skill-cb-analyzer
Allows OpenAI agents (e.g., Codex) to analyze convertible bonds, providing tools for running daily analysis, fetching reports, checking trading days, and searching bonds.
Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type
@followed by the MCP server name and your instructions, e.g., "@skill-cb-analyzerRun the full convertible bond analysis for today"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
skill-cb-analyzer
简体中文 | English
A 股可转债每日综合分析系统:双低策略 + 条款事件驱动 + 正股联动 + Black-Scholes 期权定价(Delta/Gamma/Vega) + 历史/隐含波动率 + IC 分层回测 + 退市追踪。21 个信号检测器,四维加权评分(0-100),LLM 逐券深度分析,Markdown + JSON 双格式日报,MCP 协议支持 AI Agent 调用。
这是什么
skill-cb-analyzer 是一个 Agent Skill:每日收盘后自动分析全市场可转债(~330 只),通过 21 个信号检测器 × 四维加权评分找到双低、条款博弈、正股联动和波动率套利机会,配合 Black-Scholes 期权定价模型和 IC 分层回测做策略验证。
与市场上其他可转债工具的差异化:
现有工具 | 为什么不同 |
集思录 | 集思录提供双低排名和行情数据,本 Skill 额外提供 BS Greeks、HV/IV、IC回测、LLM逐券分析 |
宁稳网 | 宁稳网提供转债条款和估值,本 Skill 是 每日全自动扫描 + 评分排名 + 可被 AI Agent 调用 |
禄得网 | 禄得网侧重双低和折价套利,本 Skill 在此基础上加了 Black-Scholes 定价 + 波动率信号 + 退市生存偏差追踪 |
核心差异化:可转债衍生品定价模型 + 量化回测验证 + AI Agent 原生集成。
Related MCP server: AgentSkills MCP
分析流水线
flowchart TD
A["⏰ 手动触发 或 cron 15:45"] --> B{"📅 交易日检查"}
B -->|休市| Z["输出『今日休市』结束"]
B -->|交易日| C["📊 数据采集"]
C --> C1["可转债行情<br/>AKShare 集思录 bond_cb_jsl"]
C --> C2["正股K线(后复权)<br/>Pandadata get_stock_daily_post"]
C --> C3["转债条款+规模+票息<br/>AKShare 同花顺"]
C1 --> D["🔍 21 信号检测器 并行"]
C2 --> D
C3 --> D
D --> D1["A组 估值(4):双低/YTM/纯债/分位"]
D --> D2["B组 条款(4):强赎/下修/回售/到期"]
D --> D3["C组 联动+波动率(8):动量/偏离/Delta/Gamma/IV/HV"]
D --> D4["D组 结构风险(5):成交量/余额/信用/强赎排除/流动性"]
D1 --> E["📊 四维加权评分<br/>0.40×估值+0.30×条款+0.20×联动+0.10×结构"]
D2 --> E
D3 --> E
D4 --> E
E --> F["💰 风险惩罚 + 信用排除"]
F --> G["📈 综合评分 0-100 + 等级 A+~E"]
G --> H["🤖 LLM 逐券分析<br/>DeepSeek/Claude API"]
H --> I["📝 Markdown 11节日报 + JSON"]
I --> J{"--backtest"}
J -->|启用| K["📊 IC分析+分层回测+退市追踪"]
J -->|跳过| L["💾 output/YYYY-MM-DD/"]
K --> L
style A fill:#e3f2fd,stroke:#1976d2
style D fill:#fff3e0,stroke:#f57c00
style G fill:#e8f5e9,stroke:#388e3c
style Z fill:#f5f5f5,stroke:#9e9e9e信号检测器 (21个)
估值(A组,权重 40%)
# | 检测器 | 触发条件 | 权重 |
1 | 双低信号 | 价格 < 120 且 溢价率 < 20% | 4 |
2 | YTM防御 | YTM > 国债 + 2% | 3 |
3 | 纯债溢价率 | 转债价/纯债价值 < 1.05 | 3 |
4 | 溢价率分位 | 当前溢价率处于历史低分位 | 2 |
条款事件(B组,权重 30%)
# | 检测器 | 触发条件 | 权重 |
5 | 强赎进度 | 正股价/转股价 > 1.20(预警)/>1.28(高危) | 4 |
6 | 下修概率 | 综合评分 > 0.4 | 3 |
7 | 回售进度 | 正股价 < 转股价×70% | 2 |
8 | 临近到期 | 剩余期限 < 1年 | 1 |
正股联动(C组,权重 20%)
# | 检测器 | 触发条件 | 权重 |
9 | 正股动量 | 20日涨幅 ± 均线排列 | 3 |
10 | 转债偏离 | 转债涨幅 − 正股涨幅 < −3% | 2 |
11 | Delta弹性 | BS Delta > 0.70(高股性)或 < 0.30(偏债性) | 2 |
12 | 正股形态 | MA金叉/死叉,放量突破/破位 | 1 |
