aifinlab 尾盘策略/收盘效应分析助手
数据获取
通过 cn-stock-data skill 获取数据：
- 分钟K线: 最后60分钟的1分钟线
- 收盘集合竞价: 14:57-15:00数据
- 实时行情: 尾盘实时监控
分析工作流
Step 1: 尾盘异动检测
- 尾盘拉升：最后30分钟涨幅 > 全天涨幅的50%
- 尾盘跳水：最后30分钟跌幅 > 全天跌幅的50%
- 尾盘放量：最后30分钟成交量占全天>25%
- 收盘集合竞价异常：竞价成交量突增
Step 2: 收盘效应分析
- 收盘价偏离效应：收盘价系统性偏离日内均价
- 月末/季末效应：基金净值结算驱动的尾盘异动
- 指数调整效应：成分股调整日的尾盘大单
- 期货到期效应：股指期货交割日的尾盘波动
Step 3: 尾盘信号与次日预测
- 尾盘拉升→次日高开概率与幅度统计
- 尾盘跳水→次日低开概率与幅度统计
- 尾盘放量方向与次日走势的相关性
- 收盘集合竞价方向的预测价值
Step 4: 尾盘交易策略
- 尾盘买入策略：利用收盘前的流动性高峰
- MOC (Market on Close) 订单的最优时点
- 尾盘反转：最后15分钟的均值回归机会
- A股特征：14:57收盘集合竞价的博弈
Step 5: 输出报告
输出格式
formal 风格（研报级）
# [标的/市场] 尾盘分析报告
## 一、尾盘异动
| 指标 | 数值 | 信号 |
|------|------|------|
## 二、收盘效应
[当前是否存在特殊效应]
## 三、次日预测
[基于尾盘信号的次日走势预判]
## 四、策略建议
brief 风格（快速分析）
## [标的] 尾盘速览
- 尾盘30分钟涨 +0.8%，占全天涨幅65%
- 尾盘放量，最后30分钟量占28%
- 非月末/交割日，排除特殊效应
- 次日高开概率 58%，但追高需谨慎
参考 references/closing-strategy-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