stock-historical-index

股票指数历史数据

使用 Octagon MCP 服务获取市场指数完整的历史日终价格数据。

前提条件

确保已在 AI Agent（Cursor、Claude Desktop、Windsurf 等）中配置 Octagon MCP。请参阅 references/mcp-setup.md 获取安装说明。

工作流

1. 确定参数

确定查询参数：

• 指数代码：^GSPC（S&P 500）、^DJI（Dow）、^IXIC（NASDAQ）等
• 开始日期：日期范围的起始日期
• 结束日期：日期范围的结束日期

2. 通过 Octagon MCP 执行查询

使用 octagon-agent 工具，并提供自然语言提示词：

Retrieve full historical end-of-day price data for the <INDEX> index from <START_DATE> to <END_DATE>.

MCP 调用格式：

{
  "server": "octagon-mcp",
  "toolName": "octagon-agent",
  "arguments": {
    "prompt": "Retrieve full historical end-of-day price data for the ^GSPC index from 2025-01-01 to 2025-04-30."
  }
}

3. 预期输出

Agent 将返回全面的指数日度数据：

日期	开盘价	最高价	最低价	收盘价	成交量	变动	变动百分比	VWAP
2025-04-30	5,499.44	5,581.84	5,433.24	5,569.07	5.45B	+69.63	+1.27%	5,520.90
2025-04-29	5,508.87	5,571.95	5,505.70	5,560.82	4.75B	+51.95	+0.94%	5,536.84
...	...	...	...	...	...	...	...	...

关键统计数据：

• 单日最高成交量：2025-04-09 的 9.49B
• 单日最大涨幅：2025-04-09 的 +9.90%
• 单日最大跌幅：2025-04-04 的 -4.12%
• 涵盖交易日：79

数据源：octagon-stock-data-agent

4. 解读结果

请参阅 references/interpreting-results.md，了解以下内容：

• 分析指数价格趋势
• 计算期间回报
• 理解成交量模式
• 识别显著的市场波动

示例查询

S&P 500 历史数据：

Retrieve full historical end-of-day price data for the ^GSPC index from 2025-01-01 to 2025-04-30.

NASDAQ 综合指数：

Get historical data for ^IXIC from 2024-01-01 to 2024-12-31.

Dow Jones：

Show ^DJI historical prices for Q1 2025.

Russell 2000：

Retrieve historical data for ^RUT from 2024-06-01 to 2025-06-01.

多个指数：

Compare ^GSPC and ^IXIC performance from 2025-01-01 to 2025-03-31.

常见指数代码

美国主要指数

代码	指数	描述
^GSPC	S&P 500	500 只美国大型股
^DJI	Dow Jones	30 只蓝筹股
^IXIC	NASDAQ Composite	所有 NASDAQ 股票
^NDX	NASDAQ 100	NASDAQ 中规模最大的 100 只股票
^RUT	Russell 2000	2,000 只美国小型股

行业指数

代码	指数	描述
^XLK	科技	科技行业
^XLF	金融	金融行业
^XLV	医疗保健	医疗保健行业
^XLE	能源	能源行业
^XLI	工业	工业行业

波动率指数

代码	指数	描述
^VIX	VIX	市场波动率
^VXN	VXN	NASDAQ 波动率

理解指数数据

价格构成要素

字段	描述
开盘价	当日首笔交易价格
最高价	当日最高价格
最低价	当日最低价格
收盘价	当日最后一笔交易价格
成交量	成交股票总数
变动	相较前一日收盘价的点数变化
变动百分比	百分比变化
VWAP	成交量加权平均价格

日内区间分析

指标	计算方式
日内区间	最高价 - 最低价
区间百分比	（最高价 - 最低价）/ 开盘价
区间内位置	（收盘价 - 最低价）/（最高价 - 最低价）

回报计算

期间回报

期间	公式
日度	（收盘价 - 前一日收盘价）/ 前一日收盘价
周度	（周五收盘价 - 周一开盘价）/ 周一开盘价
月度	（月末 - 月初）/ 月初
年初至今	（当前值 - 年初值）/ 年初值

示例

根据数据：

• 起始值（1 月 2 日）：5,868.56
• 结束值（4 月 30 日）：5,569.07
• 回报：（5,569.07 - 5,868.56）/ 5,868.56 = -5.10%

累计回报

Cumulative = (1 + r1) × (1 + r2) × ... × (1 + rn) - 1

成交量分析

成交量模式

模式	解读
高成交量 + 上涨	买盘强劲
高成交量 + 下跌	卖盘强劲
低成交量 + 上涨	反弹乏力
低成交量 + 下跌	卖方力量不足

成交量指标

指标	用途
日均成交量	基准
成交量激增	异常活动
成交量趋势	参与度变化

示例

从数据中：

• 最高成交量：2025-04-09 的 9.49B
• 当天同时上涨了 +9.90%（大幅反弹）

趋势分析

趋势识别

形态	特征
上升趋势	高点不断抬高，低点不断抬高
下降趋势	高点不断降低，低点不断降低
盘整	区间震荡
反转	趋势变化

移动平均线

MA	用途
50 日	短期趋势
200 日	长期趋势
黄金交叉	50 > 200（看涨）
死亡交叉	50 < 200（看跌）

波动性分析

衡量波动性

指标	计算方法
日内振幅 %	(最高价 - 最低价) / 收盘价
日涨跌幅	每日绝对涨跌幅
标准差	收益率的离散程度

波动性背景

日涨跌幅 %	市场状况
<0.5%	波动性较低
0.5-1%	正常
1-2%	波动性上升
>2%	波动性较高
>4%	极端波动

示例

从数据中：

• 最大涨幅：+9.90%
• 最大跌幅：-4.12%
• 振幅：14.02%
• 解读：波动性上升时期

重要市场事件

识别重要交易日

标准	阈值
大幅上涨日	涨幅 >2%
大幅下跌日	跌幅 >2%
成交量激增	>平均值的 2 倍
振幅扩大	>正常振幅的 2 倍

事件分析

数据	事件
4 月 9 日上涨 +9.90%	大幅反弹
4 月 4 日下跌 -4.12%	显著抛售
成交量 9.49B	参与度最高

基准比较用途

股票与指数对比

对比项	公式
Alpha	股票收益率 - 指数收益率
Beta	股票波动率 / 指数波动率 × 相关性
相对强弱	股票 / 指数

示例用途

• 你的股票收益率为 +15%
• S&P 500 的收益率为 -5.10%
• Alpha：超额表现 +20.10%

常见用例

市场背景

What was the overall market doing when my stock fell?

收益率比较

How did the S&P 500 perform in Q1 2025?

波动性评估

What were the biggest up and down days for the market in 2024?

趋势分析

Is the market in an uptrend or downtrend?

成交量分析

What were the highest volume days for the S&P 500?

分析技巧

1. 用于了解背景：指数表现有助于解释股票走势。

2. 计算 Alpha：比较你的收益率与市场表现。

3. 关注成交量：成交量高的交易日意义重大。

4. 追踪极端走势：大幅涨跌日反映市场情绪。

5. 比较指数：不同指数会发出不同信号。

6. 考虑 VIX：使用波动率指数衡量恐慌程度。

与其他技能集成

技能	组合用途
stock-performance	股票与指数对比
sector-performance-snapshot	板块与指数对比
stock-quote	当前数据与历史数据对比
historical-market-cap	市值与指数对比