investoday-fund-performance-attribution-analysis

# 🎯 基金业绩归因分析 面向公募基金业绩归因分析，聚焦超额收益来源、选股能力、择时能力、配置支撑与业绩可持续性。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业绩归因报告。 ## 触发场景 - 用户询问某只基金的收益来自哪里，是靠选股还是择时 - 用户希望判断主动管理能力、超额收益来源与当前配置是否支撑业绩 - 用户想知道“这只基金为什么能跑赢”“业绩可持续吗”“更偏 Beta 还是 Alpha” - 关键词：业绩归因、超额收益、选股能力、择时能力、业绩来源、主动管理能力、Alpha、Beta ## 输入示例 **示例 1：收益来源** ``` 帮我分析一下这只基金的收益主要来自哪里。 ``` **示例 2：选股还是择时** ``` 这只基金最近跑赢同类，是靠选股还是靠择时？ ``` **示例 3：可持续性** ``` 这只基金的超额收益能不能持续，当前配置支不支持？ ``` > 💡 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。若用户主要关心波动、回撤和风险承受，优先使用 `基金风险分析`；若需要把收益、风险、持仓、经理、费用分红一起看，优先使用 `基金综合诊断`。 ## 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、投资目标与策略 | ### 业绩归因核心工具 | 工具名称 | 工具ID | 方法 | 说明 | |---------|--------|------|------| | 同类平均指标 | `fund/eval-peer-avg-ind` | POST | 获取收益、同类平均、排名、Alpha、Beta 等同类比较数据 | | 归因分析 | `fund/performance-attribution` | POST | 获取选股能力、择时能力、风险收益指标等 | ### 配置与管理工具 | 工具名称 | 工具ID | 方法 | 说明 | |---------|--------|------|------| | 基金资产分布 | `fund/portfolio-asset-holdings` | POST | 获取股票、债券、现金等配置比例 | | 现任基金经理及回报 | `fund/current-manager-returns` | POST | 获取基金经理任期回报与从业信息 | ## 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：同类平均指标**：工具ID `fund/eval-peer-avg-ind` (POST)，参数 `fundCode=<code>` - **Step 3：归因分析**：工具ID `fund/performance-attribution` (POST)，参数 `fundCode=<code>` - **Step 4：基金资产分布**：工具ID `fund/portfolio-asset-holdings` (POST)，参数 `fundCode=<code>` - **Step 5：现任基金经理及回报**：工具ID `fund/current-manager-returns` (POST)，参数 `fundCode=<code>` > **并行优化**：完成 Step 0 的基金识别后，Step 1-5 可并行调用；分析时优先用 Step 2-3 判断超额收益与主动管理来源，再用 Step 4-5 验证业绩支撑与延续性。 ## 分析框架（5步） Agent 获取数据后，按以下 5 步框架进行结构化分析： ### Step 1：确认基金定位与分析口径 **目标**：明确基金属于主动还是偏被动、偏股还是偏债，以及评价业绩的合适口径。 **数据来源**：`fund/basic-info` 分析要点： - 基金类型、投资目标、投资策略 - 产品定位是否决定了更高 Beta 暴露或更强主动管理诉求 - 若产品为指数基金、ETF、联接基金或其他偏被动产品，应优先从跟踪与 Beta 暴露解释业绩，不夸大选股或择时结论 - 为后续业绩来源分析建立对照框架 **输出**：基金定位与业绩分析口径。 ### Step 2：判断超额收益来源 **目标**：确认基金近期和中长期收益是否持续跑赢同类，以及超额收益强度如何。 **数据来源**：`fund/eval-peer-avg-ind` 分析要点： - 近 1 月、6 月、1 年、3 年收益与同类平均差异 - Alpha、Beta 是否支持“主动超额”还是“市场 Beta 驱动” - 若短期跑赢但长期一般，应明确指出期限结构分化 **输出**：超额收益来源与同类竞争力判断。 ### Step 3：判断主动管理能力 **目标**：对主动产品区分业绩主要来自选股能力还是择时能力；对偏被动产品优先判断 Beta 与配置暴露。 **数据来源**：`fund/performance-attribution` 分析要点： - 选股能力与择时能力在多个期限的表现方向 - 是否存在“长期靠选股、短期靠择时”或相反情况 - 若选股与择时都偏弱但收益仍不错，需提示可能主要来自风格或 Beta 暴露 **输出**：主动管理能力结构与稳定性判断。 ### Step 4：判断当前配置是否支撑业绩 **目标**：分析当前仓位和资产配置是否支持既有收益特征。 **数据来源**：`fund/portfolio-asset-holdings` + `fund/basic-info` 分析要点： - 股票、债券、现金等配置比例与产品定位是否一致 - 当前高权益仓位是否支撑了高收益，也是否放大了波动 - 若配置与策略不一致，应提示业绩持续性的疑问 **输出**：配置支撑判断与风格依赖结论。 ### Step 5：评估业绩可持续性并形成综合结论 **目标**：结合基金经理任期表现，判断当前业绩是否具有一定持续性。 **数据来源**：`fund/current-manager-returns` + 前 4 步结果汇总 分析要点： - 基金经理任期回报、从业年限与业绩兑现情况 - 当前超额收益是短期放大还是有延续基础 - 后续应重点观察选股能力、择时能力、配置变化还是经理稳定性 **输出**：业绩可持续性判断与综合结论。 ## 策略逻辑汇总 > **口径提示**：以下信号更适合作为主动管理型或同策略基金之间的粗略参考；若产品偏被动或指数跟踪，应弱化对“选股/择时能力”的直接解读。 | 信号组合 | 含义 | 判断 | |---------|------|------| | 收益持续高于同类平均且 Alpha 为正 | 主动超额较明确 | ✅ 积极 | | 收益高于同类但 Beta 明显偏高 | 业绩更偏市场暴露驱动 | 🟡 关注 | | 选股能力持续为正 | 经理选股贡献较强 | ✅ 积极 | | 择时能力持续为正 | 仓位调整有效 | ✅ 积极 | | 选股能力为正、择时能力偏弱 | 更偏选股型产品 | 📊 中性 | | 选股与择时都偏弱但收益不差 | 可能更多来自风格或 Beta | ⚠️ 警惕 | | 资产配置与产品定位一致且股票仓位支撑收益 | 当前配置具备支撑 | ✅ 积极 | | 高收益伴随高波动和高回撤 | 业绩质量需折价看待 | 🟡 关注 | | 经理任期较短或任期回报缺乏代表性 | 可持续性仍需观察 | 📊 中性 | | 长期业绩、选股能力、经理任期回报三者一致 | 业绩延续性较强 | ✅ 积极 | ## 输出格式 ```markdown # 🎯 [基金名称]（[基金代码]）业绩归因分析报告 > 分析日期：YYYY-MM-DD | 数据来源：今日投资 ## 一、业绩归因结论 （先用一段话概括超额收益来源、主动管理强弱与可持续性） ## 二、基金定位与业绩画像 （基金类型、策略、收益风格、同类位置） ## 三、超额收益来源 （收益、同类平均、Alpha、Beta 角度的判断） ## 四、主动管理能力 （选股能力、择时能力及其稳定性） ## 五、配置支撑与风格依赖 （资产配置是否支持当前业绩特征） ## 六、业绩可持续性 （经理任期表现与后续延续性判断） ## 综合结论 - 3-5 条核心发现 - 明确业绩主要来自 Alpha、Beta、选股还是择时 - 给出后续需要跟踪的关键变量 ``` ## 证据约束（必须遵守） 1. 每个业绩归因结论至少给出 2 个数值证据；没有数据则写“该维度数据不足，暂无法判断” 2. 不允许只写“业绩好/差”，必须说明对应收益、同类平均、Alpha/Beta、选股或择时指标 3. 时间口径必须明确，如“近1年”“近3年”“任期内” 4. 百分比统一保留 2 位小数 5. 不给申购赎回建议、定投建议、仓位建议或交易时点 6. 若基金识别不唯一，必须先要求补充更完整名称或 6 位基金代码 7. 若超额收益、主动管理能力与当前配置三者不一致，必须明确指出背离，不得直接给出乐观结论 8. 同类比较、Alpha/Beta 解读与选股/择时判断默认应建立在相近策略产品之间；若产品偏被动或指数跟踪，必须先说明分析边界，不得机械套用主动管理框架夸大选股或择时能力 ## 执行示例 用户说：“这只基金最近跑赢同类，是靠选股还是择时？” 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/eval-peer-avg-ind`、`fund/performance-attribution`、`fund/portfolio-asset-holdings` 与 `fund/current-manager-returns` 3. 分别判断超额收益来源、主动管理能力、配置支撑和业绩可持续性 4. 输出 Markdown 格式基金业绩归因分析报告 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