波动率与期权(含于联动维度)
# | 检测器 | 触发条件 | 权重 |
13 | IV分位 | 隐含波动率处于历史低/高分位 | 2 |
14 | 波动率背离 | IV − HV 偏离 > 8%(v1.7 由 10% 下调) | 2 |
15 | 波动率扩张 | 当前 HV 较 20 日前变化 > ±20% | 2 |
16 | Delta质量 | BS Gamma > 0.05(期权敏感度高,v1.7 改为Gamma信号) | 1 |
市场结构与风险(D组,权重 10%)
# | 检测器 | 触发条件 | 权重 |
17 | 成交量活跃 | 日成交额 > 5000万 | 2 |
18 | 余额趋势 | 余额减少 > 5% | 1 |
19 | 信用风险 | ST正股 → 直接排除 | — |
20 | 强赎公告排除 | 已公告强赎 → 直接排除 | — |
21 | 流动性风险 | 成交额 < 100万 → 惩罚(−10) | — |
Black-Scholes 期权定价
本 Skill 是目前唯一在免费可转债工具中提供完整 BS Greeks 的系统:
希腊字母 | 公式 | 用途 |
Delta | N(d₁) | 股性/债性判断,替代简化 cv/cb_price 近似 |
Gamma | N'(d₁) / (S·σ·√T) | 期权敏感度质量(v1.7:波动率组改为Gamma信号) |
Vega | S·N'(d₁)·√T / 100 | 每 1% 波动率变化的价格影响 |
HV | std(log_returns) × √252 | 历史波动率(年化,60日窗口) |
IV | 二分法反推 | 从转债期权价值反推隐含波动率 |
回测框架
--backtest 标志启用完整回测:
指标 | 说明 |
Rank IC | Spearman 秩相关系数(评分 vs N日前向收益) |
IC IR | 平均 IC / IC 标准差 |
IC 胜率 | IC > 0 的交易日占比 |
IC 衰减 | 多期限分析(1/3/5/10/20 日) |
分层回测 | 5 组等权前向收益 + 累计收益曲线 |
Newey-West t 检验 | HAC 标准误修正自相关 |
Fama-MacBeth | 四维因子风险溢价归因 |
权重校准 | 单纯形网格搜索最优维度权重 |
基准对比 | 中证转债指数(000832)超额收益 / IR / 跟踪误差 |
退市追踪 v1.7 | 按强赎/到期/正股退市分类,量化生存偏差方向与幅度 |
快速开始
环境准备
git clone https://github.com/quantskills/skill-cb-analyzer.git
cd skill-cb-analyzer
pip install -r requirements.txt
cp .env.example .env # 编辑填入你的凭证运行
python run.py # 最新交易日(默认启用LLM)
python run.py --date 20260701 # 指定日期
python run.py --no-llm # 跳过LLM,仅规则引擎
python run.py --top-n 30 --verbose # 自定义参数
python run.py --backtest # 启用回测分析MCP Server(AI Agent 调用)
python mcp_server.py
# 或 pip install -e . 后:
cb-mcpMCP Server 暴露 4 个 Tool:
Tool | 功能 |
| 运行完整可转债日分析 |
| 获取最新报告全文 |
| 检查 A 股交易日 |
| 按名称/代码搜索债券 |
在其他 AI Agent 中使用
Agent | 集成方式 |
Claude Code | 添加 MCP 配置,或放到 |
Cursor | MCP 配置 |
Codex / OpenAI | MCP 标准协议 |
其他 LLM | 注入 Portable Loader Prompt |
报告结构 (11节)
市场概览 — 转债总数、均价、平均溢价率、平均YTM
双低策略精选 — Top 15 双低转债
高YTM防御组合 — YTM > 3% 债性转债
条款事件监控 — 强赎预警/下修候选/回售触发/到期
正股联动精选 — 折价套利 + IV/HV列
行业分布 — 行业集中度
信用风险告警 — ST/评级下调/面值退市风险
综合评分排名 — Top N 含 BS Delta/波动率信号
AI逐券研判 — LLM深度分析
数据溯源 — 每类数据来源
策略回测 — IC分析 + 分层回测 + 退市追踪(
--backtest启用)
数据来源
数据类别 | 来源 | 说明 |
可转债行情 | AKShare bond_cb_jsl(集思录) | 价格/溢价率/转股价/触发价 |
转债条款 | AKShare 同花顺 | 到期日/发行规模/票息 |
正股K线 | Pandadata get_stock_daily_post(后复权) | ~500只正股,120天 |
正股信息 | Pandadata get_stock_detail | 行业、list_status |
期权定价 | scipy.stats | BS norm.cdf/pdf |
LLM分析 | DeepSeek / Claude API | 后端可插拔 |
核心约束
约束 | 说明 |
强赎已公告排除 | 已发强赎公告的转债直接剔除 |
信用风险排除 | ST/*ST/PT/退市整理期直接排除 |
BS Delta 替换 | Delta弹性使用真实 N(d₁),HV 不可用时回落 cv/cb_price |
不荐券 | 措辞为「值得关注」「可跟踪」,禁止「买入」「目标价」 |
交易日智能跳过 | 节假日不跑空 |
评分可审计 | JSON输出包含四维评分子项 |
退市追踪 v1.7 | 自动分类退市原因,量化生存偏差 |
