portfolio-attribution-calculation

name	portfolio-attribution-calculation
description	用于收益归因的组合归因计算原子 skill，适用于通用行业金融计算场景。

组合归因计算 Skill

数据来源

本 Skill 支持多种组合数据输入格式，核心数据来源包括：

1. 组合持仓数据

• 持仓明细：证券代码、持仓数量、持仓成本、当前市值
• 权重数据：各证券在组合中的权重占比
• 行业分类：证券所属行业、板块分类
• 风格标签：价值/成长、大盘/小盘等风格标签

2. 收益率数据

• 组合收益率：组合整体收益率序列
• 基准收益率：基准指数收益率序列
• 证券收益率：组合中各证券的收益率序列
• 行业收益率：各行业的收益率序列

3. 数据格式要求

• CSV格式：标准持仓和收益率数据
• Excel格式：支持多工作表组合数据
• JSON格式：结构化组合数据
• 数据库连接：支持SQL数据库直接查询

说明：本 Skill 不包含数据采集功能，需要用户提供清洗后的组合持仓和收益率数据。建议数据时间跨度不少于1年，以便进行准确的归因分析。

---

功能

本 Skill 提供全面的组合归因分析能力，涵盖多种归因方法：

1. 收益归因分析

• Brinson归因：将超额收益分解为资产配置、证券选择和交互效应
• 多因子归因：基于多因子模型的收益归因分析
• 行业归因：按行业分解组合收益贡献
• 风格归因：按投资风格分解组合收益贡献

2. 风险归因分析

• 风险贡献度：计算各证券对组合风险的贡献
• 行业风险贡献：计算各行业对组合风险的贡献
• 因子风险贡献：计算各因子对组合风险的贡献
• 集中度风险：分析组合的集中度风险

3. 归因指标计算

• 归因贡献度：各归因因子的贡献度
• 归因稳定性：归因结果的稳定性分析
• 归因一致性：不同时期归因结果的一致性

4. 归因报告生成

• 归因报告：生成详细的归因分析报告
• 可视化图表：生成归因结果的可视化图表
• 对比分析：与基准或同类组合的对比分析

5. 数据处理能力

• 缺失值处理：支持前向填充、插值等方法
• 异常值检测：基于统计方法识别和处理异常数据
• 数据标准化：支持不同数据源的格式统一
• 权重归一化：自动归一化组合权重

---

使用示例

输出示例

{
  "portfolio": "组合A",
  "period": "2024-01-01 to 2024-12-31",
  "attribution": {
    "total_return": 15.8,
    "benchmark_return": 12.5,
    "excess_return": 3.3,
    "allocation_effect": 1.2,
    "selection_effect": 1.8,
    "interaction_effect": 0.3
  },
  "industry_attribution": {
    "金融": 0.8,
    "科技": 1.5,
    "消费": 0.6,
    "其他": 0.4
  },
  "style_attribution" 
     
     
     
     
  
   
     
     
     
  

---

注意事项与限制

1. 数据质量要求

• 持仓和收益率数据需要经过清洗和验证
• 权重数据需要准确且归一化
• 基准数据需要与组合数据时间对齐

2. 归因方法选择

• 不同归因方法的结果可能不同
• Brinson归因适用于主动管理组合
• 多因子归因需要准确的因子暴露数据

3. 时间序列分析

• 归因分析应结合时间序列分析
• 不同时间区间的归因结果不可直接比较
• 市场环境变化会影响归因结果

4. 综合判断原则

• 单一归因指标不能全面反映组合表现
• 需要结合风险指标进行综合分析
• 应结合投资策略和市场环境进行判断

5. 使用限制

• 本 Skill 输出为技术分析结果，不构成投资建议
• 使用者应结合专业判断和具体业务场景
• 对于重大决策，建议咨询专业投资顾问

---

参考资料

• 见 references/ 目录中的相关文档，包括：
  • 组合归因分析方法手册
  • Brinson归因模型说明
  • 多因子归因模型指南
  • 数据处理方法说明文档

License

• 本 skill 代码部分采用 MIT License，详见 LICENSE 文件
• 依赖与运行环境以 requirements.txt 为准
• 文档内容采用 CC BY 4.0 许可