investoday-fund-risk-analysis

# 🛡️ 基金风险分析 面向公募基金量化风险分析，聚焦回撤、波动率、下行风险、VaR、Beta、夏普与风险收益匹配度。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风险分析报告。 ## 触发场景 - 用户询问某只基金风险大不大、回撤如何、波动高不高 - 用户希望判断风险收益比、Beta、夏普、索提诺、卡玛等指标表现 - 用户想知道“适不适合低风险偏好”“这只基金回撤控制怎么样” - 关键词：基金风险、回撤、波动率、下行风险、VaR、Beta、夏普、索提诺、卡玛、风险收益比 ## 输入示例 **示例 1：风险水平** ``` 帮我看看这只基金风险大不大。 ``` **示例 2：回撤控制** ``` 000001 这只基金近一年最大回撤怎么样？ ``` **示例 3：风险收益比** ``` 这只基金波动和夏普比率怎么样，风险特征偏稳健还是偏进取？ ``` > 💡 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。若只想看收益来源与主动管理能力，优先使用 `基金业绩归因分析`；若希望把收益、风险、持仓、经理、费率放在同一框架里一起看，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、风险收益特征 | ### 风险核心工具 | 工具名称 | 工具ID | 方法 | 说明 | |---------|--------|------|------| | 归因分析 | `fund/performance-attribution` | POST | 获取回撤、波动率、下行波动率、VaR、夏普、索提诺、卡玛、Beta、Alpha 等指标 | | 现任基金经理及回报 | `fund/current-manager-returns` | POST | 获取基金经理任期回报、从业年限等信息，用于辅助判断风控结果 | ## 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：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 1-3 可并行调用；风险分析优先看近 1 年与近 3 年维度，再用近 1 月、3 月、6 月辅助判断风险是否在放大或收敛。 ## 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：建立基金风险画像 **目标**：确认基金类型与产品定位，为风险判断建立基准。 **数据来源**：`fund/basic-info` 分析要点： - 基金类型、风险收益特征、投资策略 - 产品定位是否天然偏高波动或偏稳健 - 股票型、债券型、指数型等不同基金的回撤与波动中枢不同，后续判断应优先与同类型产品比较 - 为后续量化风险判断提供背景 **输出**：基金风险画像与分析口径。 ### Step 2：评估回撤风险 **目标**：判断基金净值承压时的回撤深度与回撤控制能力。 **数据来源**：`fund/performance-attribution` 分析要点： - 近 1 月、3 月、6 月、1 年、3 年最大回撤 - 回撤是阶段性还是长期偏大 - 若短期与长期回撤都偏高，应明确提示风控压力 **输出**：回撤风险结论与主要风险区间。 ### Step 3：评估波动与下行风险 **目标**：判断基金净值波动幅度和下跌风险暴露程度。 **数据来源**：`fund/performance-attribution` 分析要点： - 年化波动率、下行波动率、VaR 的高低 - 风险是否集中体现在下跌方向 - 是否存在“回撤不算大但波动很高”或相反情况 **输出**：波动性与下行风险结论。 ### Step 4：评估风险调整后收益与市场敏感度 **目标**：判断基金承担的风险是否换来了相对匹配的收益。 **数据来源**：`fund/performance-attribution` 分析要点： - 夏普、索提诺、卡玛等风险调整后收益指标 - Beta、Alpha、稳定性指标反映的市场敏感度与超额收益质量 - 若 Beta 较高且夏普偏弱，需提示“高风险但性价比一般” **输出**：风险收益匹配度与市场敏感度判断。 ### Step 5：评估基金经理风控结果并形成综合结论 **目标**：结合基金经理任期表现，判断当前风险承担结果是否匹配。 **数据来源**：`fund/current-manager-returns` + 前 4 步结果汇总 分析要点： - 任职起始时间、任期回报、从业年限 - 任期表现是否说明经理在承担风险后获得了相应回报 - 结合历史风险指标给出综合风险等级判断 **输出**：综合风险结论、主要短板与后续观察重点。 ## 策略逻辑汇总 > **口径提示**：以下阈值仅适合作为同类型基金内部的粗略参考，不能直接拿股票型、债券型、指数型等不同产品横向套用。 | 信号组合 | 含义 | 判断 | |---------|------|------| | 近1年最大回撤 < 10% | 回撤压力较低 | ✅ 积极 | | 近1年最大回撤在 10%-20% | 回撤处于中等水平 | 📊 中性 | | 近1年最大回撤 ≥ 20% | 回撤压力较大 | ⚠️ 警惕 | | 近1年年化波动率 < 15% | 波动较低 | ✅ 积极 | | 近1年年化波动率在 15%-25% | 波动中等 | 📊 中性 | | 近1年年化波动率 ≥ 25% | 波动较高 | ⚠️ 警惕 | | 夏普比率 > 1 | 风险调整后收益较好 | ✅ 积极 | | 夏普比率在 0-1 | 风险收益比一般 | 🟡 关注 | | 夏普比率 < 0 | 风险承担未换来正向回报 | 🔴 高风险 | | Beta > 1 且回撤偏大 | 对市场敏感度较高 | ⚠️ 警惕 | ## 输出格式 ```markdown # 🛡️ [基金名称]（[基金代码]）风险分析报告 > 分析日期：YYYY-MM-DD | 数据来源：今日投资 ## 一、风险结论 （先用一段话概括当前风险等级和主要原因） ## 二、基金风险画像 （基金类型、风险收益特征、产品定位） ## 三、回撤风险分析 （多期限最大回撤与回撤控制结论） ## 四、波动与下行风险分析 （波动率、下行波动率、VaR） ## 五、风险收益匹配度 （夏普、索提诺、卡玛、Beta、Alpha） ## 六、经理风控结果 （任期回报、从业经验与风险承担结果） ## 综合结论 - 3-5 条核心发现 - 明确主要风险来源与风险缓冲因素 - 给出后续需要跟踪的风险信号 ``` ## 证据约束（必须遵守） 1. 每个风险结论至少给出 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“风险高/低”，必须说明是回撤、波动、Beta 还是风险收益比导致 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. 若收益高但风险同样偏高，必须明确说明“高收益来自更高风险承担”，不得直接视为优势 8. 回撤、波动、VaR、Beta 等风险比较默认应以同类型或相近策略基金为前提；若产品类型差异明显，必须先说明不可直接横向比较 ## 执行示例 用户说：“这只基金近一年回撤怎么样，风险特征偏稳健还是偏进取？” 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` 与 `fund/current-manager-returns` 3. 从回撤、波动、风险收益比与经理风控结果 4 个维度完成分析 4. 输出 Markdown 格式基金风险分析报告 5. 在结尾写出综合风险等级与后续观察重点 ## 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