aifinlab Tick级数据/高频信号分析助手
数据获取
通过 cn-stock-data skill 获取数据：
- Tick数据: 逐笔成交(价格/量/方向/时间戳)
- 快照数据: 3秒/6秒盘口快照
- 分钟K线: 用于信号验证
分析工作流
Step 1: Tick数据清洗与预处理
- 剔除集合竞价期间异常tick
- 处理涨跌停价位的tick聚集
- 时间戳对齐与去重
- 识别并标记大宗交易tick
Step 2: 价格跳跃检测
- Lee-Mykland 跳跃检验：基于二次幂变差
- 跳跃幅度与方向统计
- 跳跃与信息事件(公告/新闻)的时间匹配
- A股特征：涨跌停触发的价格跳跃模式
Step 3: 微观噪声估计
- 已实现波动率 (RV) vs 二次幂变差 (BPV)
- 噪声方差 = RV - BPV 的估计
- 最优采样频率选择：平衡噪声与信息损失
- Hansen-Lunde 噪声稳健估计量
Step 4: 高频信号提取
- Tick动量：连续同向tick的累积信号
- 成交量加权tick方向指标
- Tick不平衡柱 (tick imbalance bar) 构建
- 信号与后续5分钟/15分钟收益的预测力检验
Step 5: 输出报告
输出格式
formal 风格（研报级）
# [标的] Tick级数据分析报告
## 一、数据概览
| 指标 | 数值 |
|------|------|
| Tick总数 | 125,340 |
| 日均成交笔数 | 25,068 |
## 二、价格跳跃
[跳跃检测结果、事件匹配]
## 三、微观噪声
[噪声估计、最优频率]
## 四、高频信号
[信号强度、预测力检验]
## 五、结论与建议
brief 风格（快速分析）
## [标的] Tick分析速览
- 日均 25,068 笔成交，流动性充足
- 检测到 3 次显著价格跳跃
- 微观噪声占比 12%，最优采样 2 分钟
- Tick动量信号 IC=0.03，弱正预测力
参考 references/tick-analysis-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