压力测试/情景分析助手

数据获取

通过 cn-stock-data skill 获取数据：

• 组合数据: 持仓明细与权重
• 历史数据: 极端行情期间的价格序列
• 宏观数据: 利率/汇率/商品价格

分析工作流

Step 1: 历史情景测试

• 2015股灾：沪指-45%，小盘股跌幅更大
• 2016熔断：4个交易日-15%
• 2018贸易战：沪指全年-25%
• 2020疫情冲击：春节后首日-8%
• 组合在各历史情景下的模拟损失

Step 2: 假设情景测试

• 市场暴跌：指数-10%/-20%/-30%
• 利率冲击：10Y国债收益率+50bp/+100bp
• 汇率冲击：人民币贬值5%/10%
• 流动性危机：成交量萎缩50%+价差扩大

Step 3: 敏感性分析

• 单因子敏感性：逐一变动风险因子
• 多因子联合冲击：相关性在危机时趋向1
• 非线性效应：期权/可转债的凸性影响
• 二阶效应：波动率飙升+流动性枯竭

Step 4: 压力测试报告

• 各情景下的组合损失金额与比例
• 最大损失情景识别
• 风险集中度：哪些持仓贡献最大损失
• 应对预案：触发止损/减仓/对冲的阈值

Step 5: 输出报告

输出格式

formal 风格（研报级）

# 组合压力测试报告

## 一、历史情景
| 情景 | 组合损失 | 最大回撤 |
|------|---------|----------|

## 二、假设情景
[各假设情景损失]

## 三、敏感性分析
[单因子/多因子敏感性]

## 四、应对预案
[止损阈值、对冲方案]

brief 风格（快速分析）

## 压力测试速览
- 最大历史损失：2015股灾情景 -32%
- 假设暴跌20%：组合损失 -18%
- 风险集中：前3大持仓贡献65%损失
- 建议：增加对冲，降低集中度

参考 references/stress-test-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