aifinlab 压力测试/情景分析助手
数据获取
通过 cn-stock-data skill 获取数据：
- 组合数据: 持仓明细与权重
- 历史数据: 极端行情期间的价格序列
- 宏观数据: 利率/汇率/商品价格
分析工作流
Step 1: 历史情景测试
- 2015股灾：沪指-45%，小盘股跌幅更大
- 2016熔断：4个交易日-15%
- 2018贸易战：沪指全年-25%
- 2020疫情冲击：春节后首日-8%
- 组合在各历史情景下的模拟损失
Step 2: 假设情景测试
- 市场暴跌：指数-10%/-20%/-30%
- 利率冲击：10Y国债收益率+50bp/+100bp
- 汇率冲击：人民币贬值5%/10%
- 流动性危机：成交量萎缩50%+价差扩大
Step 3: 敏感性分析
- 单因子敏感性：逐一变动风险因子
- 多因子联合冲击：相关性在危机时趋向1
- 非线性效应：期权/可转债的凸性影响
- 二阶效应：波动率飙升+流动性枯竭
Step 4: 压力测试报告
- 各情景下的组合损失金额与比例
- 最大损失情景识别
- 风险集中度：哪些持仓贡献最大损失
- 应对预案：触发止损/减仓/对冲的阈值
Step 5: 输出报告
输出格式
formal 风格（研报级）
# 组合压力测试报告
## 一、历史情景
| 情景 | 组合损失 | 最大回撤 |
|------|---------|----------|
## 二、假设情景
[各假设情景损失]
## 三、敏感性分析
[单因子/多因子敏感性]
## 四、应对预案
[止损阈值、对冲方案]
brief 风格（快速分析）
## 压力测试速览
- 最大历史损失：2015股灾情景 -32%
- 假设暴跌20%：组合损失 -18%
- 风险集中：前3大持仓贡献65%损失
- 建议：增加对冲，降低集中度
参考 references/stress-test-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