尾盘策略/收盘效应分析助手

数据获取

通过 cn-stock-data skill 获取数据：

• 分钟K线: 最后60分钟的1分钟线
• 收盘集合竞价: 14:57-15:00数据
• 实时行情: 尾盘实时监控

分析工作流

Step 1: 尾盘异动检测

• 尾盘拉升：最后30分钟涨幅 > 全天涨幅的50%
• 尾盘跳水：最后30分钟跌幅 > 全天跌幅的50%
• 尾盘放量：最后30分钟成交量占全天>25%
• 收盘集合竞价异常：竞价成交量突增

Step 2: 收盘效应分析

• 收盘价偏离效应：收盘价系统性偏离日内均价
• 月末/季末效应：基金净值结算驱动的尾盘异动
• 指数调整效应：成分股调整日的尾盘大单
• 期货到期效应：股指期货交割日的尾盘波动

Step 3: 尾盘信号与次日预测

• 尾盘拉升→次日高开概率与幅度统计
• 尾盘跳水→次日低开概率与幅度统计
• 尾盘放量方向与次日走势的相关性
• 收盘集合竞价方向的预测价值

Step 4: 尾盘交易策略

• 尾盘买入策略：利用收盘前的流动性高峰
• MOC (Market on Close) 订单的最优时点
• 尾盘反转：最后15分钟的均值回归机会
• A股特征：14:57收盘集合竞价的博弈

Step 5: 输出报告

输出格式

formal 风格（研报级）

# [标的/市场] 尾盘分析报告

## 一、尾盘异动
| 指标 | 数值 | 信号 |
|------|------|------|

## 二、收盘效应
[当前是否存在特殊效应]

## 三、次日预测
[基于尾盘信号的次日走势预判]

## 四、策略建议

brief 风格（快速分析）

## [标的] 尾盘速览
- 尾盘30分钟涨 +0.8%，占全天涨幅65%
- 尾盘放量，最后30分钟量占28%
- 非月末/交割日，排除特殊效应
- 次日高开概率 58%，但追高需谨慎

参考 references/closing-strategy-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