aifinlab 高频微观结构/盘口深度分析助手
数据获取
通过 cn-stock-data skill 获取数据：
- Level2数据: 逐笔成交、逐笔委托、盘口快照
- 分钟K线: 1分钟/5分钟线，用于日内模式验证
- 实时行情: quote 接口获取最新盘口
分析工作流
Step 1: 盘口深度分析
- 计算买卖盘口不平衡度 OIR = (Bid_Vol - Ask_Vol)/(Bid_Vol + Ask_Vol)
- 分析 5/10 档挂单量分布，识别支撑/压力价位
- 检测大单挂撤单行为，识别冰山单/幌骗单特征
- 统计各价位委托存续时间，区分真实委托与试探性委托
Step 2: 有效价差与流动性度量
- 有效价差 = 2 * |成交价 - 中间价| / 中间价
- 已实现价差 vs 有效价差分解：流动性供给者利润
- Amihud 非流动性指标 = |收益率| / 成交额
- 按时段统计价差变化：开盘宽→盘中窄→尾盘收窄
Step 3: 知情交易概率估算
- PIN 模型：基于买卖主导订单到达率估算
- VPIN (Volume-synchronized PIN)：成交量同步方法
- 信息不对称指标随事件（财报/公告）的变化
- A股特征：散户噪声交易占比高，PIN 基准值偏低
Step 4: 价格冲击分析
- Kyle Lambda：回归 ΔP = λ * OrderFlow + ε
- 临时冲击 vs 永久冲击分解
- 不同市值/流动性股票的冲击系数对比
- 大单拆分策略的冲击成本估算
Step 5: 微结构异常检测
- 盘口突变（大单撤单、价位跳空）预警
- 成交量脉冲检测：短时间内异常放量
- 价差异常扩大：可能预示重大信息到来
- 结合涨跌停板制度分析封板/开板微结构
Step 6: 输出报告
输出格式
formal 风格（研报级）
# [标的] 高频微观结构分析报告
## 一、盘口深度概览
| 指标 | 数值 | 分位数 | 评估 |
|------|------|--------|------|
| OIR | +0.15 | P62 | 买盘略占优 |
| 有效价差 | 0.08% | P35 | 流动性良好 |
## 二、知情交易分析
[PIN/VPIN 估算结果，信息不对称评估]
## 三、价格冲击
[Kyle Lambda，冲击成本估算]
## 四、异常信号
[盘口异常事件汇总]
## 五、交易建议
[基于微结构的最优执行建议]
brief 风格（快速分析）
## [标的] 微结构速览
- OIR +0.15，买盘略占优
- 有效价差 0.08% (P35)，流动性良好
- PIN 0.12，知情交易概率低
- 无明显盘口异常
- 建议：可正常下单，冲击成本可控
参考 references/hft-microstructure-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