价差捕获/做市策略分析助手

数据获取

通过 cn-stock-data skill 获取数据：

• 盘口数据: 多档买卖报价与挂单量
• 逐笔成交: 成交方向与价格
• 实时行情: 最新价差与成交量

分析工作流

Step 1: 价差特征分析

• 报价价差 (quoted spread) = Ask1 - Bid1
• 有效价差 (effective spread) = 2|P_trade - Midpoint|
• 已实现价差 (realized spread) = 做市商实际利润
• 价差的日内模式：U型曲线（开盘/收盘宽，盘中窄）

Step 2: 做市收益空间评估

• 毛利润 = 报价价差 × 成交量 / 2
• 净利润 = 毛利润 - 逆向选择成本 - 库存成本
• 逆向选择成本 = 有效价差 - 已实现价差
• 不同市值/流动性股票的做市收益对比

Step 3: 库存风险管理

• 库存偏离度：当前持仓 vs 目标持仓
• 库存半衰期：回归目标持仓的速度
• 价格风险：持仓期间的价格波动损失
• A股T+1限制对做市库存管理的影响

Step 4: 最优报价策略

• Avellaneda-Stoikov 模型：基于库存的最优报价
• 报价宽度随波动率/库存动态调整
• 挂单深度优化：各价位的最优挂单量
• A股特征：涨跌停附近的报价策略调整

Step 5: 输出报告

输出格式

formal 风格（研报级）

# [标的] 价差捕获/做市分析报告

## 一、价差特征
| 指标 | 数值 | 日均 |
|------|------|------|
| 报价价差 | 0.05% | 0.06% |

## 二、做市收益空间
[毛利润、净利润、逆向选择成本]

## 三、库存风险
[库存偏离、半衰期、价格风险]

## 四、报价策略建议
[最优报价宽度、挂单深度]

brief 风格（快速分析）

## [标的] 做市分析速览
- 报价价差 0.05%，有效价差 0.04%
- 逆向选择成本占比 35%
- 日均做市毛利空间约 2.1 万
- 库存半衰期 15 分钟，风险可控

参考 references/spread-capture-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