目录结构
skill-cb-analyzer/
├── SKILL.md # Agent 工作流入口
├── README.md # 项目介绍(本文件)
├── LICENSE # GPLv3
├── config.json # 运行配置
├── pyproject.toml # Python 项目元数据
├── requirements.txt # Python 依赖
├── .env.example # 凭证模板
├── run.py # CLI 入口
├── mcp_server.py # MCP 服务 (4 tools)
├── core/
│ ├── _types.py # 共享类型 + safe_float()
│ ├── bond_calculator.py # 可转债计算引擎
│ ├── data_fetcher.py # 数据获取
│ ├── exchange_utils.py # 交易所后缀映射
│ ├── valuation.py # A组:估值信号 (4)
│ ├── clause_monitor.py # B组:条款事件 (4)
│ ├── stock_linkage.py # C组:正股联动 (4)
│ ├── options_pricing.py # BS定价 + HV/IV + 波动率检测器
│ ├── risk_filter.py # D组:结构+风险 (5)
│ ├── scorer.py # 四维加权评分
│ ├── pipeline.py # 端到端流水线
│ ├── backtester.py # 回测框架(含退市追踪)
│ ├── reporter.py # Markdown + JSON 报告
│ ├── cache.py # 数据缓存
│ ├── history_store.py # 逐券时序存储
│ ├── config_validator.py # 配置校验
│ └── data_quality.py # 数据质量校验
├── llm/
│ └── analyst.py # LLM分析(后端可插拔)
├── tests/ # 375 个测试用例
├── references/ # 参考文档
├── data/ # HistoryStore 持久化数据
├── cache/ # 数据缓存
└── output/ # 按日期分组的报告
└── YYYY-MM-DD/
├── cb_daily_YYYYMMDD.md
└── cb_daily_YYYYMMDD.json免责声明
本 Skill 输出仅供研究参考,不构成任何投资建议。可转债交易存在市场风险、信用风险和条款风险,投资者应独立判断并承担交易风险。过往表现不代表未来收益。
License
GPLv3
This server cannot be deployed
Maintenance
Related MCP Connectors
Market analyst tools + AI agent: crypto, US equities, options, Korea, fundamentals, macro, backtests
China A-share market data for research, backtesting and AI agents via MCP.
Read-only China A-share data for AI agents: market, limit-up, capital flow and disclosures.
Real SEC, 13F, insider, congress & macro data your AI agent can cite. Hosted MCP, 24 tools.
Related MCP Servers
- FlicenseBqualityNot gradedmaintenanceEnables LLMs to retrieve, analyze, and visualize stock prices and financial report data for quantitative trading research and investment analysis. Provides real-time and historical stock data, financial statement analysis, key metric calculations, and trading signal visualization.13-
- AlicenseBqualityDmaintenanceProvides comprehensive financial research tools including A-share stock analysis, web scraping, entity extraction, and multi-source search capabilities for building intelligent financial research agents.426Apache 2.0
- AlicenseAqualityCmaintenanceProvides 46 financial data tools for AI assistants covering A-share, HK, US markets, macroeconomics, funds, and derivatives, powered by AKShare.54MIT
- FlicenseNot gradedqualityDmaintenanceEnables quant research, strategy development, backtesting, and paper trading through natural language prompts, integrated with 20+ AI agents.134-