Skip to main content
Glama

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-mcp

MCP Server 暴露 4 个 Tool:

Tool

功能

run_cb_analyzer

运行完整可转债日分析

get_latest_report

获取最新报告全文

check_trading_day

检查 A 股交易日

search_bonds

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 .claude/skills/

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)

  1. 市场概览 — 转债总数、均价、平均溢价率、平均YTM

  2. 双低策略精选 — Top 15 双低转债

  3. 高YTM防御组合 — YTM > 3% 债性转债

  4. 条款事件监控 — 强赎预警/下修候选/回售触发/到期

  5. 正股联动精选 — 折价套利 + IV/HV列

  6. 行业分布 — 行业集中度

  7. 信用风险告警 — ST/评级下调/面值退市风险

  8. 综合评分排名 — Top N 含 BS Delta/波动率信号

  9. AI逐券研判 — LLM深度分析

  10. 数据溯源 — 每类数据来源

  11. 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

Related MCP Connectors

Related MCP Servers

  • F
    license
    B
    quality
    Not graded
    maintenance
    Enables 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
    -
  • A
    license
    B
    quality
    D
    maintenance
    Provides comprehensive financial research tools including A-share stock analysis, web scraping, entity extraction, and multi-source search capabilities for building intelligent financial research agents.
    4
    26
    Apache 2.0
  • A
    license
    A
    quality
    C
    maintenance
    Provides 46 financial data tools for AI assistants covering A-share, HK, US markets, macroeconomics, funds, and derivatives, powered by AKShare.
    54
    MIT
  • F
    license
    Not graded
    quality
    D
    maintenance
    Enables quant research, strategy development, backtesting, and paper trading through natural language prompts, integrated with 20+ AI agents.
    134
    -