- name
- behavioral_finance_skill
- description
- 行为金融交易策略 - 识别和利用市场中的认知偏差、情绪极端和群体行为，实现逆向交易和超额收益。
- metadata
行为金融策略技能 (Behavioral Finance Strategy Skill)
概述
基于行为金融学原理的交易策略，专门捕捉由投资者认知偏差、情绪极端和群体行为导致的市场定价错误。通过量化行为指标，识别过度反应、羊群效应、锚定偏差等行为模式，生成逆向交易信号。
核心理论
主要认知偏差
- 过度自信：投资者高估自己的判断能力
- 过度反应：对新闻事件的反应超过基本面变化
- 确认偏误：寻找支持自己观点的信息
- 锚定效应：过度依赖历史价格作为参考点
- 损失厌恶：对损失的痛苦大于等额盈利的快乐
- 羊群效应：跟随他人行为，忽视自己信息
- 处置效应：过早卖出盈利股，持有亏损股过久
- 代表性偏差：过度依赖近期模式
适用场景
- 情绪极端点交易：恐慌性抛售后的买入机会
- 过度反应纠正：重大新闻后的价格回归
- 羊群效应反转：拥挤交易的逆向操作
- 锚定偏差利用：突破关键心理价位后的趋势延续
- 日历效应：月度/季度末的行为模式
核心功能
1. 情绪指标量化
- 散户情绪指数
- 机构情绪指标
- 社交媒体情感分析
- 搜索热度异常检测
2. 行为偏差识别
- 过度反应指标
- 羊群效应强度
- 锚定点位分析
- 处置效应检测
3. 逆向交易信号
- 情绪极端点识别
- 拥挤交易警告
- 均值回归机会
- 趋势延续信号
4. 风险行为预警
- 泡沫形成预警
- 恐慌性抛售预警
- 非理性繁荣识别
- 流动性陷阱警告
行为模式类型
A类模式（高胜率）
- 恐慌性抛售：情绪极度悲观后的反弹机会
- 非理性繁荣：情绪极度乐观后的回调风险
- V型反转：过度反应后的快速均值回归
- 突破锚定：突破关键心理价位后的趋势延续
B类模式（中等胜率）
- 月度效应：月初上涨，月末下跌的季节性模式
- 周五效应：周末前的持仓调整
- 财报后漂移：市场对财报信息的延迟反应
- 分析师羊群：分析师评级高度一致时的反转机会
C类模式（低胜率，高赔率）
- 黑天鹅过度反应：极端事件后的超调回归
- 政策冲击消化：政策突变后的市场适应
- 流动性冲击：流动性突然变化的价格异常
- 市场结构变化：交易规则变化的行为适应
使用方法
JSON参数格式
{
"action": "detect_behavioral_patterns",
"stock_codes": ["002371.SZ", "000001.SZ"],
"timeframe": "recent_30_days",
"pattern_types": ["overreaction", "herding", "anchoring"],
"output_format": "actionable"
}可用操作
- detect_behavioral_patterns - 检测行为金融模式
- quantify_market_sentiment - 量化市场情绪
- identify_extreme_sentiment - 识别情绪极端点
- generate_contrarian_signals - 生成逆向交易信号
- monitor_herding_behavior - 监控羊群效应
- backtest_behavioral_strategies - 回测行为策略
输出示例
{
"success": true,
"skill": "behavioral_finance_skill",
"behavioral_analysis": {
"stock": "002371.SZ",
"timeframe": "2026-03-01 至 2026-03-05",
"detected_patterns": [
{
"pattern_type": "overreaction",
"confidence": 0.78,
"description": "近期下跌幅度超过基本面变化",
"expected_correction": "+4.2% 至 +7.5%",
"timeframe": "3-7个交易日"
}
],
"sentiment_indicators": {
"retail_sentiment": 0.32,
"institutional_sentiment": 0.45,
"sentiment_extreme": "过度悲观",
"sentiment_score": -1.8
},
"trading_signal": {
"signal_type": "contrarian_buy",
"strength": 0.72,
"entry_zone": "当前价格±1.5%",
"target_price": "+6.5%",
"stop_loss": "-3.0%",
"holding_period": "5-10个交易日"
}
}
}算法原理
过度反应指标
过度反应分数 = (价格变化幅度) / (基本面变化幅度) - 1
调整因子 = 波动率调整 × 流动性调整
有效过度反应 = 过度反应分数 × 调整因子羊群效应强度
羊群强度 = 交易集中度 × 意见一致性 × 动量持续性
羊群危险度 = 羊群强度 × 估值偏离度 × 杠杆水平情绪极端指标
情绪指数 = 标准化(散户情绪 + 2×机构情绪 + 社交媒体情绪)
极端度 = |情绪指数 - 历史中位数| / 历史波动率逆向信号生成
信号强度 = 极端度 × 过度反应 × (1 - 羊群强度)
风险调整收益 = 预期回归幅度 / (波动率 × 实现概率)数据源
- 价格数据：MDL_data_skill (QMT实时行情)
- 交易数据：成交量、大单比例、资金流向
- 情绪数据：股吧评论、社交媒体、新闻情感
- 基本面数据：估值指标、分析师预期、公司公告
风险控制
- 情绪陷阱：避免在情绪持续极端时过早反转
- 流动性风险：低流动性股票的行为信号可靠性低
- 结构性变化：市场结构变化可能改变行为模式
- 黑天鹅事件：极端事件可能破坏行为模式假设
风险控制参数
- 最大仓位：单信号不超过3%
- 止损纪律：-3%强制止损
- 时间止损：信号发出后10个交易日未实现即退出
- 相关性限制：避免同时交易高度相关行为模式
性能指标
- 历史胜率：60-70%
- 平均盈亏比：1:2.5-1:3.0
- 年化收益率：25-40%
- 最大回撤：<12%
- 夏普比率：>2.0
依赖技能
- MDL_data_skill：实时行情和历史数据
- risk_management_skill：仓位控制和风险管理
- policy_analysis_skill：政策情绪影响分析
更新日志
- v1.0.0 (2026-03-05)：初始版本发布
- 核心功能：行为模式检测、情绪量化、逆向信号生成
- 行为模式：过度反应、羊群效应、锚定偏差、情绪极端
*注意：行为金融策略基于市场非理性假设，实际效果受市场环境、投资者结构变化影响。建议结合基本面分析使用，并严格执行风险控制。历史表现不代表未来收益，投资需谨慎。*