---
name: aifinlab/a-share-distribution-analysis
source: https://app.decimal.ai/s/aifinlab-a-share-distribution-analysis@1/SKILL.md
source_sha256: 32e04bad9916
---

# A股收益率分布/统计特征分析
## 数据源
```bash
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K线收益率序列
### Step 2: 描述性统计
均值/中位数/标准差/偏度/峰度/最大值/最小值
### Step 3: 正态性检验
- Jarque-Bera检验
- Shapiro-Wilk检验
- QQ图分析
### Step 4: 分布拟合
拟合t分布/GED分布/混合正态，比较拟合优度
### Step 5: 输出
| 维度 | formal | brief |
|------|--------|-------|
| 统计量 | 完整描述性统计 | 偏度/峰度 |
| 正态检验 | 多种检验结果 | 是否正态 |
| 分布拟合 | 最佳拟合分布 | 分布类型 |
默认风格：brief。
## 关键规则
1. A股收益率不服从正态分布——尖峰肥尾特征显著
2. 负偏度意味着下跌极端值更多——投资者面临左尾风险
3. 峰度>3说明极端收益出现频率高于正态预期
4. 分布假设影响VaR/期权定价等所有风险计算
5. 不同市值股票的分布特征差异大——小盘更尖峰

## 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
```