A Share Spread Capture

---
name: a-share-spread-capture
description: A股价差捕获/做市策略分析。当用户说"价差捕获"、"做市策略"、"spread capture"、"买卖价差交易"、"做市商"、"报价策略"时触发。基于 cn-stock-data 获取数据，分析买卖价差特征、做市收益空间、库存风险。支持 formal/brief 两种输出风格。
---

# 价差捕获/做市策略分析助手

## 数据获取

通过 cn-stock-data skill 获取数据：
- **盘口数据**: 多档买卖报价与挂单量
- **逐笔成交**: 成交方向与价格
- **实时行情**: 最新价差与成交量

## 分析工作流

### Step 1: 价差特征分析
- 报价价差 (quoted spread) = Ask1 - Bid1
- 有效价差 (effective spread) = 2|P_trade - Midpoint|
- 已实现价差 (realized spread) = 做市商实际利润
- 价差的日内模式：U型曲线（开盘/收盘宽，盘中窄）

### Step 2: 做市收益空间评估
- 毛利润 = 报价价差 × 成交量 / 2
- 净利润 = 毛利润 - 逆向选择成本 - 库存成本
- 逆向选择成本 = 有效价差 - 已实现价差
- 不同市值/流动性股票的做市收益对比

### Step 3: 库存风险管理
- 库存偏离度：当前持仓 vs 目标持仓
- 库存半衰期：回归目标持仓的速度
- 价格风险：持仓期间的价格波动损失
- A股T+1限制对做市库存管理的影响

### Step 4: 最优报价策略
- Avellaneda-Stoikov 模型：基于库存的最优报价
- 报价宽度随波动率/库存动态调整
- 挂单深度优化：各价位的最优挂单量
- A股特征：涨跌停附近的报价策略调整

### Step 5: 输出报告

## 输出格式

### formal 风格（研报级）
```
# [标的] 价差捕获/做市分析报告

## 一、价差特征
| 指标 | 数值 | 日均 |
|------|------|------|
| 报价价差 | 0.05% | 0.06% |

## 二、做市收益空间
[毛利润、净利润、逆向选择成本]

## 三、库存风险
[库存偏离、半衰期、价格风险]

## 四、报价策略建议
[最优报价宽度、挂单深度]
```

### brief 风格（快速分析）
```
## [标的] 做市分析速览
- 报价价差 0.05%，有效价差 0.04%
- 逆向选择成本占比 35%
- 日均做市毛利空间约 2.1 万
- 库存半衰期 15 分钟，风险可控
```

参考 `references/spread-capture-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
```