股价概率分布预测（蒙特卡洛）
> 姊妹技能：sellside-stock-deep-research —— 按卖方模板生成个股深度研报。
> 若用户手上还没有估值底稿（SOTP / 三情景），先跑那个技能拿到基本面锚点，再做本预测；
> 本预测的"条件情景"章节需要承接研报里的情景目标价。
适用场景
「预测下 2026 年 12 月的股票价格」「股价年底能到多少」「未来一个季度会涨还是跌」这类问题。
第一原则：不要给单点预测。 用户问"会到多少"，专业答案是
"中枢 X、80% 区间 [a,b]、触及 Y 的概率仅 z%"。高波动个股单季度单点预测没有意义，
给出宽区间不是模型不够聪明，而是信息确实很少——这一点要在报告里说清楚。
硬约束
- 禁止编造数字。所有分位数、概率必须由脚本算出并落盘，不得凭感觉填。
- 不显著就不要用。任何"趋势""季节性"结论必须先过显著性检验，|t| < 2 就明确写"找不到统计支撑"。
- 必须在报告末尾附金融 skill 的固定免责声明原文，不得改写、缩写、省略。HTML 内与对话回复末尾各放一次。
- 报告须显式列出模型失效场景（见下文），不能只报喜。
执行流程
第 1 步：取数（路由：金融类 MCP → agentic_search → WebSearch）
需要三类数据，一次并行发出：
了解 A 股<公司名>（<代码>）近两年的日线行情与年化波动率水平
了解 A 股<公司名>（<代码>）近十年每年 <目标月> 的股价月度涨跌幅
研究 A 股<公司名>（<代码>）整体情况
- 第一条拿日收益率序列（算波动率）与均线/BOLL/RSI 等关键位；官方源会给日 K，取至少 60 个交易日。
- 第二条拿目标月份的季节性样本（通常 10 个年度）。
- 第三条拿卖方一致目标价与基本面（用于条件情景）。
第 2 步：显著性检验 —— 决定要不要外推（本技能最关键的一步）
这是最容易出错、也最能体现专业度的地方。先检验，再建模。
- 漂移检验：算样本期日均收益
mu与t = mu / (sd/√n)。
若 |t| < 2，漂移项必须设为 0，中位数锚定当前价。
把不显著的均值当趋势外推，是量化预测最常见的错误——会把中枢系统性拉偏。
实例：某股日均 −0.1866%，t = −0.500，不显著。若照此外推 61 天，中枢会被错误拉到 9.6 元，
而正确结论是"中位数 ≈ 当前价 10.76 元"。 - 季节性检验：要用"12 月效应""春季躁动"之类，先算
t。
年度样本通常只有 10 个，极易被单一年份绑架——均值与中位数差好几个百分点时就是这个信号。
实例：某股 10 个 12 月 4 涨 6 跌，均值 −1.03% 但中位数 −5.92%，t = −0.208。
4.89 个百分点的缺口几乎全部来自单一年份的 +37.88%；剔除后其余 9 年均值 −5.35%。
结论：不采用季节性，并在报告里写明理由。
两个检验都不显著时，正确结论是"中位数 ≈ 当前价，分布很宽"——这本身就是有价值的结论。
第 3 步：三模型蒙特卡洛（单模型不足以谈尾部）
| 模型 | 假设 | 作用 |
|---|---|---|
| A | 几何布朗运动（对数正态） | 基准，尾部薄 |
| B | Student-t（df=4）肥尾，方差标定到与 A 同量级 | 主口径，尾部更真实 |
| C | 历史自助法（有放回重抽日收益） | 无分布假设，保留真实偏度 |
要点：
- 每条路径步数 = 区间内 A 股交易日数。必须手工扣周末与长假（国庆 10/1–10/8、春节各扣一周），
不要用自然日。可用 python 循环 weekday() < 5 and d not in holidays 生成交易日历。
- 波动率取 HV20 与 HV60 的中值（兼顾当前低波区间与中期回撤期），年化因子 252（A 股惯例）。
- 每条路径 40,000 条，三模型共 12 万条。
- A/B 高度一致而 C 明显偏离时，偏离本身就是信息：说明近期收益分布有偏（如近三个月跌多涨少）。
把 C 作为下行风险下界呈现，并解释分歧来源，不要"抹平"。
- 报出 P5/P10/P25/P50/P75/P90/P95 + 正收益概率 + 触及卖方目标价的概率。
