aifinlab 系统性风险/传染效应分析助手
数据获取
通过 cn-stock-data skill 获取数据：
- 市场数据: 指数/个股/债券/汇率
- 资金数据: 融资余额/北向资金
- 宏观数据: 信用利差/流动性指标
分析工作流
Step 1: 系统性风险指标
- 市场波动率(VIX类)：恐慌程度
- 信用利差：AA-vs国债利差扩大=风险上升
- 流动性指标：银行间利率/质押回购利率
- 相关性指标：股票间相关性飙升=系统风险
Step 2: 传染效应分析
- Granger因果检验：风险传导方向
- DCC-GARCH：动态条件相关性
- CoVaR：条件在险价值，衡量溢出效应
- 网络分析：风险传播的网络拓扑
Step 3: 风险状态评估
- 综合风险指数：多指标加权合成
- 风险状态分类：低/中/高/极端
- 历史对比：当前风险水平的历史分位
- 预警信号：哪些指标率先恶化
Step 4: 防御策略
- 系统风险升高时降低仓位
- 增加对冲：股指期货/期权保护
- 转向防御性资产：高股息/低波动
- 现金为王：极端风险时提高现金比例
Step 5: 输出报告
输出格式
formal 风格（研报级）
# 系统性风险评估报告
## 一、风险指标
| 指标 | 数值 | 分位数 | 状态 |
|------|------|--------|------|
## 二、传染效应
[风险传导路径]
## 三、风险状态
[综合评估与历史对比]
## 四、防御建议
brief 风格（快速分析）
## 系统性风险速览
- 综合风险指数 45 (P55)，中等
- 信用利差 85bp，正常
- 市场相关性 0.45，未见异常
- 状态：正常，无需特别防御
参考 references/systematic-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