skills/portfolio-analyzer/SKILL.md

name	description
portfolio-analyzer	投资组合多维分析与 Excel 报告生成。当用户需要进行组合 vs 基准收益对比、 风险指标计算、行业归因分析（Brinson 三因素）、资产大类归因， 或从组合 Excel 数据生成分析报告时触发。 关键词: 组合分析、业绩归因、行业归因、组合对比、净值分析、风险指标、 Brinson、夏普比率、最大回撤、信息比率

投资组合分析

触发条件

当用户需要：

• 多组合 vs 基准的收益对比分析
• 计算风险指标（夏普、最大回撤、信息比率、索提诺等）
• 行业归因分析（Brinson 三因素：配置 + 选股 + 交互）
• 资产大类业绩归因
• 从组合 Excel 数据生成分析报告
• 分析净值曲线、回撤、滚动波动率

依赖

依赖	用途	必需
windpy-sdk	获取基准净值 + 申万行业收益	是（Wind 数据）
xlsx	Excel 输出规范 + recalc.py 公式验证	是（报告输出）
plotly	净值曲线 + 归因柱状图的交互式 HTML	否（可选）

快速开始

import sys, os
sys.path.insert(0, os.path.expanduser("~/.claude/skills/portfolio-analyzer/scripts"))
from portfolio_analyzer import (
    load_portfolio_data,
    fetch_benchmark,
    fetch_benchmark_industry_weights,
    fetch_shenwan_returns,
    compute_risk_metrics,
    compute_brinson,
)

# 1. 加载用户 Excel
data = load_portfolio_data("/path/to/portfolio.xlsx")
nav = data["nav_timeseries"]          # 宽表: 列=组合, index=日期

# 2. 获取基准
bench = fetch_benchmark("000300.SH", "2025-01-01", "2026-02-27")

# 3. 计算风险指标
metrics = compute_risk_metrics(nav["P001"], bench["close"])

# 4. Brinson 行业归因
ind = data["industry_attribution"]
result = compute_brinson(
    ind["port_weight"], ind["bench_weight"],
    ind["port_return"], ind["bench_return"],
)

工作流

第 1 步：解析用户请求

从用户消息中提取：

• 输入 Excel 路径（必需）
• 分析区间：起止日期，默认取 Excel 数据全区间
• 基准选择：默认沪深 300（000300.SH），用户可指定中证 500/800/1000 等
• 组合筛选：分析全部组合或指定组合代码

常用基准代码：

基准	Wind 代码
沪深 300	000300.SH
中证 500	000905.SH
中证 800	000906.SH
中证 1000	000852.SH
上证 50	000016.SH
创业板指	399006.SZ
万得全 A	881001.WI

第 2 步：加载数据

data = load_portfolio_data(filepath)

自动识别 5 张表（通过特征列匹配，不依赖 sheet 名称）：

表类型	键名	识别特征
时序分析	nav_timeseries	含"单位净值"/"NAV"列
交易明细	trade_detail	含"成交金额"/"买卖方向"列
收益贡献	return_contribution	含"收益贡献"/"收益率贡献"列
业绩归因	asset_attribution	含"资产大类"列
行业归因	industry_attribution	含"行业"+"配置效应"列

参考：列名映射规则见 references/data-loading-guide.md

第 3 步：获取基准数据

bench = fetch_benchmark("000300.SH", start, end)
# 返回 DataFrame: columns=["close"], index=DatetimeIndex

第 4 步：获取行业基准

# 4a. 基准指数的行业权重（bw_i）
bench_weights = fetch_benchmark_industry_weights("000300.SH", "20260227")
# 返回 Series: index=行业名称, values=权重(0~1)

# 4b. 各行业指数的区间收益（br_i）
sw = fetch_shenwan_returns(start, end)
# 返回 DataFrame: index=行业名称, columns=["code", "pct_chg"]

fetch_benchmark_industry_weights 内部流程：

1. wset("indexconstituent") 拉取成分股及权重
2. wss(codes, "industry_sw") 查每只股票的申万一级行业（分批，每批 80 只）
3. 按行业聚合权重并归一化

参考：31 个申万一级行业代码见 references/shenwan-industry-codes.md

第 5 步：收益分析

对每个组合计算：

• 累计收益率：nav / nav.iloc[0] - 1
• 日收益率：nav.pct_change()
• 超额收益：组合累计 - 基准累计

第 6 步：风险分析

metrics = compute_risk_metrics(nav_series, benchmark_series, rf=0.015)

返回 8 个指标：

指标	含义	Excel 格式
年化收益率	复合年化回报	0.00%
年化波动率	收益率标准差年化	0.00%
最大回撤	峰谷最大跌幅	0.00%
夏普比率	单位风险超额收益	0.00
信息比率	单位跟踪误差超额	0.00
卡尔玛比率	年化收益/最大回撤	0.00
索提诺比率	单位下行风险超额	0.00
胜率	正收益天数占比	0.00%

参考：公式详情见 references/risk-metrics-formulas.md

辅助分析：

from portfolio_analyzer import rolling_volatility, drawdown_series, top_drawdowns

vol = rolling_volatility(nav_series, window=20)    # 20日滚动波动率
dd = drawdown_series(nav_series)                    # 每日回撤
top5 = top_drawdowns(nav_series, n=5)               # Top5 回撤

第 7 步：行业归因（Brinson 三因素）

result = compute_brinson(port_weights, bench_weights, port_returns, bench_returns)
# columns: ["配置效应", "选股效应", "交互效应", "总归因"]

