aifinlab 数据源
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
# 现货指数实时行情（IF/IH/IC/IM 对应现货）
python "$SCRIPTS/cn_stock_data.py" quote --code SH000300,SH000016,SH000905,SH000852
# SH000300=沪深300(IF), SH000016=上证50(IH), SH000905=中证500(IC), SH000852=中证1000(IM)
# 现货指数K线（近30个交易日，用于计算均线和走势对比）
python "$SCRIPTS/cn_stock_data.py" kline --code SH000300 --freq daily --start [30日前日期]
# 股指期货行情（akshare）
import akshare as ak
# 当月合约日线行情（symbol 格式：品种代码+0 表示当月连续）
df_if = ak.futures_zh_daily_sina(symbol='IF0') # IF当月连续
df_ih = ak.futures_zh_daily_sina(symbol='IH0') # IH当月连续
df_ic = ak.futures_zh_daily_sina(symbol='IC0') # IC当月连续
df_im = ak.futures_zh_daily_sina(symbol='IM0') # IM当月连续
# 下月合约：IF1, IH1, IC1, IM1
# 当季合约：IF2, IH2, IC2, IM2
# 下季合约：IF3, IH3, IC3, IM3
# 具体合约（如 IF2603 = 2026年3月合约）
df_contract = ak.futures_zh_daily_sina(symbol='IF2603')
web 搜索补充（数据源无法覆盖的关键信息）：
- 各品种当日实时期货价格（当月/下月/当季/下季）
- 前20名席位多空持仓数据及日变化
- 当日基差/升贴水具体数值
- 交割日日历（每月第三个周五）
- 市场对冲需求新闻（如量化对冲基金动态）
Workflow (5 steps):
Step 1: 期指+现货数据获取 获取四大股指期货品种的当月/下月/当季/下季合约行情，以及对应现货指数实时报价：
| 品种 | 期货代码 | 对应现货 | 现货代码 | 合约月份 |
|---|---|---|---|---|
| IF | IF0/IF1/IF2/IF3 | 沪深300 | SH000300 | 当月/下月/当季/下季 |
| IH | IH0/IH1/IH2/IH3 | 上证50 | SH000016 | 当月/下月/当季/下季 |
| IC | IC0/IC1/IC2/IC3 | 中证500 | SH000905 | 当月/下月/当季/下季 |
| IM | IM0/IM1/IM2/IM3 | 中证1000 | SH000852 | 当月/下月/当季/下季 |
Step 2: 基差计算 计算各品种基差及年化基差率：
- 基差 = 期货价格 - 现货指数点位
- 基差率 = 基差 / 现货指数 * 100%
- 年化基差率 = 基差率 / 剩余交易日 * 250 * 100%（用于跨合约对比）
- 正基差（升水/contango）：期货 > 现货，通常反映乐观预期或资金成本
- 负基差（贴水/backwardation）：期货 < 现货，通常反映悲观情绪或对冲压力
输出基差表：
| 品种 | 当月基差 | 当月年化(%) | 下月基差 | 下月年化(%) | 贴水/升水 |
|---|
Step 3: 期限结构分析 分析同一品种四个合约的价格排列：
- 正向结构（contango）：远月 > 近月，正常市场状态，反映持有成本
- 反向结构（backwardation）：远月 < 近月，反映强烈看空或对冲需求旺盛
- 结构变化：与前一交易日/上周对比，结构是否在收敛或扩散
- 各品种期限结构图示（文字描述价差变化趋势）
Step 4: 持仓分析 通过 web 搜索获取前20名席位持仓数据：
- 多头持仓量、空头持仓量及日变化
- 净多/净空 = 多头持仓 - 空头持仓
- 多空持仓比 = 多头持仓 / 空头持仓
- 关注重点：净空头扩大→机构加空看跌；净多头扩大→机构加多看涨
- 席位变化：哪些席位（中信/华泰/中金等）在加仓/减仓
Step 5: 综合研判 & 输出 汇总分析，给出市场情绪判断：
- 基差信号：深度贴水→悲观（但不等于一定下跌），升水→偏乐观
- 结构信号：反向结构→短期压力大，正向结构→市场常态
- 持仓信号：净空扩大→机构偏空，净多扩大→机构偏多
- 综合判断：多空力量对比、情绪偏向、需关注的风险点
- 套利机会（formal 模式）：期现套利空间、跨期价差交易机会
风格说明
| 维度 | formal（策略报告） | brief（快速查看） |
|---|---|---|
| 品种覆盖 | IF/IH/IC/IM 全品种分析 | 仅用户指定品种或 IF+IC |
| 合约覆盖 | 当月/下月/当季/下季全分析 | 仅当月合约 |
| 基差分析 | 基差+年化基差率+历史分位 | 基差及升贴水方向 |
| 期限结构 | 完整结构分析+变化趋势 | 正向/反向一句话 |
| 持仓分析 | 前20席位多空+主力变化 | 净多/净空方向 |
| 套利分析 | 期现套利+跨期价差机会 | 无 |
| 结论 | 客观多空分析+风险提示 | 情绪方向判断 |
| 免责声明 | 需要（期货高风险） | 不需要 |
默认风格：brief
关键规则
- 贴水不等于一定跌：贴水反映悲观情绪和对冲压力，但基差有均值回归特性，深度贴水也可能是超卖信号
- 交割日效应：每月第三个周五为交割日，交割日前后波动通常加大，基差会向零收敛
- 基差有回归特性：到期日基差必然收敛为零（期货向现货靠拢），这是期现套利的基础
- 参与门槛提示：股指期货开户门槛50万+验资+知识测试+交易经验，保证金比例约12%-15%，杠杆约7-8倍，需提示风险
- IC/IM 长期贴水：中证500/中证1000期货长期处于贴水状态，这是A股特有现象，主要因量化对冲需求旺盛
- 与其他 skill 联动：现货走势分析用 a-share-index-analysis，北向资金用 a-share-northbound，市场情绪综合用 a-share-sentiment
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