| name | a-share-fund-holding |
| description | A股公募基金持仓分析/机构持仓追踪。当用户说"基金持仓"、"机构持仓"、"公募重仓"、"基金在买什么"、"机构抱团"、"XX被哪些基金持有"、"基金经理持仓"、"fund holding"时触发。分析公募基金季报披露的重仓股数据，追踪机构持仓变动、抱团程度、行业配置偏好。通过 web 搜索获取基金持仓数据，结合 cn-stock-data 获取个股行情和财务指标。支持机构持仓研究风格（formal）和个人跟踪笔记风格（brief）。 |
数据源
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE1],[CODE2],...
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [季报期末日期]
核心数据来源为 web 搜索（基金持仓数据无法从 cn-stock-data 直接获取）：
- 公募基金季报重仓股数据（东方财富/天天基金/Wind）
- 基金净值和规模数据
- 基金经理持仓明细
- 行业配置数据
Workflow (5 steps):
Step 1: 确定分析维度
根据用户需求选择分析角度：
- 个股视角："XX被哪些基金持有" → 分析单只股票的机构持仓
- 基金视角："XX基金买了什么" → 分析单只基金的持仓组合
- 市场视角："基金在买什么" → 分析全市场公募基金的持仓偏好
- 变动视角："机构最近在加仓什么" → 分析最新季度持仓变化
Step 2: 数据获取
通过 web 搜索获取最新季报数据（每季度披露一次）：
- 基金季报披露时间：Q1 在 4 月底前、半年报 8 月底前、Q3 在 10 月底前、年报 3 月底前
- 季报仅披露前十大重仓股，半年报和年报披露全部持仓
个股视角需获取：
| 基金名称 | 基金经理 | 规模(亿) | 持股数(万股) | 持仓市值(亿) | 占基金净值(%) | 较上期变动 |
市场视角需获取：
| 股票代码 | 名称 | 被持有基金数 | 合计持仓市值(亿) | 占流通股(%) | 较上期变化 |
Step 3: 持仓分析
抱团度分析：
- 机构持仓集中度：Top 10/20/50 重仓股占全部持仓的比例
- 抱团股特征：PE/PB/ROE/市值分布
- 与上季度对比：加仓/减仓/新进/退出
行业配置：
| 行业 | 配置比例(%) | 标准配置(%) | 超配/低配 | 较上期变化 |
- 标准配置 = 行业在沪深300/中证800中的权重
- 超配/低配 = 实际配置 - 标准配置
个股层面（通过 cn-stock-data 补充）：
- 被增持股的共性（行业/估值/增速特征）
- 被减持股的共性
- 新进重仓股分析
Step 4: 明星基金经理跟踪（可选）
如用户关注特定基金经理：
- 持仓前 10 大重仓股
- 本季度调仓方向
- 历史持仓风格（价值/成长/均衡）
- 业绩表现
Step 5: 输出
风格说明
| 维度 | formal（机构持仓研究） | brief（个人跟踪笔记） |
|---|
| 篇幅 | 3-5 页 | 1 页 |
| 持仓明细 | 完整（Top 20 + 行业配置 + 变动分析） | Top 10 + 关键变动 |
| 抱团分析 | 抱团度量化 + 历史对比 | 一句话判断 |
| 行业配置 | 完整超配/低配表 | Top 3 超配/低配 |
| 基金经理 | 可含多位重点经理 | 1-2 位代表性的 |
| 投资启示 | 客观分析配置趋势 | 可加个人判断 |
| 免责声明 | 需要 | 不需要 |
关键规则
- 数据滞后性：基金持仓数据来自季报，滞后 1-2 个月。分析时必须标注数据截止日期（如"基于2025Q4季报数据"）
- 季报 vs 半年报/年报：季报仅披露前 10 大重仓股，半年报和年报披露全部持仓，分析时需注意覆盖范围
- 不等于实时持仓：季报数据是报告期末的快照，基金可能在此后已调仓
- 抱团≠好：高度抱团的股票在市场风格切换时可能出现踩踏
- 区分主动和被动：指数基金（ETF/指数增强）的持仓由指数成分决定，应分开分析
- 与其他 skill 联动：
- 对机构大幅增持的股票用 a-share-earnings-analysis 分析基本面
- 对行业配置变动用 a-share-sector 做行业研究
- 对机构偏好变化用 a-share-northbound 交叉验证（国内机构 vs 外资）
使用示例
示例 1: 基本使用
result = run_skill({
"param1": "value1",
"param2": "value2"
})
示例 2: 命令行使用
python scripts/run_skill.py --input data.json
