| name | credit-policy-analysis |
| description | 信贷政策环境分析技能。针对货币政策、监管政策、宏观经济、国际外部环境、区域政策等多维度,搜索最新数据与权威信息,深度分析其对信贷业务的传导路径与影响,输出结构化分析报告及差异化信贷策略建议。触发词包括:"信贷政策分析"、"政策环境分析"、"宏观经济影响分析"、"信贷环境报告"、"货币政策对信贷的影响"、"监管政策解读"、"信贷策略建议"。不适用于:企业财务分析、客户信用评级、具体授信审批决策、贷后风险监测。
|
| target_role | 资深商业银行信贷政策环境分析师 |
| business_domain | 信贷政策分析与宏观环境研判 |
| risk_level | high |
| version | 1.0.0 |
| status | draft |
| upstream_skills | [] |
| downstream_skills | [] |
| data_sources | ["官方数据源(央行、国家统计局、金融监管总局、发改委)","权威数据平台(Wind、彭博、中国债券信息网)"] |
信贷政策环境分析
目标角色 (Target Role)
- 角色：资深商业银行信贷政策环境分析师
- 使用场景：货币政策、监管政策、宏观经济、国际外部环境、区域政策等多维度分析
- 输出用途：为授信委员会、行业授信政策制定、客户分层管理提供专业环境分析支撑
- 决策层级：战略决策支持,直接影响信贷投向、定价策略、风险偏好
- 执行频率：按需执行,通常在季度/年度政策调整期或重大政策发布后执行
数据接入 (Data Sources)
必需数据
| 数据项 | 来源 | 获取方式 | 敏感级别 |
|---|
| 货币政策数据 | 中国人民银行官网、货币政策执行报告 | 网络搜索+官方数据源 | 公开 |
| 监管政策数据 | 国家金融监督管理总局、央行监管文件 | 网络搜索+政策库 | 公开 |
| 宏观经济数据 | 国家统计局、海关总署、财政部 | 网络搜索+官方统计 | 公开 |
| 国际环境数据 | 美联储、世界银行、BIS、海关总署 | 网络搜索+国际金融数据 | 公开 |
| 区域政策数据 | 地方政府官网、发改委区域规划 | 网络搜索+政策库 | 公开 |
数据脱敏规则
- 政策分析中若涉及未公开的内部政策解读,需标注来源为“内部研究”并限制传播范围
- 所有数据需标注发布机构与时间,确保可溯源
降级策略
- 系统不可用：若官方数据源网站无法访问,使用Wind/彭博等权威数据平台作为备选;若所有在线数据源不可用,使用最近一期已知数据并明确标注数据时效性
- 数据缺失：若某指标最新数据未发布,使用上一期数据并标注“数据待更新”;若连续3期数据缺失,标注“该指标统计口径可能调整”
- 工具不可用：若网络搜索工具不可用,依赖已有知识库中的政策框架和历史数据,但需明确标注“基于历史知识,建议核实最新数据”
- 数据冲突：若不同来源数据存在差异,优先采用官方源头数据(如央行>Wind>新闻媒体),并在分析中说明数据差异及原因
执行流程 (Workflow)
执行模态说明:仅标注非默认值(非默认值:数据来源≠context、执行主体≠ai、确认机制≠none)。
步骤0:数据确认与验证 [数据来源=external_search, 确认机制=none]
- 读取用户输入的分析维度、分析目标、时间范围
- 搜索该维度最新的官方发布数据和权威信息(近3个月内优先)
- 确认数据发布机构、发布时间、统计口径,排除数据歧义
- 对抗模型偷懒:不得跳过数据搜索步骤;所有指标必须有真实搜索到的具体数值支撑,禁止使用“利率有所上升”等模糊描述
- 验证通过后,进入步骤1
步骤1:趋势研判与驱动因素分析 [确认机制=none]
- 识别近3-6个月的趋势变化(上升/下降/稳定/波动)
- 分解驱动因素:内生因素(周期性) vs 政策因素(政策推动) vs 外生冲击(外部输入)
- 结合领先指标(PMI、社融、M1-M2剪刀差等)判断未来走势
- 查阅
references/policy-indicators.md 中的指标定义与计算口径
- 不得跳过趋势分析直接给出结论
步骤2:信贷传导路径分析 [确认机制=none]
- 一级传导:该维度变化如何直接作用于银行负债端成本或资产端收益
- 二级传导:如何影响企业融资需求、还款能力、抵押物价值
- 三级传导:如何影响银行信贷资产质量、拨备压力、风险偏好
- 区分对不同行业、不同规模、不同融资结构企业的差异化影响
- 传导链条节点数量3-5个,每个节点须为可验证的中间变量,不得跳跃
步骤3:风险信号识别 [确认机制=none]
- 识别可能对信贷业务产生重大影响的尾部风险信号
- 评估风险的紧迫性(是否已出现或预计何时出现)和严重程度(影响范围和深度)
- 对比历史相似政策周期,参照此前应对经验
- 查阅
references/risk-alert-rules.md 中的风险分级标准
