Menu
quant_fund 是金融场景量化基金深度分析技能，提供因子暴露分析、风格漂移检测、Brinson归因等核心功能。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
Enterprise WeChat template_card builder and sender. Provides reusable card templates for due diligence reports, stock alerts, risk warnings, and more. Supports text_notice, news_notice, and button_interaction card types with fallback to markdown.
本技能为进出口企业提供全面的贸易融资方案推荐与对比分析，基于企业类型、贸易类型、融资金额、账期等关键参数，智能推荐最适合的融资产品。
Financial AI Skill - 客户经理营销话术实时生成器。输入客户画像和营销目标，AI自动生成电话/微信/拜访话术，支持异议处理预演、方言适配、多风格切换。覆盖零售/对公/理财/私行/信用卡全营销岗位。
网点分析技能是一个基于AI的银行网点竞争力评估与经营规划引擎。该技能综合分析网点的地理位置、竞争格局、客群特征等维度，输出SWOT分析、三年经营预测、重点发展业务方向及投入产出建议。
ALM（Asset-Liability Management，资产负债管理）引擎专注于银行资产负债表的全方位分析与优化。输入银行资产负债数据（资产规模、负债结构、期限分布），输出完整的缺口分析、风险指标（LCR/NSFR/久期缺口）及优化建议。
Financial AI Skill - 产品手册智能对话引擎。基于 BM25 + TF-IDF 双路检索 + RRF 融合的轻量级 RAG，零外部依赖、毫秒级响应、自动出处标注。支持理财/信用卡/贷款等多种产品手册同时入库，语音/文字提问秒回精准答案。Hit@1 实测 100%，平均检索耗时 < 3ms。
| name | quant_fund |
| description | quant_fund 是金融场景量化基金深度分析技能，提供因子暴露分析、风格漂移检测、Brinson归因等核心功能。 |
| version | 1.0.0 |
| author | AlphaAgent |
| license | MIT |
| layer | L3 |
| capability_domain | ["C02","C03","C07"] |
| industry | financial |
| metadata | {"raw_title":"quant_fund - 量化基金分析引擎","auto_generated":true,"auto_generated_at":"2026-06-20"} |
quant_fund 是金融场景量化基金深度分析技能，提供因子暴露分析、风格漂移检测、Brinson归因等核心功能。
基于 Fama-French 五因子 + Carhart 四因子扩展 模型：
| 因子 | 名称 | 说明 |
|---|---|---|
| Alpha | 超额收益 | 不可解释收益 |
| Beta | 市场敏感度 | 相对基准波动 |
| SMB | 市值因子 | 小盘股效应 |
| HML | 价值因子 | 低PB vs 高PB |
| RMW | 盈利因子 | 高盈利 vs 低盈利 |
| CMA | 投资因子 | 低投资 vs 高投资 |
| MOM | 动量因子 | 过去12个月收益 |
三层归因拆解：
| 效应 | 含义 |
|---|---|
| 选股效应 (Selection) | 超配好股票带来的收益 |
| 行业配置效应 (Allocation) | 超配好行业带来的收益 |
| 交互效应 (Interaction) | 选股与配置的交叉贡献 |
综合考虑：
| 参数 | 类型 | 说明 |
|---|---|---|
| fund_code | str | 基金代码（F000001格式） |
| fund_name | str | 基金名称（可选） |
| benchmark | str | 基准指数代码（默认沪深300） |
| period | str | 分析区间（默认近1年） |
{
"fund_code": "F000001",
"fund_name": "某量化基金",
"factor_exposure": {
"alpha": 0.023,
"beta": 1.12,
"smb": 0.15,
"hml": -0.08,
"rmw": 0.21,
"cma": -0.05,
"mom": 0.12
},
"style_drift": {
"current_style": {"size": 0.3, "value": 0.2, "growth": 0.5},
"contract_style": {"size": 0.5, "value": 0.3, "growth": 0.2},
"drift_score": 0.28,
"alert": "LOW"
},
"brinson_attribution": {
"selection_effect": 0.034,
"allocation_effect": 0.021,
"interaction_effect": 0.008,
"total_attribution": 0.063
},
"performance_attribution": {
"benchmark_return": 0.081,
"factor_contribution": 0.052,
"selection_contribution": 0.034,
"allocation_contribution": 0.021,
"timing_contribution": 0.008,
"net_return": 0.118
}
}
python3 scripts/quant_cli.py generate "量化基金分析 F000001"
python3 scripts/quant_cli.py factor F000001
python3 scripts/quant_cli.py style F000001
python3 scripts/quant_cli.py brinson F000001
from quant_engine import QuantFundEngine
engine = QuantFundEngine()
result = engine.analyze(fund_code="F000001", fund_name="某量化基金")
print(result)
Fxxxxxx 格式fund_compare：基金多维度对比fund_manager_profile：基金经理画像dca_calculator：定投计算器