a65adcc2e5
Sources: extracted from two upstream archives (skill-repo, skills-main),
merged with the following policy:
- 15 broken symlinks (pointing to /Users/jameslee/.cc-switch/skills or
../../.agents/skills on a foreign machine) discarded
- 3 real name collisions with identical content (ai-pair, ifind-http-api,
zhipu-websearch) kept as one copy
- Functional overlaps deduped keeping the strongest variant:
- docx family: kept docx (official, full toolchain) + docx-cn
(GB/T 9704 Chinese official-document constants),
dropped docx_writer (no scripts, name collided with docx)
- humanizer family: kept humanizer-zh (6 zh reference docs),
dropped humanizer (en, redundant for CN workflow)
- Skills that only ran in a foreign environment removed:
ablemind-ops, app-publish, hlb-design-system, openclaw-adj-skill,
claude-driver
- alphapai excluded from this public repo because its SKILL.md hard-coded
live credentials
Result: 25 skills, 572 files, ~7.5 MB.
Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
370 lines
11 KiB
Markdown
370 lines
11 KiB
Markdown
---
|
||
name: portfolio-analyzer
|
||
description: >
|
||
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
|
||
|
||
```python
|
||
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
|
||
|
||
```python
|
||
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
|
||
|
||
```python
|
||
bench = fetch_benchmark("000300.SH", start, end)
|
||
# 返回 DataFrame: columns=["close"], index=DatetimeIndex
|
||
```
|
||
|
||
### 第 4 步：获取行业基准
|
||
|
||
```python
|
||
# 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
|
||
|
||
```python
|
||
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：
|
||
```python
|
||
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）
|
||
|
||
```python
|
||
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
|
||
|
||
```bash
|
||
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）
|