aifinlab 离散度交易/相关性策略助手
数据获取
通过 cn-stock-data skill 获取数据：
- 指数期权: 指数IV数据
- 成分股期权/波动率: 个股IV或HV
- 指数权重: 成分股权重
分析工作流
Step 1: 离散度计算
- 隐含相关性 = 指数IV² / 加权成分股IV²
- 已实现相关性 = 成分股收益率相关系数均值
- 离散度 = 成分股IV加权均值 - 指数IV
- 相关性风险溢价 = 隐含相关性 - 已实现相关性
Step 2: 离散度交易构建
- 做多离散度：买成分股期权+卖指数期权
- 做空离散度：卖成分股期权+买指数期权
- Vega中性：调整名义金额使组合Vega为零
- Delta对冲：保持方向中性
Step 3: 相关性分析
- 相关性的均值回归特征
- 危机时相关性飙升(correlation breakdown)
- 行业内vs行业间相关性差异
- 相关性与市场状态的关系
Step 4: A股离散度特征
- A股成分股期权有限，可用HV替代IV
- 板块轮动导致离散度周期性变化
- 牛市末期离散度通常扩大
- 可用ETF期权近似成分股波动率
Step 5: 输出报告
输出格式
formal 风格（研报级）
# 离散度交易分析报告
## 一、离散度指标
| 指标 | 数值 | 分位数 |
|------|------|--------|
## 二、相关性分析
[隐含vs已实现相关性]
## 三、交易方案
[具体期权组合]
## 四、风险控制
brief 风格（快速分析）
## 离散度速览
- 隐含相关性 0.65 vs 已实现 0.55
- 相关性溢价 +10%，偏高
- 建议：做多离散度(卖指数期权+买成分股)
- 风险：市场恐慌时相关性飙升
参考 references/dispersion-trade-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