---
name: aifinlab/a-share-intraday-vol
source: https://app.decimal.ai/s/aifinlab-a-share-intraday-vol@1/SKILL.md
source_sha256: 68ce7fb969da
---

# 日内波动率/已实现波动率分析助手

## 数据获取

通过 cn-stock-data skill 获取数据：
- **分钟K线**: 1分钟/5分钟线
- **日线数据**: 用于对比日间波动率
- **期权数据**: 隐含波动率(如有)

## 分析工作流

### Step 1: 已实现波动率计算
- RV = √(Σ r_i²)，r_i为分钟收益率
- 最优采样频率选择：5分钟(平衡噪声与信息)
- 二次幂变差(BPV)：对跳跃稳健的波动率估计
- 已实现核估计量(Realized Kernel)：处理微观结构噪声

### Step 2: 日内波动率模式
- U型模式：开盘高→盘中低→收盘升
- 波动率聚集：高波动后续高波动(GARCH效应)
- 午间效应：午盘开盘波动率短暂升高
- 事件冲击：公告/数据发布后的波动率跳升

### Step 3: 波动率预测
- HAR-RV模型：日/周/月已实现波动率的异质自回归
- RV vs IV：已实现波动率与隐含波动率的差异(方差风险溢价)
- 波动率期限结构：短期vs长期波动率预期
- 波动率状态识别：低波/正常/高波三状态

### Step 4: 波动率交易应用
- 波动率突破：RV突破历史分位数的交易信号
- 波动率均值回归：极端波动率后的回归策略
- 波动率与收益的关系：高波动率环境的仓位调整
- 期权定价参考：用RV校准期权隐含波动率

### Step 5: 输出报告

## 输出格式

### formal 风格（研报级）
```
# [标的] 日内波动率分析报告

## 一、已实现波动率
| 指标 | 数值 | 分位数 |
|------|------|--------|
| 日RV | 1.8% | P65 |

## 二、日内模式
[U型曲线、异常时段]

## 三、波动率预测
[HAR-RV预测、状态判断]

## 四、交易建议
[基于波动率的仓位与策略建议]
```

### brief 风格（快速分析）
```
## [标的] 波动率速览
- 日RV 1.8% (P65)，波动率中等偏高
- 开盘30分钟贡献全天波动率42%
- HAR-RV预测明日RV 1.6%，略降
- 当前处于正常波动状态
```

参考 `references/intraday-vol-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
```