| name | a-share-volume-price |
| description | A股量价关系量化分析。当用户说"量价"、"volume price"、"缩量"、"放量"、"量价背离"、"天量天价"、"地量地价"、"换手率分析"、"成交量异常"时触发。基于 cn-stock-data 获取K线数据，量化分析量价关系模式，识别异常量价信号。支持研报风格（formal）和快速分析风格（brief）。 |
A股量价关系量化分析
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 "$SCRIPTS/cn_stock_data.py" quote --code [CODE]
量化计算：
QSCRIPTS="$SKILLS_ROOT/a-share-volume-price/scripts"
python "$QSCRIPTS/volume_price_analyzer.py" --data kline.json --window 20
Workflow
Step 1: 获取K线数据
获取包含 OHLCV（开高低收量）的K线数据。
Step 2: 计算量价指标
- VWAP：成交量加权平均价
- OBV：能量潮，累计量（涨加跌减）
- VR（量比）：今日成交量 / 过去N日平均成交量
- 换手率 Z-score：当前换手率相对历史的标准化值
Step 3: 识别量价模式
8 种经典量价关系：量增价升/量增价跌/量缩价升/量缩价跌/量增价平/量缩价平/量平价升/量平价跌
Step 4: 异常检测
- 成交量 > 均值 + 2σ → 放量异常
- 成交量 < 均值 - 1.5σ → 极度缩量
- 量价背离：价格新高但成交量未创新高
Step 5: 输出
| 维度 | formal | brief |
|---|
| 指标 | 全部量价指标 | VR+OBV方向 |
| 模式 | 近期模式序列分析 | 当日模式 |
| 异常 | 历史异常回测 | 有/无异常 |
默认风格：brief。
关键规则
- 量在价先——成交量变化往往领先于价格变化
- A 股集合竞价量有特殊含义（开盘前15分钟）
- 涨跌停板的成交量需特殊处理（封板量 vs 开板量）
- 换手率比成交量更具可比性（剔除了流通盘大小差异）
- 量价背离是趋势衰竭的重要信号
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
