A股指数增强策略

数据源

SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
python "$SCRIPTS/cn_stock_data.py" kline --code [INDEX_CODE] --freq daily --start [日期]
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE1],[CODE2],...
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE1],[CODE2],...

Workflow

Step 1: 确定基准指数

沪深300(SH000300) / 中证500(SH000905) / 中证1000(SH000852)

Step 2: 获取成分股数据

获取指数成分股列表、权重、K线数据、财务指标。

Step 3: 构建增强因子

• 价值因子：EP、BP、DP（高于基准均值的股票超配）
• 质量因子：ROE、毛利率、现金流稳定性
• 动量因子：过去20日收益率（去除最近5日）
• 低波因子：过去60日波动率（低波超配）

Step 4: 偏离度控制

• 行业偏离 < ±3%（相对基准权重）
• 个股偏离 < ±1%
• 风格因子暴露中性化
• 换手率约束：月度换手 < 30%

Step 5: 输出

维度	formal	brief
因子构成	多因子权重 + IC/IR	主要alpha来源
组合构建	完整超配/低配名单	Top 10 超配
跟踪误差	TE 目标 + 信息比率	预期超额

默认风格：brief。

关键规则

1. 指数增强的核心是控制跟踪误差（TE < 5%年化）
2. 行业中性是底线——避免行业偏离贡献过多超额
3. A 股特殊：ST/涨跌停/停牌股需特殊处理
4. 交易成本显著影响超额——换手率控制很重要
5. 成分股调整日（6月/12月）需注意调仓冲击

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