aifinlab 数据源
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
# 标的ETF实时行情
python "$SCRIPTS/cn_stock_data.py" quote --code SH510050,SH510300,SH510500
# SH510050=50ETF, SH510300=300ETF, SH510500=500ETF
# 标的ETF日线K线（近60个交易日，用于历史波动率计算）
python "$SCRIPTS/cn_stock_data.py" kline --code SH510050 --freq daily --start [60日前日期]
# 期权行情数据（akshare）
import akshare as ak
# 50ETF期权 — 标的现货行情+期权链
df_spot = ak.option_sse_underlying_spot_em(symbol='510050') # 50ETF期权标的
df_spot_300 = ak.option_sse_underlying_spot_em(symbol='510300') # 300ETF期权标的
# 期权合约列表（按到期月份）
df_list = ak.option_sse_list_sina(symbol='510050', exchange='null')
# 期权实时行情（东方财富）
df_call = ak.option_sse_spot_price_sina(symbol='510050') # 认购+认沽全部合约
# Greeks 数据
df_greeks = ak.option_sse_greeks_em(symbol='510050') # Delta/Gamma/Theta/Vega/IV
# 300ETF期权
df_300_greeks = ak.option_sse_greeks_em(symbol='510300')
web 搜索补充（数据源无法覆盖的关键信息）：
- 中国波指（iVIX/中证1000波指）当前水平及历史分位
- 期权持仓量/成交量 PCR（Put-Call Ratio）
- 各行权价持仓分布（最大痛点 Max Pain）
- 个股期权（如有）合约信息
- 期权市场重大事件/到期日日历
Workflow (5 steps):
Step 1: 期权链数据获取 获取标的ETF现价及期权链数据：
| 标的 | ETF代码 | 交易所 | 合约单位 | 行权方式 |
|---|---|---|---|---|
| 上证50ETF | 510050 | 上交所 | 10000份 | 欧式 |
| 沪深300ETF(沪) | 510300 | 上交所 | 10000份 | 欧式 |
| 沪深300ETF(深) | 159919 | 深交所 | 10000份 | 欧式 |
| 中证500ETF | 510500 | 上交所 | 10000份 | 欧式 |
获取内容：
- 标的现价、涨跌幅
- 各到期月份（当月/下月/当季/下季）
- 各行权价的认购/认沽合约：最新价、涨跌、成交量、持仓量、IV、Greeks
Step 2: 隐含波动率（IV）分析
- IV 水平判断：当前 IV 在历史分位的位置（高/中/低）
- IV 历史百分位 > 80%：高波动率环境，倾向卖权策略
- IV 历史百分位 < 20%：低波动率环境，倾向买权策略
- IV 历史百分位 20%-80%：中性，策略灵活
- IV 偏度（Skew）：虚值认沽 IV vs 虚值认购 IV
- 认沽 IV > 认购 IV：市场偏谨慎/对冲需求强
- 认购 IV > 认沽 IV：市场偏乐观/投机情绪浓
- IV 期限结构：近月 IV vs 远月 IV
- 近月 > 远月（倒挂）：短期不确定性高（如财报/政策窗口）
- 近月 < 远月（正常）：市场平稳
- 历史波动率（HV）对比：IV vs HV(20日/60日)
- IV > HV：期权定价偏贵，卖方有优势
- IV < HV：期权定价偏便宜，买方有优势
- PCR（Put-Call Ratio）：
- 成交量PCR > 1：看跌情绪浓
- 持仓量PCR > 1：对冲需求强
Step 3: 策略推荐 根据用户市场观点推荐合适策略：
| 市场观点 | 推荐策略 | IV环境适配 |
|---|---|---|
| 强烈看涨 | 买入认购 / 牛市价差 | 低IV买购，高IV用价差 |
| 温和看涨 | 卖出认沽 / 备兑策略 | 高IV卖沽收益更好 |
| 强烈看跌 | 买入认沽 / 熊市价差 | 低IV买沽，高IV用价差 |
| 温和看跌 | 卖出认购 / 熊市价差 | 高IV卖购收益更好 |
| 震荡/中性 | 卖出跨式/宽跨式 / 铁鹰 | 高IV最适合 |
| 突破预期 | 买入跨式/宽跨式 | 低IV时买入成本低 |
| 持仓保护 | 保险策略(持股+买沽) | 低IV时保险成本低 |
| 增强收益 | 备兑策略(持股+卖购) | 高IV时权利金更厚 |
对每个推荐策略给出：
- 具体合约选择（到期月份、行权价）
- 开仓成本/收到权利金
- 最大盈利/最大亏损/盈亏平衡点
- Greeks 暴露（Delta/Gamma/Theta/Vega 方向）
Step 4: 盈亏分析描述 用文字描述到期盈亏结构：
- 盈亏平衡点价位
- 最大盈利区间及金额
- 最大亏损区间及金额（卖方策略需特别强调）
- 标的价格变动对策略盈亏的影响（关键价位对应盈亏）
- 时间衰减对策略的影响（Theta 正/负）
Step 5: 输出
风格说明
| 维度 | formal（策略报告） | brief（快速分析） |
|---|---|---|
| 标的覆盖 | 50ETF/300ETF/500ETF 全分析 | 仅用户指定标的 |
| IV 分析 | IV水平+偏度+期限结构+HV对比+PCR | IV百分位+高/低判断 |
| 策略推荐 | 2-3个策略详细对比+Greeks暴露 | 1个最优策略+关键参数 |
| 盈亏分析 | 完整盈亏描述+关键价位表 | 盈亏平衡点+最大亏损 |
| Greeks | Delta/Gamma/Theta/Vega 完整解读 | Delta+Theta 方向 |
| 风险提示 | 详细风险分析+保证金要求 | 一句话风险提示 |
| 免责声明 | 需要（衍生品高风险） | 不需要 |
默认风格：brief
关键规则
- 期权有到期日：时间价值每天衰减（Theta），越临近到期衰减越快，买方需注意时间成本
- 卖方风险理论无限：裸卖认购理论亏损无限，裸卖认沽最大亏损为行权价全额，必须明确提示保证金风险和强平风险
- IV 水平影响策略选择：高IV环境优先卖权策略（收取高权利金），低IV环境优先买权策略（付出低成本）
- 参与门槛：期权开户门槛为50万资产+通过知识测试+模拟交易经历，需向用户提示
- A股期权为欧式：ETF期权为欧式行权（到期日才能行权），不同于美式期权（随时行权），影响提前行权策略
- 合约乘数：ETF期权合约单位为10000份，计算盈亏时需乘以合约乘数
- 与其他 skill 联动：标的走势分析用 a-share-technical / a-share-etf，市场情绪用 a-share-sentiment，股指期货基差用 a-share-futures-analysis
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