Agent Skills
返回列表
市场事件因果链归因

市场事件因果链归因

行业专业 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md 的指引,将 @user_a8f7e31c/twu-causal-chain 安装到你的 AI 助手中。

技能介绍

要解决的问题

每天市场都有大量事件发生,复盘分析里满是政策解读、即时统计和小作文,但多数分析只停留在“A 涨了所以 B 跌了”的表层描述,回答不了真正的问题:传导链条具体走了哪几步、每一步有没有独立证据、替代解释为什么被排除。常见失败模式包括:把结果发生前的一切都当原因、用单一新闻源当论据、事实和推断不分、把影响预测混进归因。这个技能针对的就是这些痛点。

技能如何工作

核心原则是 逻辑链 + 数据验证 + 反叙事检验 + 闭环验证,四者缺一即降级置信度。

执行流程分四步:

  • 事件锚定:先建立时间坐标系和事件链位置,判断事件处于链条起点、中段还是尾声,以及相对事前预期的预期差——超预期时主导因子常是预期差本身。
  • 因子分解:把“发生了什么”拆成可独立验证的 Trigger → Reaction → Implication 三级信号,做独立性检查防止共振计数虚高,再处理共振、对冲、独立三种交叉关系。
  • 反叙事检验:主动搜板块内逆势标的、产业链背离、盘后修复等五类反向信号,用条件合 / 时间分层合 / 超越合三种方式收敛分歧。
  • 传导映射与闭环:归因结论映射到情绪链、结构链、利率链三条典型路径,每条链标注归因成立时应观测到什么、何时验证,形成可证伪的闭环。

硬约束:每个因果判断至少一个可验证数据点;推断必须标 [推断],验证过要标 [已验证];核心数据需双源交叉;数据与新闻冲突时以数据为准。

适用边界与注意点

本技能只做向后归因——解释事件为什么发生。用户问“未来会怎样、对谁影响大”属于影响推演,技能直接拒接并引导转用 @user_a8f7e31c/impact-branch,不做降级承接;纯看盘、简单查数也不在其射程内。

默认数据驱动模式,字段按 scripts/render.py 组织一步渲染;HTML 报告无法交付时自动降级为同质量对话输出。别忘了这是数据辅助而非投资建议,结论要附时间戳和残余不确定性清单。

使用场景

  • A股收盘后复盘当天板块异动,需要解释涨跌背后的主导因子与传导链,并输出带时间线的归因报告
  • 政策或宏观数据发布后,拆解触发信号、市场反应与含义层,判断是否超预期并给出观测窗口
  • 隔夜美股或大宗资产异动后,分析对A股相关板块的传导路径、时区换算与方向判断
  • 市场主流解释已被反复传播,需要搜索反向信号与关键分歧,形成收敛结论或残余不确定性清单

适合人员

  • 证券分析师/研究员:需要复盘板块异动或政策事件,输出可复核的因果链与归因报告
  • 私募交易员:盘中或盘前跟进突发消息,判断因子强弱、共振或对冲关系,辅助短线决策
  • 财经媒体/内容作者:为当日市场事件提供可追溯的因果解释和有来源的数据依据
  • 量化研究员:将事件拆解为结构化因子与信号强度,用于事件驱动研究和回测验证