离散度交易/相关性策略助手

数据获取

通过 cn-stock-data skill 获取数据：

• 指数期权: 指数IV数据
• 成分股期权/波动率: 个股IV或HV
• 指数权重: 成分股权重

分析工作流

Step 1: 离散度计算

• 隐含相关性 = 指数IV² / 加权成分股IV²
• 已实现相关性 = 成分股收益率相关系数均值
• 离散度 = 成分股IV加权均值 - 指数IV
• 相关性风险溢价 = 隐含相关性 - 已实现相关性

Step 2: 离散度交易构建

• 做多离散度：买成分股期权+卖指数期权
• 做空离散度：卖成分股期权+买指数期权
• Vega中性：调整名义金额使组合Vega为零
• Delta对冲：保持方向中性

Step 3: 相关性分析

• 相关性的均值回归特征
• 危机时相关性飙升(correlation breakdown)
• 行业内vs行业间相关性差异
• 相关性与市场状态的关系

Step 4: A股离散度特征

• A股成分股期权有限，可用HV替代IV
• 板块轮动导致离散度周期性变化
• 牛市末期离散度通常扩大
• 可用ETF期权近似成分股波动率

Step 5: 输出报告

输出格式

formal 风格（研报级）

# 离散度交易分析报告

## 一、离散度指标
| 指标 | 数值 | 分位数 |
|------|------|--------|

## 二、相关性分析
[隐含vs已实现相关性]

## 三、交易方案
[具体期权组合]

## 四、风险控制

brief 风格（快速分析）

## 离散度速览
- 隐含相关性 0.65 vs 已实现 0.55
- 相关性溢价 +10%，偏高
- 建议：做多离散度(卖指数期权+买成分股)
- 风险：市场恐慌时相关性飙升

参考 references/dispersion-trade-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

# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})

示例 2: 命令行使用

python scripts/run_skill.py --input data.json