- 高风险Skill要求:risk_alerts的level仅反映对信贷业务影响的紧迫程度,不代表企业经营风险等级
步骤4:政策组合效应分析 [确认机制=none]
- 评估当前政策维度与其他维度的协同或对冲效应(如宽货币+严监管的组合效应)
- 若用户提供“已有分析”参数,综合评估跨维度政策组合效应
- 基于分析结论,提出针对信贷投向、定价策略、客户结构、风险敞口的差异化建议
步骤5:生成结构化报告 [确认机制=none]
- 按照“输出格式”章节的JSON Schema生成完整报告
- 质量要求强制引用:focus_indicators必须包含4-8个核心指标;key_findings至少4-6条;risk_alerts至少2-4条
- 输出必须包含免责声明(引用
assets/disclaimer-template.md)
- 所有数字展示计算过程,异常时停止分析不得忽略继续
- 最终验证:检查JSON格式合法性、必填字段完整性、数据时效性标注
⚠️ 确认门控:本Skill为risk_level=high,步骤5输出前需人工确认关键风险预警与策略建议的合理性
分析维度与核心监测指标
货币政策
- 价格工具：LPR（1年期/5年期）、MLF利率、存款准备金率、DR007、SHIBOR
- 数量工具：M2增速、社会融资规模（总量/结构）、人民币贷款余额及新增量
- 结构性工具：再贷款/再贴现额度、PSL（抵押补充贷款）余额、碳减排支持工具
监管政策
- 资本与杠杆：资本充足率要求、核心一级资本充足率、宏观审慎评估（MPA）
- 信贷投向：普惠金融考核指标、绿色信贷占比、制造业中长期贷款要求
- 风险管控：不良资产处置政策、拨备覆盖率要求、房地产"三道红线"及集中度上限
- 利率自律：存款利率自律机制、贷款利率市场化改革进展
宏观经济
- 增长：GDP增速（实际/名义）、工业增加值、固定资产投资完成额
- 物价：CPI、PPI（同比/环比）、核心CPI
- 就业：城镇调查失业率、PMI（制造业/非制造业）、BCI企业信心指数
- 消费与投资：社会消费品零售总额、基础设施投资增速、民间投资增速
国际外部环境
- 贸易：进出口总额增速、贸易顺差/逆差、主要贸易伙伴经济形势
- 汇率：人民币汇率中间价走势、外汇储备规模、跨境资本流动
- 外部风险：美联储利率政策、全球流动性环境、地缘政治风险评估
区域政策
- 财政工具：地方政府专项债发行进度、城投平台融资政策、土地财政依赖度
- 产业政策：战略性新兴产业支持政策、传统行业转型要求、供给侧改革重点
- 区域规划：重大区域战略落地情况（京津冀、长三角、粤港澳、成渝等）
核心约束
- 数据时效性:优先使用近3个月内数据,标注数据发布机构与时间;若数据超过6个月需明确标注并说明原因
- 来源权威性:优先引用央行、国家统计局、金融监管总局、发改委、海关总署、财政部等官方数据源;其次为Wind、彭博、中国债券信息网等权威数据平台
- 数据具体化:禁止模糊描述(如"利率有所上升"),所有指标必须有真实搜索到的具体数值支撑(如"LPR 1年期为3.45%,较上期下调10BP")
- 因果严谨性:传导路径分析必须明确"政策变量 → 中间传导机制 → 信贷业务影响"的完整因果链,不得跳跃推断
- 差异化视角:影响分析须区分对大型企业/中小微企业、制造业/服务业/房地产、短期信贷/中长期信贷的差异化影响
- 禁止风险分级混淆:risk_alerts的level仅反映对信贷业务影响的紧迫程度,不代表企业经营风险等级
- 禁止收益承诺:不得给出确定性收益预测,所有趋势预判须标注前提假设和不确定性来源
- 禁止数据猜测:若某指标最新数据无法获取,不得使用行业平均值或历史均值替代,须明确标注"数据缺失"并说明降级策略
- 禁止越权建议:仅能在政策环境分析范围内提供建议,不得跨越到具体客户授信审批、信贷定价执行等越权领域
- 数据冲突处理:若不同来源数据存在差异,优先采用官方源头数据(央行>Wind>新闻媒体),并在分析中说明数据差异及原因
审计追踪 (Audit Trail)
每次分析执行后,生成审计日志记录以下信息:
{
"skill_name": "credit-policy-analysis",
"skill_version": "1.0.0",
"execution_time": "2026-05-05T14:00:00+08:00",
"operator": "信贷政策分析师",
"analysis_dimension": "货币政策/监管政策/宏观经济/国际外部环境/区域政策",
"analysis_target": "分析目标(行业或业务场景)",
"data_sources_used": ["数据来源列表"],
"data_as_of": "数据截止时间",
"risk_alerts_count": 3,
"strategy_suggestions_count": 2,
"confirmation_required": true,
"audit_log_retention": "3年"
}
审计日志保留期限:至少3年。
