市场状态智能检测器

要解决什么问题

做 A 股策略或风控时，「现在算牛市还是震荡」往往靠主观划分，不同人切出来的区间不一致，回测也很难对齐。收益率序列还会经历均值漂移和波动率聚集，单一均线或固定阈值很难同时刻画趋势与风险环境。

本技能面向单一指数或个股的历史行情，把「市场处于何种状态、何时可能发生结构性切换」做成可复现的统计结果，并落到 HTML 报告与 states_*.csv，便于后续做仓位规则或风控触发，而不是直接给出买卖信号。

如何工作

• 数据：通过 akshare 拉取 A 股指数/个股历史数据，支持日/周/月频率；常用指数如 sh000300（沪深 300）等。
• HMM 状态识别：用 hmmlearn 做高斯 HMM（Baum–Welch 训练 + Viterbi 解码），默认 3 状态（熊/震荡/牛），也可选 2 或 4 状态（含「危机」）；输出转移矩阵、持续时间与状态置信度。
• 变点检测：CUSUM（均值漂移）、ruptures 的 PELT、自实现贝叶斯在线变点，可用 --method hmm/changepoint/volatility/all 组合运行。
• 波动率：arch 拟合 GARCH(1,1)，配合波动率状态与聚集效应检验；报告内嵌 matplotlib 图表（base64），单文件 HTML 即可浏览。

边界与注意

• 不能做实时交易、价格点预测或多资产组合层面的联合状态检测；频率限于日/周/月，无 tick/分钟级。
• HMM 需要足够样本（建议至少约一年日线）；特征过多或月线样本过少时，训练可能不稳定，可用 --features 收窄特征集。
• 数据依赖 akshare 可用性与接口限制；个股默认前复权，不影响收益率类分析但会影响绝对价位解读。工具仅供研究教育，不构成投资建议。