aifinlab A股收益率分布/统计特征分析
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线收益率序列
Step 2: 描述性统计
均值/中位数/标准差/偏度/峰度/最大值/最小值
Step 3: 正态性检验
- Jarque-Bera检验
- Shapiro-Wilk检验
- QQ图分析
Step 4: 分布拟合
拟合t分布/GED分布/混合正态，比较拟合优度
Step 5: 输出
| 维度 | formal | brief |
|---|---|---|
| 统计量 | 完整描述性统计 | 偏度/峰度 |
| 正态检验 | 多种检验结果 | 是否正态 |
| 分布拟合 | 最佳拟合分布 | 分布类型 |
| 默认风格：brief。 |
关键规则
- A股收益率不服从正态分布——尖峰肥尾特征显著
- 负偏度意味着下跌极端值更多——投资者面临左尾风险
- 峰度>3说明极端收益出现频率高于正态预期
- 分布假设影响VaR/期权定价等所有风险计算
- 不同市值股票的分布特征差异大——小盘更尖峰
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