A股尾部风险/黑天鹅/极端风险分析。当用户说"尾部风险"、"tail risk"、"黑天鹅"、"极端风险"、"肥尾"、"千股跌停"时触发。量化分析极端市场风险。支持formal和brief风格。
name a-share-tail-risk description A股尾部风险/黑天鹅/极端风险分析。当用户说"尾部风险"、"tail risk"、"黑天鹅"、"极端风险"、"肥尾"、"千股跌停"时触发。量化分析极端市场风险。支持formal和brief风格。 A股尾部风险/黑天鹅/极端风险分析 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: 获取长期K线数据 Step 2: 尾部分布分析 计算收益率分布的偏度和峰度 拟合极值分布(GPD/GEV) 与正态分布对比尾部厚度 Step 3: 极端事件统计 历史上超过3σ事件的频率和幅度 跌幅 > 5%的交易日统计 连续下跌天数分布 Step 4: 尾部相关性 极端行情下个股/板块相关性变化 系统性风险传染路径 Step 5: 输出 维度 formal brief 分布特征 偏度/峰度/QQ图 肥尾程度 极端事件 历史事件详细 近期风险 保护建议 对冲方案 风险等级 默认风格:brief。 关键规则 A股尾部风险显著高于成熟市场——涨跌停+T+1放大尾部效应 正态分布严重低估尾部风险——需用t分布或极值分布 危机时相关性趋向1——分散化在最需要时失效 尾部对冲成本高——需权衡保护成本与风险暴露 流动性风险在极端行情下放大——小盘股尤为严重 使用示例 示例 1: 基本使用
result = run_skill({ "param1" : "value1" , "param2" : "value2" }) 示例 2: 命令行使用 python scripts/run_skill.py --input data.json