aifinlab 市场冲击/价格影响分析助手
数据获取
通过 cn-stock-data skill 获取数据：
- 逐笔成交: 大单成交与价格变动
- 盘口数据: 市场深度
- 历史数据: 日均成交量/波动率
分析工作流
Step 1: 冲击模型
- 线性模型：Impact = λ × OrderSize / ADV
- 平方根模型：Impact = σ × √(OrderSize/ADV) (Almgren)
- 临时冲击 vs 永久冲击分解
- A股经验参数：λ ≈ 0.1-0.3
Step 2: 冲击因素分析
- 订单大小/ADV比：越大冲击越大
- 波动率：高波动时冲击更大
- 流动性：盘口深度越深冲击越小
- 执行速度：越急迫冲击越大
Step 3: 冲击估算
- 给定订单量，估算预期冲击成本
- 置信区间：冲击的不确定性范围
- 不同执行策略的冲击对比
- 分批执行vs一次性执行的冲击差异
Step 4: 冲击优化
- 最优执行速度：平衡冲击与风险
- 最优拆单大小：单笔订单的最优规模
- 时段选择：流动性高峰期执行降低冲击
- 暗池/大宗交易：绕过公开市场降低冲击
Step 5: 输出报告
输出格式
formal 风格（研报级）
# [标的] 市场冲击分析报告
## 一、冲击估算
| 订单量 | 预期冲击 | 置信区间 |
|--------|---------|----------|
## 二、冲击因素
[流动性、波动率评估]
## 三、执行方案对比
[不同策略的冲击成本]
## 四、优化建议
brief 风格（快速分析）
## [标的] 冲击估算速览
- 订单量20万股(ADV的5%)
- 预期冲击 0.12% (±0.05%)
- 流动性良好，冲击可控
- 建议：VWAP执行，分散至全天
参考 references/market-impact-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