Check a dataset before analysis
Find missing values, inconsistent formats, duplicates, and questions that could invalidate results.
A股市场冲击/价格影响分析。当用户说"市场冲击"、"market impact"、"价格影响"、"冲击成本"、"大单冲击"、"价格冲击模型"时触发。基于 cn-stock-data 获取数据,估算交易的市场冲击成本。支持 formal/brief 两种输出风格。
---
name: a-share-market-impact-7598d5167fdc
description: A股市场冲击/价格影响分析。当用户说"市场冲击"、"market impact"、"价格影响"、"冲击成本"、"大单冲击"、"价格冲击模型"时触发。基于 cn-stock-data 获取数据,估算交易的市场冲击成本。支持 formal/brief 两种输出风格。
---
# 市场冲击/价格影响分析助手
## 数据获取
通过 cn-stock-data skill 获取数据:
- **逐笔成交**: 大单成交与价格变动
- **盘口数据**: 市场深度
- **历史数据**: 日均成交量/波动率
## 分析工作流
### Step 1: 冲击模型
- 线性模型:Impact = λ × OrderSize / ADV
- 平方根模型:Impact = σ × √(OrderSize/ADV) (Almgren)
- 临时冲击 vs 永久冲击分解
- A股经验参数:λ ≈ 0.1-0.3
### Step 2: 冲击因素分析
- 订单大小/ADV比:越大冲击越大
- 波动率:高波动时冲击更大
- 流动性:盘口深度越深冲击越小
- 执行速度:越急迫冲击越大
### Step 3: 冲击估算
- 给定订单量,估算预期冲击成本
- 置信区间:冲击的不确定性范围
- 不同执行策略的冲击对比
- 分批执行vs一次性执行的冲击差异
### Step 4: 冲击优化
- 最优执行速度:平衡冲击与风险
- 最优拆单大小:单笔订单的最优规模
- 时段选择:流动性高峰期执行降低冲击
- 暗池/大宗交易:绕过公开市场降低冲击
### Step 5: 输出报告
## 输出格式
### formal 风格(研报级)
```
# [标的] 市场冲击分析报告
## 一、冲击估算
| 订单量 | 预期冲击 | 置信区间 |
|--------|---------|----------|
## 二、冲击因素
[流动性、波动率评估]
## 三、执行方案对比
[不同策略的冲击成本]
## 四、优化建议
```
### brief 风格(快速分析)
```
## [标的] 冲击估算速览
- 订单量20万股(ADV的5%)
- 预期冲击 0.12% (±0.05%)
- 流动性良好,冲击可控
- 建议:VWAP执行,分散至全天
```
参考 `references/market-impact-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
```
---
name: a-share-market-impact-7598d5167fdc
description: A股市场冲击/价格影响分析。当用户说"市场冲击"、"market impact"、"价格影响"、"冲击成本"、"大单冲击"、"价格冲击模型"时触发。基于 cn-stock-data 获取数据,估算交易的市场冲击成本。支持 formal/brief 两种输出风格。
---
# 市场冲击/价格影响分析助手
## 数据获取
通过 cn-stock-data skill 获取数据:
- **逐笔成交**: 大单成交与价格变动
- **盘口数据**: 市场深度
- **历史数据**: 日均成交量/波动率
## 分析工作流
### Step 1: 冲击模型
- 线性模型:Impact = λ × OrderSize / ADV
- 平方根模型:Impact = σ × √(OrderSize/ADV) (Almgren)
- 临时冲击 vs 永久冲击分解
- A股经验参数:λ ≈ 0.1-0.3
### Step 2: 冲击因素分析
- 订单大小/ADV比:越大冲击越大
- 波动率:高波动时冲击更大
- 流动性:盘口深度越深冲击越小
- 执行速度:越急迫冲击越大
### Step 3: 冲击估算
- 给定订单量,估算预期冲击成本
- 置信区间:冲击的不确定性范围
- 不同执行策略的冲击对比
- 分批执行vs一次性执行的冲击差异
### Step 4: 冲击优化
- 最优执行速度:平衡冲击与风险
- 最优拆单大小:单笔订单的最优规模
- 时段选择:流动性高峰期执行降低冲击
- 暗池/大宗交易:绕过公开市场降低冲击
### Step 5: 输出报告
## 输出格式
### formal 风格(研报级)
```
# [标的] 市场冲击分析报告
## 一、冲击估算
| 订单量 | 预期冲击 | 置信区间 |
|--------|---------|----------|
## 二、冲击因素
[流动性、波动率评估]
## 三、执行方案对比
[不同策略的冲击成本]
## 四、优化建议
```
### brief 风格(快速分析)
```
## [标的] 冲击估算速览
- 订单量20万股(ADV的5%)
- 预期冲击 0.12% (±0.05%)
- 流动性良好,冲击可控
- 建议:VWAP执行,分散至全天
```
参考 `references/market-impact-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
```
Imported from the listed AgentSkill.sh category. Complete supplied package files and notices are retained. Required external tools and credentials are not installed. No bundled code was executed during import. Individual agent task behavior has not been tested.