特征：涨跌停前的订单流毒性飙升

Step 5: 输出报告

输出格式

formal 风格（研报级）

# [标的] 订单流分析报告

## 一、订单流方向
| 时段 | 净买入(万) | 大单占比 | 方向 |
|------|-----------|---------|------|

## 二、大单行为
[大单统计、拆单识别]

## 三、成交节奏
[到达率分析、异常模式]

## 四、毒性评估
[VPIN、风控建议]

brief 风格（快速分析）

## [标的] 订单流速览
- 净买入 +2,350万，主动买占比 58%
- 大单买卖比 1.3:1，大单偏多
- VPIN 0.18，毒性正常
- 尾盘订单流加速，关注明日开盘

参考 references/hft-order-flow-guide.md 获取详细方法论与 A股实证研究。

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