核心代码：
sig = (hv20 + hv60) / 2 # 年化波动率
z = np.random.standard_t(4, (N, DAYS)) / np.sqrt(4/2) # 肥尾，方差归一
P = S0 * np.exp(np.cumsum(-0.5*sig**2/252 + sig/np.sqrt(252)*z, axis=1))
term = P[:, -1] # 终值分布
第 4 步：单一数据源（必须）
所有对外数字必须出自同一个脚本、同一个随机种子。
拆成 run.py + chart.py 两个脚本会因各自重新播种而产生概率漂移
（实测出现 46.1% vs 45.9% 的不一致，报告里两个数打架）。
做法：一个脚本算完全部分位数、直方图、锥形图序列、关键位概率、情景表，
一次 json.dump 成 JSON；HTML 只从该 JSON 取数；并把随机种子写进报告以便复现。
第 5 步：产出 HTML
报告结构（八章）：
封面 → 结论卡（中枢 / 期望 / 80% 区间 / 90% 区间 / 正收益概率 / 触及目标价概率）→
① 结论先行（三个数字回答）→ ② 方法论与参数表 → ③ 诊断（波动率结构 + 漂移检验 + 季节性检验）→
④ 核心分布（锥形图 + 直方图 + 分位数表）→ ⑤ 三模型交叉验证 → ⑥ 关键价位概率表 →
⑦ 条件情景（承接研报 SOTP）→ ⑧ 局限与适用边界 → 固定免责声明。
锥形图（fan chart）的 ECharts 画法 —— ECharts 无原生锥形图，用堆叠面积做色带 + 折线描边：
- 色带 = 两条 stack 相同的 line：第一条是 P5（面积透明），第二条是 P95 − P5（面积上色）；
两条都 symbol:'none'、lineStyle:{opacity:0}、tooltip:{show:false}、silent:true。
- 再叠加 P5 / P50 / P95 三条正常折线，末端用 endLabel 标数值，grid.right 留 60–70px。
- x 轴序列生成时注意别重复末点：list(range(0,DAYS,step)) + [DAYS-1] 在 DAYS-1 恰为 step 整数倍时
会产生重复点，要先判 if xs[-1] != DAYS-1: xs.append(DAYS-1)。
- x 轴标签用真实交易日日期（MM/DD），不要用"第 N 日"。
关键价位概率表：价位 × 跌破概率 × 站上概率 × 技术含义（7 月低点 / BOLL 上下轨 / 均线 / 卖方目标价）。
这是把分布翻译成可操作刻度的最有价值的一节。
条件情景：承接研报的悲观/中性/乐观目标价 + 主观概率 + 触发条件，给出概率加权值。
蒙特卡洛与情景法给出不同中枢时不要"抹平"——解释为回答了两个不同问题：
前者是"无新事件"基准，后者是"期权按概率部分兑现"，并给出合并建议区间
（如"决策中枢取 10.5–11.3 元"）。
必须显式说明模型失效的场景：
① 波动率非常数（事件聚集时实际分布更宽，尾部概率被低估）；
② 无法预测跳跃事件（定点公告、重组协议、业绩预告会跳空）；
③ 样本期短，不足以稳健估计高阶矩；
④ 未纳入基本面修正；
⑤ 不构成择时建议（分布描述终值，不描述路径上的最优进出点）。
打包与校验（共享技术底座，与研报技能同一套）：
# ① 先外部引用 <script src="echarts.min.js"></script>
curl -sL -o echarts.min.js https://cdn.jsdelivr.net/npm/echarts@5.5.1/dist/echarts.min.js
# ② 抽内联 JS 语法自检，必须静默通过
python3 -c "
import re
src=open('<报告>.html',encoding='utf-8').read()
b=re.findall(r'<script(?![^>]*\bsrc=)[^>]*>(.*?)</script>',src,re.S)
open('/tmp/_check.js','w',encoding='utf-8').write('\n;\n'.join(b))
