---
name: aifinlab/a-share-seasonal-pattern
source: https://app.decimal.ai/s/aifinlab-a-share-seasonal-pattern@1/SKILL.md
source_sha256: 47f551f06f61
---

# A股季节性规律/日历效应分析 (a-share-seasonal-pattern)

## 数据获取

```bash
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"

# 拉取上证指数近10年以上历史日K线（将 START 替换为10年前日期 YYYYMMDD）
python "$SCRIPTS/cn_stock_data.py" kline --code SH000001 --freq daily --start START

# 沪深300/创业板指同期数据
python "$SCRIPTS/cn_stock_data.py" kline --code SH000300,SZ399006 --freq daily --start START

# 月K线（用于快速统计月度收益率）
python "$SCRIPTS/cn_stock_data.py" kline --code SH000001,SH000300,SZ399006 --freq monthly --start START
```

补充数据通过 web 搜索获取：历史日历效应统计研报、节假日前后涨跌概率、两会/中央经济工作会议时间表、当前宏观政策环境。

## Workflow

1. **识别当前时间节点** — 确认当前月份、距最近节假日/重要会议的天数（春节/两会/国庆/中央经济工作会议/财报披露季等）
2. **拉取历史数据** — 获取至少10年（推荐15-20年）的大盘指数日K线/月K线数据
3. **统计分析** — 计算各月平均收益率、中位数收益率、上涨概率（正收益年份占比）、平均最大回撤、收益率标准差；绘制月度收益率热力图/箱线图（文字描述）
4. **特殊效应检验** — 针对当前时点相关的经典效应做历史回测（如春季躁动、五穷六绝、红十月、节前效应等），计算效应成立的概率和平均超额收益
5. **输出当前时点概率参考** — 综合统计结论+当前宏观环境，给出概率判断和置信度评估，明确标注统计局限性

## 风格切换

默认 brief；用户说"详细分析/完整报告/formal"时用 formal。

| 维度 | formal | brief |
|------|--------|-------|
| 篇幅 | 2-3 页 | 半页 |
| 月度统计 | 全部12个月详细数据表 | 仅当前及相邻月份 |
| 效应检验 | 多个效应完整回测 | 当前最相关的1-2个效应 |
| 行业季节性 | 分行业季节性排名 | 仅提当季强势行业 |
| 历史对比 | 类似宏观环境年份对比 | 省略 |
| 免责声明 | 需要 | 不需要 |

## 关键规则

1. **概率思维** — 季节性是统计规律而非确定性预测，必须给出上涨概率和置信度，禁止用确定性语气
2. **宏观环境校验** — 宏观环境变化（货币政策转向/重大外部冲击）可能打破季节性规律，需结合当前环境做修正
3. **样本量标注** — 所有统计结论必须标注样本年份数（如"过去15年中有12年上涨，概率80%"）
4. **不可单一依赖** — 明确提示季节性分析只是辅助工具之一，不能仅凭日历效应做投资决策
5. **统计陷阱提醒** — 提示幸存者偏差、数据挖掘偏差、小样本偏差等统计风险
6. **时间戳** — 报告顶部注明分析日期和当前时间节点
7. **模板参考** — 见 `references/seasonal-pattern-guide.md`

## formal 免责声明

> 以上季节性分析基于历史统计数据，仅供参考，不构成投资建议。历史规律不代表未来必然重现，市场有风险，投资需谨慎。

## 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
```