---
name: aifinlab/a-share-price-discovery
source: https://app.decimal.ai/s/aifinlab-a-share-price-discovery@1/SKILL.md
source_sha256: 369c806f224c
---

# 价格发现/信息效率分析助手

## 数据获取

通过 cn-stock-data skill 获取数据：
- **多市场数据**: A股/H股/期货/ETF价格
- **逐笔成交**: 高频价格序列
- **信息事件**: 公告/新闻时间戳

## 分析工作流

### Step 1: 信息效率度量
- 方差比检验：VR(q) = Var(q期收益)/(q×Var(1期收益))
- VR=1为随机游走(弱式有效)，偏离1为低效
- 自相关检验：收益率的序列相关性
- 延迟度量：信息融入价格的速度

### Step 2: 跨市场价格发现
- A-H溢价：同一公司A股vs H股的价差
- Hasbrouck信息份额(IS)：各市场的价格发现贡献
- Gonzalo-Granger永久-暂时分解(PT/GG)
- ETF vs 成分股：谁先反映信息

### Step 3: 事件信息融入
- 公告效应：盘后公告→次日开盘价格跳跃
- 信息泄露：公告前的异常价格变动
- 信息融入速度：从公告到价格完全反映的时间
- A股特征：信息融入速度慢于成熟市场

### Step 4: 效率改善分析
- 分析师覆盖：覆盖多的股票效率更高
- 机构持仓：机构占比高的股票效率更高
- 融券机制：可融券标的定价更准确
- 信息披露质量：披露越透明效率越高

### Step 5: 输出报告

## 输出格式

### formal 风格（研报级）
```
# [标的] 价格发现分析报告

## 一、信息效率
| 指标 | 数值 | 评估 |
|------|------|------|

## 二、跨市场分析
[A-H溢价、信息份额]

## 三、事件分析
[信息融入速度]

## 四、效率评估
```

### brief 风格（快速分析）
```
## [标的] 价格发现速览
- 方差比VR(5)=0.92，接近有效
- A-H溢价 +25%，A股偏贵
- 信息融入：公告后约30分钟完全反映
- 效率评级：中等(分析师覆盖不足)
```

参考 `references/price-discovery-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
```