aifinlab A股市场状态/牛熊识别量化
数据源
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [日期]
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]
Workflow
Step 1: 获取大盘数据
获取主要指数（上证/沪深300/创业板）K线 + 成交量 + 资金流。
Step 2: 多维度状态判断
- 趋势维度：MA20/MA60/MA120 排列（多头/空头/缠绕）
- 波动维度：历史波动率分位（高波/低波）
- 成交维度：成交量相对均值（放量/缩量）
- 情绪维度：涨跌家数比/涨停数/跌停数
Step 3: 状态分类
- 牛市（趋势上行+放量+情绪高涨）
- 熊市（趋势下行+缩量+情绪低迷）
- 震荡市（无明显趋势+量能一般）
- 转折期（指标矛盾+波动放大）
Step 4: 历史状态回溯
标注过去 N 年的市场状态序列，统计各状态持续时间。
Step 5: 输出
| 维度 | formal | brief |
|---|---|---|
| 当前状态 | 多维度评分 | 一句话判断 |
| 信号详情 | 各指标明细 | 关键信号 |
| 历史对比 | 类似状态历史 | 无 |
默认风格：brief。
关键规则
- 单一指标判断市场状态不可靠——需多维度综合
- 市场状态转换往往不是突变而是渐进的
- A 股政策市特征明显——政策转向往往是状态转折点
- 成交量是判断市场状态的领先指标
- 不同状态适用不同策略（趋势市用动量，震荡市用均值回归）
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