---
name: a-share-anomaly-detection
version: 1.0.0
category: 生活与工具
trigger_words:
tags:
platform: coze
source: DeepseekModel
source_url: https://deepseekmodel.com/skill?id=aifinlab-finclaw-skills-a-share-anomaly-detection-skill-md
---

name a-share-anomaly-detection description A股量价异常检测/异动监控。当用户说"异常检测"、"异动"、"anomaly"、"量价异常"、"异常波动"、"XX有异动"时触发。量化检测股价和成交量异常。支持formal和brief风格。 A股量价异常检测/异动监控 数据源 SCRIPTS= " $SKILLS_ROOT /cn-stock-data/scripts" python " $SCRIPTS /cn_stock_data.py" kline --code [CODE] --freq daily --start [日期] python " $SCRIPTS /cn_stock_data.py" quote --code [CODE] python " $SCRIPTS /cn_stock_data.py" finance --code [CODE] Workflow Step 1: 获取K线数据 Step 2: 统计异常检测 收益率Z-score = (r - μ) / σ（|Z| > 2 为异常） 成交量Z-score（|Z| > 2 为异常放量/缩量） 振幅异常：日振幅 > 历史均值 + 2σ Step 3: 模式异常检测 量价背离：价涨量缩 或 价跌量增 尾盘异动：最后30分钟涨跌 > 日涨跌的50% 连续异常：连续3日同方向异常 Step 4: 异常归因 关联近期公告/新闻/资金流，尝试解释异常原因 Step 5: 输出 维度 formal brief 异常信号 完整异常事件列表 最新异常 统计分析 Z-score+分布 异常等级 归因 可能原因分析 一句话 默认风格：brief。 关键规则 异常不等于机会——可能是风险信号 统计异常需结合基本面/消息面综合判断 A股信息泄露常见——异常可能先于公告 单日异常可能是噪音——连续异常更值得关注 成交量异常通常比价格异常更有预测价值 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