Menü
为 SignalAgent 生成单资产市场画像，包含基础摘要、收益分布、回撤、趋势、波动、阶段划分、成交量画像和事实型文字描述。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
为 BudgetAgent 汇总已登记的信号层资产行情数据，生成预算层统一 OHLCV 面板、收益率宽表和数据清单。
为 BudgetAgent 基于预算层统一多资产行情面板生成 train、validation 和 walk-forward 数据切分。
指导 BudgetAgent 在预算层训练结束时登记最终选择的预算策略，生成最终选择报告并更新 budget_run_state.json。
指导 BudgetAgent 按结构化预算策略规范生成 budget_policy_config.json、budget_policy_spec.md、param_space.json 和 budget_policy_meta.json。
指导 BudgetAgent 一次性评估单个或多个预算层策略，生成参数搜索、回测摘要、阶段归因和横向排名产物。
为 BudgetAgent 生成预算层资产池画像；第一步自动补全资产简称、类型、市场、行业/主题等元数据。
| name | market-profile |
| description | 为 SignalAgent 生成单资产市场画像，包含基础摘要、收益分布、回撤、趋势、波动、阶段划分、成交量画像和事实型文字描述。 |
| license | Proprietary project skill |
SignalAgent 在生成第一版策略前，应先生成市场画像。市场画像用于描述目标资产在样本区间内的事实特征，包括趋势、震荡、回撤、波动和分阶段表现。
可以直接传 OHLCV 数据文件：
python -m strategy_lab.cli signal market-profile artifacts\data_agent_workspace\data_files\000300_daily_2024.parquet
也可以只传 run_state.json，让服务从状态文件中读取：
steps.data_acquisition.primary_dataset
命令：
python -m strategy_lab.cli signal market-profile --run-state-path artifacts\signal_runs\signal_000300_SH_20260505_213000\run_state.json
如果同时传 DATA_PATH 和 --run-state-path，优先使用显式传入的 DATA_PATH。
DATA_PATH
可选。OHLCV 数据文件。若不传，则必须提供 --run-state-path，且 run_state.json 中必须有 primary_dataset。
--run-state-path PATH
可选。signal run 的 run_state.json。提供后，输出目录默认使用 directories.market_profile，并自动更新 market_profile 状态。
--output-dir PATH
可选。画像输出目录。
不传时：
- 有 --run-state-path：写入 run_state.json 的 directories.market_profile
- 无 --run-state-path：写入 artifacts/market_profiles/{profile_id}_{timestamp}
--profile-id TEXT
可选。画像文件名前缀，默认 market_profile。
--smooth-window INTEGER
可选。自适应阶段划分的标签平滑窗口，单位为交易日，默认 5。
--min-segment-days INTEGER
可选。自适应阶段划分的最短阶段长度，单位为交易日，默认 10。短于该长度的阶段会合并到相邻且更相近的阶段。
--output-format TEXT
可选。json、md 或 both，默认 both。
--chart / --no-chart
可选。是否生成走势与阶段划分 PNG 图像，默认生成。
默认生成：
market_profile.json
market_profile.md
market_profile_chart.png
market_profile.json 供 Agent 和程序读取，market_profile.md 供人工查看，market_profile_chart.png 供人工查看或后续多模态模型读取。
summary
数据摘要：symbol、日期范围、行数、字段、缺失值、重复日期、起止价格、累计收益。
return_profile
收益分布：日收益均值、波动、年化收益、年化波动、类 Sharpe、偏度、峰度、最好/最差单日、上涨日占比。
drawdown_profile
回撤画像：最大回撤、最大回撤起止、当前回撤、主要回撤区间。
trend_profile
趋势画像：20/60/120 日均线斜率、价格位于均线上方的比例、整体趋势标签和事实型趋势描述。
volatility_profile
波动画像：20/60 日波动率、最新波动状态、高波动区间、ATR proxy。
regime_segments
自适应走势阶段划分：根据每日走势状态自动形成阶段，不按固定窗口切分。每段包含起止日期、交易日数量、阶段标签、收益、波动、最大回撤、均线斜率、价格在均线上方比例和中文事实描述。
liquidity_profile
成交量或成交额画像。若无 volume/amount 字段，会给出事实说明。
profile_flags
事实标签：趋势标签、波动水平、回撤风险水平、收益方向。
risk_events
主要回撤事件和最差单日。
fact_descriptions
自动生成的事实型中文描述。
visualizations
图像产物路径。默认包含 price_regime_chart 和 price_regime_chart_filename。
默认生成 {profile_id}_chart.png，与 JSON/Markdown 放在同一目录。图像包含：
1. 收盘价、MA20、MA60。
2. 自适应阶段背景色：绿色表示上行阶段，红色表示下行阶段，灰色表示震荡阶段，紫色表示高波动震荡阶段。
3. 最大回撤所在日期的竖线。
4. 样本期最差单日标记。
5. 回撤曲线。
6. 如果数据包含 volume 字段，则额外展示成交量。
Markdown 中会自动插入该图像，JSON 中会写入图像路径。
阶段划分可能出现以下标签：
strong_uptrend
weak_uptrend
range
weak_downtrend
strong_downtrend
high_volatility_uptrend
high_volatility_downtrend
high_volatility_range
每段同时包含中文标签：
强上行阶段
弱上行阶段
震荡阶段
弱下行阶段
强下行阶段
高波动上行阶段
高波动下行阶段
高波动震荡阶段
阶段划分使用确定性规则，不调用 LLM。计算过程：
1. 每个交易日计算 20 日收益、60 日收益、MA20/MA60 斜率、收盘价是否位于 MA20/MA60 上方、20 日年化波动率。
2. 根据这些指标给每日打状态标签，例如 strong_uptrend、weak_downtrend、range。
3. 如果 20 日波动率高于样本内 75% 分位数，则把对应状态标记为高波动上行/下行/震荡。
4. 用 --smooth-window 做多数标签平滑，降低单日异常波动导致的阶段抖动。
5. 合并连续相同标签，形成真实走势阶段。
6. 短于 --min-segment-days 的阶段会合并到相邻且标签更相近的阶段。
每个阶段都会输出 trading_days，表示该阶段实际包含的交易日数量。
直接从数据文件生成画像：
python -m strategy_lab.cli signal market-profile artifacts\data_agent_workspace\data_files\000300_daily_2024.parquet
从 run_state.json 自动读取数据并写入本次 run 的 market_profile 目录：
python -m strategy_lab.cli signal market-profile --run-state-path artifacts\signal_runs\signal_000300_SH_20260505_213000\run_state.json
调整自适应划分平滑窗口和最短阶段长度：
python -m strategy_lab.cli signal market-profile artifacts\data_agent_workspace\data_files\000300_daily_2024.parquet --smooth-window 5 --min-segment-days 10
只输出 JSON：
python -m strategy_lab.cli signal market-profile artifacts\data_agent_workspace\data_files\000300_daily_2024.parquet --output-format json
不生成图像：
python -m strategy_lab.cli signal market-profile artifacts\data_agent_workspace\data_files\000300_daily_2024.parquet --no-chart