"
node --check /tmp/_check.js
# ③ 通过后内联 ECharts（先 assert '</script>' not in lib），再对两个块各跑一次 node --check
# ④ 写 option 用 function(p){...}，不要用箭头函数，能显著降低括号失配率
第 6 步：headless 视觉校验
const EXEC = '/Users/<user>/Library/Caches/ms-playwright/chromium-1243/chrome-mac-arm64/Google Chrome for Testing.app/Contents/MacOS/Google Chrome for Testing';
const browser = await chromium.launch({ executablePath: EXEC });
- 校验项：① 每个 chart 容器
querySelector('canvas')存在且canvas.width > 0；② 无pageerror/ console error；③ 截图逐图目视。 - 逐图截图：先
scrollIntoView({block:'center'})，再用getBoundingClientRect()取坐标做视口截图（不要用fullPage:true+clip）。
fullPage:true+clip时boundingBox()返回的是视口坐标而非文档坐标，对首屏以外的元素会把封面截下来。
clip上下各留 ~40px 余量，否则坐标轴名会被切掉。
常见坑
| 坑 | 现象 | 处理 |
|---|---|---|
| 把噪声当趋势 | 中枢被不显著的均值拉偏 | 先算 t 值， |
| 季节性硬用 | 10 个样本里单一年份主导均值 | 算 t 值；不显著就明确写"找不到统计支撑" |
| 多脚本概率漂移 | 同一指标两个脚本给出不同数 | 单一脚本 + 单一随机种子，一次 dump JSON |
| 交易日算错 | 用自然日当步数，波动被低估 | 手工扣周末与长假，生成真实交易日历 |
| 锥形图末点重复 | x 轴最后一个点画两次 | 先判 if xs[-1] != DAYS-1 再 append |
| 右侧末端标签被裁 | 锥形图 P5/P95 的 endLabel 显示不全 | grid.right 提到 60–70 |
| 副轴 max 溢出 | 折线冲出画布顶部 | 副轴 max 必须容得下最大数据值（如加权贡献最大 5.78，max 不能设 5） |
| 竖线 markLine 标签竖排 | 文字被压成竖排，与柱子标签打架 | 用 position:'end' + rotate:0，grid.top 提到 50+，加白底 backgroundColor+padding |
| markLine 标签与柱标签重合 | 同一高度两个相同数字叠在一起 | 该 markLine 的 label 直接 show:false，数值交给柱子标签 |
| 封面印章压住元信息 | 右下角绝对定位徽标与末行文字重叠 | 给该行加 padding-right，移动端媒体查询里复位 |
| KPI 卡片断行难看 | 6 个卡片排成 5+1 | repeat(auto-fit, minmax(272px,1fr)) → 3+3 |
| 逐图截图截到封面 | fullPage:true+clip 时坐标是视口坐标 |
改 scrollIntoView + getBoundingClientRect + 视口截图 |
| playwright 找不到浏览器 | Executable doesn't exist at ...chromium_headless_shell-* |
显式传 executablePath 指向已装的 Google Chrome for Testing |
交付
- 产出后调
present_files打开报告（HTML 会自动进实时预览面板）。 - 对话正文给 200–300 字摘要：中枢、80% 区间、触及目标价的概率、以及那个"不显著"的判断，不要复述全文。
- 对话末尾必须附金融 skill 的固定免责声明原文。