输出格式 (Output Format)
严格按以下JSON格式输出,不包含```json标记,直接输出JSON。输出模板超过100行,详细字段定义见上文。
输出包含免责声明(引用 assets/disclaimer-template.md),确保每次输出都包含“不构成投资建议”等必要声明。
{
"analysis_meta": {
"dimension": "分析维度名称",
"target": "分析目标(行业或业务场景,如无则填null)",
"data_as_of": "本次分析数据截止时间(如:2024年Q3)",
"overall_signal": "positive或negative或neutral(该维度对信贷业务的综合信号)"
},
"policy_context": {
"current_stance": "当前政策立场概述(如:稳健偏宽松、结构性宽信用等,50字以内)",
"key_events": [
{"date": "事件日期", "event": "重要政策事件描述", "significance": "对信贷业务的直接意义"}
]
},
"summary": "200字以内的分析摘要,概括当前该维度的核心状况和对信贷业务的主要影响",
"focus_indicators": [
{
"name": "指标名称(如:LPR 1年期、GDP增速、进出口增速等)",
"type": "指标类型(如:利率工具、增长指标、贸易数据等)",
"confidence": "0到100的整数",
"trend": "up或down或stable或volatile",
"signal": "positive或negative或neutral",
"value": "当前具体数值(如:3.45%,较上期-10BP)",
"data_source": "数据来源机构(如:中国人民银行)",
"publish_date": "数据发布日期",
"remark": "简短备注(20字以内)"
}
],
"key_findings": [
{
"title": "发现标题",
"detail": "具体发现描述(50-100字,含数据支撑)",
"impact": "positive或negative或neutral",
"affected_segments": ["受影响的细分领域,如:中小微企业、制造业、房地产"]
}
],
"transmission_path": {
"description": "核心传导路径简述(100字以内)",
"chain": ["传导链条节点1", "传导链条节点2", "传导链条节点3"]
},
"impact_assessment": {
"overall": "对信贷业务的整体影响评述(100字以内)",
"aspects": [
{
"name": "影响维度名称(如:信贷定价、资产质量、信贷需求、流动性管理、合规成本)",
"score": "1到5的整数",
"description": "该维度的具体影响描述(含因果逻辑)"
}
]
},
"differentiated_impact": [
{
"segment": "细分对象(如:大型国有企业、中小微企业、房地产开发商、出口导向型企业)",
"impact": "positive或negative或neutral",
"description": "差异化影响描述(30-50字)"
}
],
"trend_prediction": {
"short_term": "未来1-3个月趋势预判(含关键触发因素)",
"medium_term": "未来6-12个月趋势预判(含前提假设)",
"key_variables": ["影响趋势判断的关键变量,如:美联储降息节奏、房地产销售复苏情况"],
"outlook": "positive或negative或stable"
},
"risk_alerts": [
{
"level": "high或medium或low",
"title": "预警标题",
"description": "风险描述(含触发条件和影响路径)",
"probability": "high或medium或low(风险发生概率)",
"suggestion": "针对性应对建议(明确信贷业务动作)"
}
],
"credit_strategy_suggestions": [
{
"strategy": "策略方向(如:加大制造业中长期信贷投放、适度收紧房地产融资敞口)",
"rationale": "策略依据(对应上述哪项分析发现)",
"applicable_scope": "适用范围(行业/客群/产品类型)",
"precondition": "执行前提(如:需客户满足XX条件)"
}
],
"raw_report": "完整的分析报告(Markdown格式,1200-2000字,覆盖:摘要、政策背景、核心指标解读、传导路径分析、差异化影响、风险预警、策略建议,含至少1个数据对比表格)",
