A股市场状态/牛熊识别量化

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: 获取大盘数据

获取主要指数（上证/沪深300/创业板）K线 + 成交量 + 资金流。

Step 2: 多维度状态判断

• 趋势维度：MA20/MA60/MA120 排列（多头/空头/缠绕）
• 波动维度：历史波动率分位（高波/低波）
• 成交维度：成交量相对均值（放量/缩量）
• 情绪维度：涨跌家数比/涨停数/跌停数

Step 3: 状态分类

• 牛市（趋势上行+放量+情绪高涨）
• 熊市（趋势下行+缩量+情绪低迷）
• 震荡市（无明显趋势+量能一般）
• 转折期（指标矛盾+波动放大）

Step 4: 历史状态回溯

标注过去 N 年的市场状态序列，统计各状态持续时间。

Step 5: 输出

维度	formal	brief
当前状态	多维度评分	一句话判断
信号详情	各指标明细	关键信号
历史对比	类似状态历史	无

默认风格：brief。

关键规则

1. 单一指标判断市场状态不可靠——需多维度综合
2. 市场状态转换往往不是突变而是渐进的
3. A 股政策市特征明显——政策转向往往是状态转折点
4. 成交量是判断市场状态的领先指标
5. 不同状态适用不同策略（趋势市用动量，震荡市用均值回归）

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