360 Secure SkillHub
360 安全技能中心

fund-comprehensive-diagnosis

核心功能：基于今日投资金融数据，为公募基金提供多维度综合诊断，覆盖收益、风险、持仓、基金经理及费用分红等方面，可自动识别基金名称或代码。典型场景：用户询问基金是否适合长期持有、想了解基金整体质地、需多维度判断基金价值时触发。输入为含基金名称/代码的问题，输出Markdown格式的结构化诊断报告，内容仅供参考不构成投资建议。

kenneth-bro
kenneth-bro
热度 19.87
最近更新 2026-03-25 18:56:55
分类：数据依赖：代码执行 / 第三方 API / MCP 服务 / 内部调用大模型应用场景：财务 / 报告撰写 / 数据处理

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add fund-comprehensive-diagnosis
Metadata
name
fund-comprehensive-diagnosis
title
基金综合诊断
version
1.0.0
description
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。
tags
["fund-diagnosis","fund-analysis","risk-return","holdings-structure","fund-manager","fee-analysis","dividend-profile","fund-checkup"]
metadata
{"clawdbot":{"emoji":"🩺","category":"finance","requires":{"env":["INVESTODAY_API_KEY"],"skills":["investoday-finance-data"]},"primaryEnv":"INVESTODAY_API_KEY"}}

🩺 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 的 call_api.py 脚本获取实时金融数据。

skills/investoday-finance-data/scripts/call_api.py   # API 调用脚本
skills/investoday-finance-data/references/            # 接口文档

确保 INVESTODAY_API_KEY 已配置（环境变量或 .env 文件）。

工具说明

以下为本 Skill 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）
python skills/scripts/call_api.py entity-recognition --method POST input=<用户原始问题>

# Step 1：基金基本信息 — 工具ID: fund/basic-info
python skills/scripts/call_api.py fund/basic-info --method POST fundCode=<code>

# Step 2：归因分析 — 工具ID: fund/performance-attribution
python skills/scripts/call_api.py fund/performance-attribution --method POST fundCode=<code>

# Step 3：同类平均指标 — 工具ID: fund/eval-peer-avg-ind
python skills/scripts/call_api.py fund/eval-peer-avg-ind --method POST fundCode=<code>

# Step 4：现任基金经理及回报 — 工具ID: fund/current-manager-returns
python skills/scripts/call_api.py fund/current-manager-returns --method POST fundCode=<code>

# Step 5：基金资产分布 — 工具ID: fund/portfolio-asset-holdings
python skills/scripts/call_api.py fund/portfolio-asset-holdings --method POST fundCode=<code>

# Step 6：基金持仓股票 — 工具ID: fund/portfolio-stock-holdings
python skills/scripts/call_api.py fund/portfolio-stock-holdings --method POST fundCode=<code>

# Step 7：基金持仓股票及行业涨幅 — 工具ID: fund/holdings-stocks-industries
python skills/scripts/call_api.py fund/holdings-stocks-industries --method POST fundCode=<code>

# Step 8：基金费率结构 — 工具ID: fund/fee-structures
python skills/scripts/call_api.py fund/fee-structures --method POST fundCode=<code>

# Step 9：基金分红 — 工具ID: fund/dividend
python skills/scripts/call_api.py fund/dividend --method POST 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

# 🩺 [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

证据约束（必须遵守）

  1. 每个结论至少给出 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“好/差”，必须明确对应收益、回撤、波动、同类比较或持仓证据
  3. 时间对比必须标注具体期限，如“近1年”“近3年”或“任期内”
  4. 百分比统一保留 2 位小数
  5. 不给申购建议、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、风险与持仓三者出现背离，必须明确指出，不得给出模糊单边结论
  8. 同类比较、排名、回撤与波动等判断默认应建立在同类型基金或相近策略产品之间；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：“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

Keywords

基金综合诊断, 基金分析, 收益风险, 持仓结构, 基金经理, 费用分红, 长期持有, fund diagnosis, fund comprehensive analysis