aifinlab 流动性风险/变现能力分析助手
数据获取
通过 cn-stock-data skill 获取数据：
- 成交量数据: 日均成交量/成交额
- 盘口数据: 买卖价差/市场深度
- 持仓数据: 持仓量与市值
分析工作流
Step 1: 流动性度量
- 日均成交额：绝对流动性水平
- 换手率：相对流动性水平
- 买卖价差：即时交易成本
- Amihud非流动性：|收益率|/成交额
Step 2: 变现能力评估
- 持仓/ADV比：需要多少天才能清仓
- 参与率约束：不超过日成交量的20%
- 变现天数 = 持仓量 / (ADV × 参与率)
- 分级：<1天(优)/<5天(良)/<20天(中)/>20天(差)
Step 3: 流动性风险情景
- 正常市场：按历史平均流动性评估
- 压力市场：成交量萎缩50%时的变现能力
- 极端市场：连续跌停无法卖出的风险
- 流动性传染：个股流动性枯竭扩散到板块
Step 4: 流动性管理
- 流动性分层：将持仓按流动性分为高/中/低
- 流动性缓冲：保持一定比例的高流动性资产
- 流动性成本预算：大规模减仓的冲击成本
- 预警机制：成交量/价差异常变化时预警
Step 5: 输出报告
输出格式
formal 风格（研报级）
# 组合流动性风险报告
## 一、流动性概览
| 持仓 | ADV(万) | 持仓/ADV | 变现天数 |
|------|---------|---------|----------|
## 二、压力情景
[成交量萎缩时的变现能力]
## 三、流动性分层
[高/中/低流动性占比]
## 四、管理建议
brief 风格（快速分析）
## 流动性风险速览
- 组合平均变现天数 3.2天
- 高流动性资产占比 65%
- 压力情景下变现天数升至 6.5天
- 建议：减持低流动性标的至20%以下
参考 references/liquidity-risk-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