A股结构变点检测/趋势拐点识别

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K线时间序列

Step 2: 变点检测方法

• CUSUM检验（累积和）
• Chow检验（已知候选断点）
• Bai-Perron多断点检验

Step 3: 断点前后对比

比较断点前后的均值/波动率/趋势斜率变化

Step 4: 归因分析

关联断点时间与重大事件（政策/业绩/市场）

Step 5: 输出

维度	formal	brief
断点检测	多方法+统计检验	最近断点
前后对比	均值/波动率变化	趋势变了吗
归因	事件关联分析	可能原因
默认风格：brief。

关键规则

1. 结构断点通常对应重大事件（政策/业绩/市场危机）
2. 多种检验方法一致的断点更可靠
3. 断点检测有事后偏差——实时判断更难
4. 波动率断点往往先于均值断点
5. 断点后的新均衡状态可能持续较长时间

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