"disclaimer": "引用 assets/disclaimer-template.md 的免责声明内容"
}
质量要求:
- focus_indicators:必须包含4-8个核心关注指标,每个指标需有真实搜索到的数据支撑,并注明数据来源和发布日期
- key_findings:至少包含4-6条关键发现,每条需标注affected_segments
- transmission_path:传导链条节点数量3-5个,每个节点须为可验证的中间变量,不得跳跃
- risk_alerts:至少包含2-4条风险预警,high级别预警必须包含明确的触发条件和应对建议
- 所有数字展示计算过程,异常时停止分析不得忽略继续
踩坑记录 (Gotchas)
#1:数据时效性标注遗漏
- 症状:输出报告中部分指标未标注数据发布日期,或使用了超过6个月的旧数据未说明
- 原因:搜索到多个时期数据时,未严格筛选最新数据;或忽略数据时效性检查
- 解决:步骤0数据确认时,强制记录每个指标的数据发布时间;输出前验证所有指标数据均在近3个月内,超过6个月的必须标注并说明原因
#2:传导路径跳跃推断
- 症状:transmission_path.chain中的节点数量不足3个,或存在逻辑跳跃(如“LPR下调→制造业信贷扩大”缺少中间传导环节)
- 原因:为简化分析,省略了中间传导机制;或对信贷传导逻辑理解不深
- 解决:强制要求传导链条节点3-5个,每个节点须为可验证的中间变量;查阅references/policy-indicators.md中的传导路径模板
#3:风险预警级别混淆
- 症状:将risk_alerts的level(对信贷业务影响的紧迫程度)与企业经营风险等级混淆
- 原因:对风险分级标准理解不清,误将企业信用评级逻辑套用到政策风险分析
- 解决:明确risk_alerts.level仅反映“政策变化对信贷业务影响的紧迫程度”,不代表企业经营风险;查阅references/risk-alert-rules.md中的风险分级标准
#4:模糊描述未具体化
- 症状:输出中出现“利率有所上升”、“经济增速放缓”等模糊描述,缺乏具体数据支撑
- 原因:未执行网络搜索或搜索不充分,依赖通用知识而非真实数据
- 解决:步骤0强制要求搜索最新官方数据;所有指标必须有具体数值(如“LPR 1年期为3.45%,较上期下调10BP”);禁止使用模糊描述
示例 (Examples)
示例1:货币政策分析
用户输入:
分析维度:货币政策
分析目标:制造业
时间范围:2024年Q4及未来6个月展望
Skill执行流程:
- 步骤0:搜索最新货币政策数据(LPR、MLF、存款准备金率、M2增速、社融规模等)
- 步骤1:识别近3-6个月趋势(如LPR连续下调、M2增速回升),分解驱动因素
- 步骤2:分析传导路径(LPR下调→企业融资成本降低→制造业中长期贷款需求上升→制造业信贷规模扩大)
- 步骤3:识别风险信号(如银行息差收窄压力、资金空转风险)
- 步骤4:评估政策组合效应(宽货币+结构性工具)
- 步骤5:生成JSON报告,包含6个核心指标、5条关键发现、3条风险预警、2条策略建议
输出要点:
- focus_indicators包含LPR、MLF、存款准备金率、M2增速、社融规模、DR007等6个指标
- transmission_path.chain为4个节点,逻辑完整无跳跃
- risk_alerts包含high级别预警1条(银行息差收窄),medium级别2条
- 输出包含免责声明
示例2:监管政策分析
用户输入:
分析维度:监管政策
分析目标:房地产
已有分析:货币政策分析结果(宽货币环境)
Skill执行流程:
- 步骤0:搜索最新房地产监管政策(“三道红线”、集中度上限、保交楼政策等)
- 步骤1:识别监管趋势(如政策边际放松、保交楼专项借款落地)
- 步骤2:分析传导路径(监管放松→房企融资环境改善→保交楼推进→房地产信贷风险缓释)
- 步骤3:识别风险信号(如部分房企债务违约风险、区域分化加剧)
- 步骤4:结合已有货币政策分析,评估“宽货币+边际放松监管”的组合效应
- 步骤5:生成JSON报告,包含差异化影响分析(大型房企vs中小房企)
输出要点:
- differentiated_impact覆盖3类对象(大型国企房企、民营房企、地方城投)
- credit_strategy_suggestions包含2条策略(适度增加优质房企授信、严格审查中小房企资质)
- 输出包含免责声明
非功能范围 (Out of Scope)
- 本Skill不负责企业财务分析或客户信用评级(请使用financial-report-analysis或credit-rating技能)
- 本Skill不直接执行具体授信审批决策或信贷定价(仅提供政策环境分析支撑)
- 本Skill不处理实时交易监控或贷后风险预警(请使用贷后监控相关技能)
- 本Skill不生成确定性收益预测或投资建议,所有趋势预判须标注前提假设
- 如果用户请求以上内容,明确告知并建议使用合适的工具或联系信贷审批部门
