Agent Skills
返回列表
港股牛熊街货风险面板

港股牛熊街货风险面板

行业专业 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据官方安装指南 https://skillhub.cn/install/skillhub.md 的步骤,把 @user_4059698f/hk-cbbc-callback-distance-panel 这个技能安装到你的 AI 助手中。

技能介绍

问题:牛熊证的强制收回与街货踩踏

港股牛熊证(CBBC)有一套别的市场没有的强制收回机制:正股一旦触及收回价,牛熊证当日被券商强制收回、残值极小。如果那个价位街货又密集,触发后会连环抛压。问题在于,街货数据散落在富途、法兴 warrants.com、辉立 Poems 等终端,你很难在同一张图里看清「正股下方/上方牛熊证街货的密集区,离强制收回价还有多远」。

如何工作

这个 skill 把散落的街货数据拼成一只正股的单图风险视图。

  • 数据获取:通过 Antseer MCP 的 ant_hk_stock_data(数据源为 Futu OpenAPI v10.7),拉取挂钩正股的全部牛熊证档位,包括收回价(recovery_price)和街货量(street_vol),同时获取正股现价与 60 日 K 线背景。
  • 确定性计算:脚本 scripts/process.py 依次完成三步:

- 算各档收回距离:牛证 (spot - call_price) / spot,熊证 (call_price - spot) / spot,按距离近→远排序。
- 街货分桶与密度分析:以最近档所在侧为计算池,标记街货占比 ≥ 池均值的「危险带」。
- 收回风险评分:score = round(100 × (0.5 × dist_score + 0.5 × street_score)),≥67 为 high,34–66 为 medium,低于 34 为 low。

  • 风险解读:LLM 基于脚本算好的距离、危险带街货占比和所在侧,输出方向化风险结论,不复述具体档位数字。
  • 渲染装配:下游 HTML 采用 deferred 模式,只携带 chart.source 描述符,K 线由前端按需向后端 resolver 请求。

适用边界

  • 只处理单只正股,不做跨标的横向扫描。
  • 不预测正股会不会触及收回价,也不给买卖时点——它只做风险呈现,不是择时工具。
  • 不替代券商实时收回提示;不算个券理论价、引伸波幅或对冲值,窝轮定价不在范围内。
  • 街货量为 Futu 日频口径,盘中可能有短暂滞后;单次最多扫描 200 档。是否被强制收回以券商实时提示与发行商条款为准。

使用场景

  • 港股交易员开盘前评估腾讯牛熊证街货密集区离收回价的距离,判断当日强制收回风险。
  • 衍生品研究员分析恒指牛熊证各档收回距离与街货占比,定位潜在踩踏触发点。
  • 风控专员监控单只正股牛熊证街货热力,在触及收回价前识别危险带并生成风险报告。
  • 投资教育者用收回距离评分和热力图演示牛熊证强制收回机制,解释街货密集区的连锁反应。

适合人员

  • 港股衍生品交易员,需要在开盘前快速评估单只正股牛熊证街货的强制收回风险,辅助当日交易决策。
  • 期权与牛熊证研究员,希望将分散在多个终端的街货数据整合为单图视图,分析收回距离与街货密度的关联。
  • 金融机构风控人员,负责监控持仓标的的牛熊证街货风险,在触及收回价前识别潜在踩踏区域并生成预警。
  • 金融数据产品经理,需在现有行情系统中嵌入牛熊证街货风险面板,为用户提供直观的收回风险评分与热力图。