aifinlab A股回撤分析/最大回撤量化
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线数据
获取足够长的历史数据（建议 2 年以上）。
Step 2: 计算回撤序列
- 滚动最高价 = max(close[:t])
- 回撤 = (close - 滚动最高价) / 滚动最高价 × 100%
- 最大回撤 = min(回撤序列)
Step 3: 回撤事件分析
- 识别所有回撤 > 10% 的事件
- 每次回撤的起点/终点/最低点/持续天数/恢复天数
- 回撤期间成交量变化
Step 4: 回撤统计
- 平均回撤深度/持续时间/恢复时间
- 回撤频率（年均几次 > 5%/10%/20%）
- 与大盘回撤的对比（β调整后回撤）
Step 5: 输出
| 维度 | formal | brief |
|---|---|---|
| 回撤序列 | 完整回撤图表+事件表 | 最大回撤值 |
| 统计分析 | 回撤分布+恢复时间 | 关键统计 |
| 风险评估 | 压力测试情景 | 当前回撤状态 |
默认风格：brief。
关键规则
- 最大回撤是衡量风险的核心指标之一
- 恢复时间往往比回撤深度更影响投资者体验
- A 股历史上大盘级别回撤：2008(-72%)、2015(-49%)、2018(-31%)
- 个股回撤通常远大于指数回撤
- 回撤期间的成交量放大通常意味着恐慌性抛售
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