数据来源优先级：

1. 若用户 Excel 已包含行业归因数据（表 5 有 port_weight/bench_weight/port_return/bench_return），直接使用
2. 否则从 Wind 构建全部 4 个输入：
   • pw_i 组合行业权重：从表 3 收益贡献按行业聚合 weight
   • bw_i 基准行业权重：fetch_benchmark_industry_weights("000300.SH", date)
   • pr_i 组合行业收益：从表 3 按行业聚合 sec_return（加权平均）
   • br_i 基准行业收益：fetch_shenwan_returns(start, end)["pct_chg"]

第 8 步：生成 Excel 报告

使用 openpyxl 生成 6 个 sheet 的 Excel 报告，遵循 xlsx skill 格式规范。

Sheet 1: 概览

多组合指标对比仪表盘：

       | 组合A    | 组合B    | 基准     |
年化收益 | 12.50%  | 8.30%   | 10.20%  |  ← 最优绿色
年化波动 | 15.20%  | 12.80%  | 14.50%  |  ← 最低绿色
最大回撤 | 18.50%  | 12.30%  | 15.80%  |  ← 最低绿色
夏普比率 | 0.72    | 0.53    | 0.60    |  ← 最高绿色

条件格式：每行最优值绿色底色，最差值红色底色。

Sheet 2: 净值曲线

列	内容	来源
A	日期	数据
B+	各组合 NAV	数据
之后	基准 NAV	Wind
之后	各组合日收益率	公式 =B3/B2-1
之后	各组合累计收益率	公式 =B3/B$2-1

冻结首行首列。

Sheet 3: 风险分析

• 滚动波动率列（辅助列计算 20 日标准差）
• 回撤序列（辅助列 RunningMax = MAX($B$2:B2)，Drawdown = (RunMax-NAV)/RunMax）
• Top 5 最大回撤表（起始日、最低点、幅度）

Sheet 4: 收益归因

• 资产大类归因表（从表 4 直接输出）
• 个股贡献 Top 10 / Bottom 10（从表 3 排序）
• 条件格式：正值绿色，负值红色
• SUM 校验行验证归因加总

Sheet 5: 行业归因

• Brinson 配置/选股/交互效应
• 按总归因降序排序
• 数据条可视化（配置效应、选股效应列）
• 底部合计行

Sheet 6: 交易明细

• 原始交易数据透传
• 自动筛选 + 冻结首行

第 9 步：公式验证

python ~/.claude/skills/xlsx/scripts/recalc.py output.xlsx
# 期望输出: 0 个公式错误

Excel 格式规范

遵循 xlsx skill 标准：

元素	规范
输入数据字体	蓝色 (0000FF)
公式字体	黑色 (000000)
百分比	0.00% 格式
负数	用括号 (0.00%)
表头	深蓝底白字，加粗
千分位	金额列用 #,##0
冻结窗格	所有 sheet 冻结首行

函数参考

load_portfolio_data(filepath) -> dict

解析组合 Excel 文件，自动识别 5 张表。

参数	类型	说明
filepath	str	Excel 文件路径
返回	dict	键为表类型，值为 DataFrame

fetch_benchmark(code, start, end) -> DataFrame

通过 Wind 获取基准指数收盘价。

参数	类型	说明
code	str	指数代码，如 "000300.SH"
start	str	起始日期
end	str	结束日期
返回	DataFrame	columns=["close"], index=日期

fetch_benchmark_industry_weights(index_code, date) -> Series

获取基准指数的申万一级行业权重分布。

参数	类型	说明
index_code	str	指数代码，如 "000300.SH"
date	str	日期，如 "20260227"
返回	Series	index=行业名, values=权重(0~1)

内部调用 wset("indexconstituent") + wss(codes, "industry_sw") 分批查询后聚合。

fetch_shenwan_returns(start, end) -> DataFrame

获取 31 个申万一级行业区间涨跌幅。

参数	类型	说明
start	str	起始日期
end	str	结束日期
返回	DataFrame	index=行业名, columns=["code","pct_chg"]

compute_risk_metrics(nav, benchmark, rf) -> dict

计算 8 个风险指标。

参数	类型	说明
nav	Series	组合净值序列
benchmark	Series	基准净值序列（可选）
rf	float	无风险利率，默认 0.015
返回	dict	8 个指标名 → 数值

compute_brinson(pw, bw, pr, br) -> DataFrame

Brinson 三因素行业归因。

参数	类型	说明
pw	Series	组合行业权重
bw	Series	基准行业权重
pr	Series	组合行业收益
br	Series	基准行业收益
返回	DataFrame	配置/选股/交互/总归因，按总归因排序

辅助函数

函数	说明
align_nav(nav1, nav2)	按日期对齐两个净值序列
rolling_volatility(nav, window=20)	滚动年化波动率
drawdown_series(nav)	每日回撤幅度序列
top_drawdowns(nav, n=5)	提取前 N 次最大回撤
cumulative_return(nav)	累计收益率序列
daily_returns(nav)	日收益率序列
match_industry(name)	行业名称模糊匹配到 Wind 代码

常见场景

场景 1：多组合月度绩效报告

用户: 帮我分析这个月组合的表现，Excel 在 ~/data/portfolio_202602.xlsx，
     基准用沪深300

→ 执行完整 9 步工作流，输出 6-sheet Excel 报告

场景 2：单组合深度风险分析

用户: 分析组合 P001 的回撤和波动率

→ 只执行步骤 1-2-3-6，重点输出风险分析 sheet（滚动波动率 + Top5 回撤）

场景 3：行业归因分析

用户: 帮我做 Brinson 行业归因，Excel 里有行业权重和收益数据

→ 步骤 1-2-4-7，重点输出行业归因 sheet

场景 4：组合间横向对比

用户: 对比这 5 个组合的夏普比率和最大回撤

→ 步骤 1-2-3-5-6，重点输出概览 sheet（仪表盘）