价格发现/信息效率分析助手

数据获取

通过 cn-stock-data skill 获取数据：

• 多市场数据: A股/H股/期货/ETF价格
• 逐笔成交: 高频价格序列
• 信息事件: 公告/新闻时间戳

分析工作流

Step 1: 信息效率度量

• 方差比检验：VR(q) = Var(q期收益)/(q×Var(1期收益))
• VR=1为随机游走(弱式有效)，偏离1为低效
• 自相关检验：收益率的序列相关性
• 延迟度量：信息融入价格的速度

Step 2: 跨市场价格发现

• A-H溢价：同一公司A股vs H股的价差
• Hasbrouck信息份额(IS)：各市场的价格发现贡献
• Gonzalo-Granger永久-暂时分解(PT/GG)
• ETF vs 成分股：谁先反映信息

Step 3: 事件信息融入

• 公告效应：盘后公告→次日开盘价格跳跃
• 信息泄露：公告前的异常价格变动
• 信息融入速度：从公告到价格完全反映的时间
• A股特征：信息融入速度慢于成熟市场

Step 4: 效率改善分析

• 分析师覆盖：覆盖多的股票效率更高
• 机构持仓：机构占比高的股票效率更高
• 融券机制：可融券标的定价更准确
• 信息披露质量：披露越透明效率越高

Step 5: 输出报告

输出格式

formal 风格（研报级）

# [标的] 价格发现分析报告

## 一、信息效率
| 指标 | 数值 | 评估 |
|------|------|------|

## 二、跨市场分析
[A-H溢价、信息份额]

## 三、事件分析
[信息融入速度]

## 四、效率评估

brief 风格（快速分析）

## [标的] 价格发现速览
- 方差比VR(5)=0.92，接近有效
- A-H溢价 +25%，A股偏贵
- 信息融入：公告后约30分钟完全反映
- 效率评级：中等(分析师覆盖不足)

参考 references/price-discovery-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