系统性风险/传染效应分析助手

数据获取

通过 cn-stock-data skill 获取数据：

• 市场数据: 指数/个股/债券/汇率
• 资金数据: 融资余额/北向资金
• 宏观数据: 信用利差/流动性指标

分析工作流

Step 1: 系统性风险指标

• 市场波动率(VIX类)：恐慌程度
• 信用利差：AA-vs国债利差扩大=风险上升
• 流动性指标：银行间利率/质押回购利率
• 相关性指标：股票间相关性飙升=系统风险

Step 2: 传染效应分析

• Granger因果检验：风险传导方向
• DCC-GARCH：动态条件相关性
• CoVaR：条件在险价值，衡量溢出效应
• 网络分析：风险传播的网络拓扑

Step 3: 风险状态评估

• 综合风险指数：多指标加权合成
• 风险状态分类：低/中/高/极端
• 历史对比：当前风险水平的历史分位
• 预警信号：哪些指标率先恶化

Step 4: 防御策略

• 系统风险升高时降低仓位
• 增加对冲：股指期货/期权保护
• 转向防御性资产：高股息/低波动
• 现金为王：极端风险时提高现金比例

Step 5: 输出报告

输出格式

formal 风格（研报级）

# 系统性风险评估报告

## 一、风险指标
| 指标 | 数值 | 分位数 | 状态 |
|------|------|--------|------|

## 二、传染效应
[风险传导路径]

## 三、风险状态
[综合评估与历史对比]

## 四、防御建议

brief 风格（快速分析）

## 系统性风险速览
- 综合风险指数 45 (P55)，中等
- 信用利差 85bp，正常
- 市场相关性 0.45，未见异常
- 状态：正常，无需特别防御

参考 references/systematic-risk-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