investoday-fund-comprehensive-diagnosis

# 🩺 基金综合诊断 面向公募基金综合诊断，聚焦收益表现、风险收益匹配、持仓结构、基金经理与费用分红特征。基于今日投资金融数据接口，自动识别基金代码并输出结构化基金综合诊断报告。 ## 触发场景 - 用户询问某只基金值不值得长期持有，想看综合诊断报告 - 用户希望同时了解收益、风险、持仓、经理与费率分红等多维情况 - 用户想知道“这只基金整体质地怎么样”“适不适合继续拿”“主要问题出在哪” - 关键词：基金诊断、基金分析、收益风险、持仓怎么看、长期持有、基金体检、综合诊断 ## 输入示例 **示例 1：综合分析** ``` 帮我分析一下易方达蓝筹精选这只基金。 ``` **示例 2：继续持有判断** ``` 华夏成长混合适不适合继续长期拿着？ ``` **示例 3：多维诊断** ``` 这只基金收益、风险、持仓和基金经理分别怎么样？ ``` > 💡 支持输入基金名称或 6 位基金代码。若用户只提供名称，优先使用 `entity-recognition` 识别基金实体；若无法稳定唯一识别，再提示补充完整名称或代码。若用户只关心回撤、波动与风险承受特征，优先使用 `基金风险分析`；若只想拆解超额收益来自选股、择时还是 Beta 暴露，优先使用 `基金业绩归因分析`。 ## 前置依赖 本 Skill 依赖 `investoday-finance-data`（今日投资金融数据）Skill 获取实时金融数据。 基础 API 调用与底层执行方式统一以该 Skill 为准，业务 Skill 不重复展开底层接入细节。 ## 工具说明 以下为本 Skill 通过 `investoday-finance-data` 使用的数据接口。在 System Prompt 中以 `工具ID` 标识调用。 ### 标的识别工具 | 工具名称 | 工具ID | 方法 | 说明 | |---------|--------|------|------| | 实体识别 | `entity-recognition` | POST | 从自然语言中识别基金实体 | | 基金基本信息 | `fund/basic-info` | POST | 获取基金名称、类型、管理人、投资目标等 | ### 业绩与风险工具 | 工具名称 | 工具ID | 方法 | 说明 | |---------|--------|------|------| | 归因分析 | `fund/performance-attribution` | POST | 获取收益、回撤、波动率、Alpha、夏普等综合指标 | | 基金评价同类平均指标 | `fund/eval-peer-avg-ind` | POST | 获取同类平均、排名与同类对比指标 | ### 组合与管理工具 | 工具名称 | 工具ID | 方法 | 说明 | |---------|--------|------|------| | 现任基金经理及回报 | `fund/current-manager-returns` | POST | 获取基金经理任职时间、任期回报与从业信息 | | 基金资产分布 | `fund/portfolio-asset-holdings` | POST | 获取股票、债券、现金等资产配置 | | 基金持仓股票 | `fund/portfolio-stock-holdings` | POST | 获取基金重仓股信息 | | 基金持仓股票及行业涨幅 | `fund/holdings-stocks-industries` | POST | 获取重仓股及所属行业表现 | ### 费用与分红工具 | 工具名称 | 工具ID | 方法 | 说明 | |---------|--------|------|------| | 基金费率结构 | `fund/fee-structures` | POST | 获取申购费、赎回费、管理费、托管费等费率信息 | | 基金分红 | `fund/dividend` | POST | 获取基金分红记录与分红特征 | ## 数据获取流程 用户提供基金名称或代码后，Agent 按以下流程获取数据： - **Step 0：基金实体识别（如用户输入名称而非代码）**：工具ID `entity-recognition` (POST)，参数 `input=<用户原始问题>` - **Step 1：基金基本信息**：工具ID `fund/basic-info` (POST)，参数 `fundCode=<code>` - **Step 2：归因分析**：工具ID `fund/performance-attribution` (POST)，参数 `fundCode=<code>` - **Step 3：同类平均指标**：工具ID `fund/eval-peer-avg-ind` (POST)，参数 `fundCode=<code>` - **Step 4：现任基金经理及回报**：工具ID `fund/current-manager-returns` (POST)，参数 `fundCode=<code>` - **Step 5：基金资产分布**：工具ID `fund/portfolio-asset-holdings` (POST)，参数 `fundCode=<code>` - **Step 6：基金持仓股票**：工具ID `fund/portfolio-stock-holdings` (POST)，参数 `fundCode=<code>` - **Step 7：基金持仓股票及行业涨幅**：工具ID `fund/holdings-stocks-industries` (POST)，参数 `fundCode=<code>` - **Step 8：基金费率结构**：工具ID `fund/fee-structures` (POST)，参数 `fundCode=<code>` - **Step 9：基金分红**：工具ID `fund/dividend` (POST)，参数 `fundCode=<code>` > **并行优化**：完成 Step 0 的基金识别后，Step 1-9 可并行调用；分析时优先以 Step 2-4 形成收益风险与管理能力判断，再用 Step 5-9 补充持仓与回报特征。 ## 分析框架（6步） Agent 获取数据后，按以下 6 步框架进行结构化分析： ### Step 1：建立基金画像 **目标**：确认基金类型、投资目标、管理人与风险收益特征。 **数据来源**：`fund/basic-info` 分析要点： - 基金类型、风格、是否偏主动管理或被动跟踪 - 管理人、投资目标、风险收益特征是否清晰 - 为后续收益与风险分析建立对照框架 **输出**：基金画像与产品定位。 ### Step 2：评估收益表现与同类竞争力 **目标**：判断基金过去一段时间的收益能力及相对同类表现。 **数据来源**：`fund/performance-attribution` + `fund/eval-peer-avg-ind` 分析要点： - 近 1 月、6 月、1 年、3 年收益表现 - 相对同类平均是否有超额收益 - 若短期好、长期一般或相反，必须明确指出期限分化 **输出**：收益表现结论与同类竞争力判断。 ### Step 3：评估风险收益匹配度 **目标**：判断基金承担的风险是否换来了合理回报。 **数据来源**：`fund/performance-attribution` + `fund/eval-peer-avg-ind` 分析要点： - 最大回撤、波动率、夏普、卡玛、Alpha 等指标 - 风险控制能力与收益质量是否匹配 - 若收益高但回撤明显偏大，应提示持有体验压力 **输出**：风险收益匹配度与主要短板。 ### Step 4：分析持仓结构与风格支撑 **目标**：判断当前持仓配置是否支持基金既有业绩特征。 **数据来源**：`fund/portfolio-asset-holdings` + `fund/portfolio-stock-holdings` + `fund/holdings-stocks-industries` 分析要点： - 股票、债券、现金等资产配置比例 - 前十大重仓股、行业暴露与持仓集中度 - 当前配置是否支撑收益来源，是否存在风格依赖或集中度风险 **输出**：持仓结构结论与配置支撑判断。 ### Step 5：评估基金经理与管理人能力 **目标**：判断基金经理任期表现是否与产品定位匹配。 **数据来源**：`fund/current-manager-returns` + `fund/basic-info` 分析要点： - 任职时间、任期回报、从业年限、平均年化表现 - 管理人平台实力与基金经理任内兑现程度 - 若产品偏被动或指数跟踪型，应弱化对基金经理主观管理能力的扩展解读，更关注产品定位是否稳定兑现 - 若经理任期较短，应提示样本期有限 **输出**：基金经理与管理能力评价。 ### Step 6：分析费用与分红特征并形成综合结论 **目标**：补充产品持有成本与分红特征，形成完整综合判断。 **数据来源**：`fund/basic-info` + `fund/fee-structures` + `fund/dividend` + 前 5 步结果汇总 分析要点： - 费率结构、分红记录与分红稳定性 - 产品回报特征更偏净值增长导向还是现金分红导向 - 综合收益、风险、持仓、经理、费用后形成总判断 **输出**：综合诊断结论与后续跟踪重点。 ## 策略逻辑汇总 > **口径提示**：以下信号更适合作为同类型基金内部的粗略参考；股票型、债券型、指数型、FOF 等产品不可直接按同一阈值横向套用。 | 信号组合 | 含义 | 判断 | |---------|------|------| | 近1年收益显著高于同类平均且回撤控制良好 | 业绩与风险匹配较优 | ✅ 积极 | | 近1年收益较高但最大回撤也显著偏高 | 收益来自较高风险承担 | 🟡 关注 | | 夏普比率 > 1 且卡玛比率较高 | 风险调整后收益较好 | ✅ 积极 | | Alpha 为正且同类排名靠前 | 主动管理有一定价值 | ✅ 积极 | | 股票仓位高且重仓股集中度高 | 风格与集中度暴露较明显 | 🟡 关注 | | 经理任期回报稳定、从业年限较长 | 管理延续性较强 | ✅ 积极 | | 经理任期较短或任期回报缺乏代表性 | 管理能力仍需观察 | 📊 中性 | | 分红记录稳定且产品定位偏稳健 | 现金回报特征较清晰 | 🟡 关注 | | 收益落后同类且风险控制也不占优 | 综合性价比较弱 | 🔴 高风险 | | 产品定位与实际持仓风格明显不一致 | 风格漂移风险存在 | ⚠️ 警惕 | ## 输出格式 ```markdown # 🩺 [基金名称]（[基金代码]）基金综合诊断报告 > 分析日期：YYYY-MM-DD | 数据来源：今日投资 ## 一、综合诊断结论 （用一段话概括基金整体质地、主要优势和主要问题） ## 二、基金概况 （基金类型、定位、管理人、风险收益特征） ## 三、收益能力诊断 （多期限收益、同类比较、超额收益情况） ## 四、风险收益特征 （回撤、波动率、夏普、卡玛、Alpha 等） ## 五、持仓结构诊断 （资产配置、前十大持仓、行业暴露、集中度） ## 六、经理与管理人诊断 （经理任期回报、从业年限、平台实力） ## 七、费用与分红特征 （费率、分红、回报特征） ## 综合结论 - 3-5 条核心发现 - 明确基金主要强项、短板与更匹配的持有诉求 - 给出后续需要跟踪的关键变量 ``` ## 执行示例 用户说：“帮我分析一下华夏成长混合适不适合继续长期拿着。” 1. 通过 `entity-recognition` 识别基金实体与基金代码 2. 并行调用 `fund/basic-info`、`fund/performance-attribution`、`fund/eval-peer-avg-ind`、`fund/current-manager-returns`、`fund/portfolio-asset-holdings`、`fund/portfolio-stock-holdings`、`fund/holdings-stocks-industries`、`fund/fee-structures` 与 `fund/dividend` 3. 从收益、风险、持仓、经理、费用分红 5 个维度做综合诊断 4. 输出 Markdown 格式基金综合诊断报告 5. 在结尾写出综合结论与后续跟踪重点 ## 安全与隐私 - 仅通过今日投资 API 查询公开市场数据 - 不记录、不存储用户的查询记录 - 分析结论仅供参考，不构成投资建议