# A Share T0 Rotation

> A股T+0回转交易/日内做T策略。当用户说"做T"、"T+0"、"回转交易"、"日内做T"、"底仓做T"、"高抛低吸"、"日内差价"时触发。基于 cn-stock-data 获取数据，分析做T机会、计算做T收益、优化做T策略。支持 formal/brief 两种输出风格。

- Skill: `aifinlab/a-share-t0-rotation` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add aifinlab/a-share-t0-rotation`
- Raw SKILL.md: https://api.skillmd.com/api/skills/aifinlab/a-share-t0-rotation/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: aifinlab (https://skillmd.com/u/aifinlab)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/aifinlab/a-share-t0-rotation

---


# T+0回转交易/日内做T助手

## 数据获取

通过 cn-stock-data skill 获取数据：
- **分钟K线**: 1分钟/5分钟线
- **实时行情**: 最新价格与盘口
- **历史日内振幅**: 用于评估做T空间

## 分析工作流

### Step 1: 做T空间评估
- 日内振幅 = (最高价 - 最低价) / 开盘价
- 历史平均日内振幅：评估做T的收益空间
- 扣除交易成本后的净做T空间
- 振幅分位数：当前振幅是否足够做T

### Step 2: 做T时机识别
- 正T(先买后卖)：底仓持有，低点加仓→高点卖出底仓
- 反T(先卖后买)：高点卖出底仓→低点买回
- 分时支撑压力位：VWAP/均线/前高前低
- 成交量配合：缩量回调买入，放量冲高卖出

### Step 3: 做T成本计算
- 佣金：买卖各一次，通常万1.5-万3
- 印花税：卖出千1(单边)
- 滑点：预估0.05-0.1%
- 盈亏平衡振幅 = 2×佣金 + 印花税 + 滑点 ≈ 0.2-0.3%

### Step 4: 做T策略优化
- 最优做T标的：高振幅+高流动性+低波动率方向性
- 最优做T时段：10:00-11:00 和 13:30-14:30
- 仓位管理：做T仓位不超过底仓的50%
- 止损规则：做T亏损超过0.5%立即止损

### Step 5: 输出报告

## 输出格式

### formal 风格（研报级）
```
# [标的] T+0回转交易分析报告

## 一、做T空间评估
| 指标 | 数值 | 评估 |
|------|------|------|
| 平均日内振幅 | 3.2% | 空间充足 |

## 二、今日做T机会
[支撑压力位、买卖时点]

## 三、成本与收益
[交易成本、预期净收益]

## 四、策略建议
[正T/反T选择、仓位建议]
```

### brief 风格（快速分析）
```
## [标的] 做T速览
- 平均日内振幅 3.2%，净做T空间约2.9%
- 当前价位接近VWAP下方，正T机会
- 建议：25.10附近加仓，25.40上方减仓
- 做T仓位控制在底仓30%以内
```

参考 `references/t0-rotation-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

```python
# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})
```

### 示例 2: 命令行使用

```bash
python scripts/run_skill.py --input data.json
```