| name | investoday-fund-performance-attribution-analysis |
| title | 基金业绩归因分析 |
| version | 1.3.0 |
| description | 面向公募基金业绩归因分析，聚焦超额收益来源、选股能力、择时能力、配置支撑与业绩可持续性。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业绩归因报告。触发词：业绩归因、超额收益、选股能力、择时能力、业绩来源、主动管理能力。 |
| tags | ["performance-attribution","excess-return","stock-selection","market-timing","active-management","allocation-support","peer-comparison","return-drivers"] |
| metadata | {"clawdbot":{"emoji":"🎯","category":"finance","requires":{"skills":["investoday-finance-data"]}}} |
🎯 基金业绩归因分析
面向公募基金业绩归因分析，聚焦超额收益来源、选股能力、择时能力、配置支撑与业绩可持续性。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业绩归因报告。
触发场景
- 用户询问某只基金的收益来自哪里，是靠选股还是择时
- 用户希望判断主动管理能力、超额收益来源与当前配置是否支撑业绩
- 用户想知道“这只基金为什么能跑赢”“业绩可持续吗”“更偏 Beta 还是 Alpha”
- 关键词：业绩归因、超额收益、选股能力、择时能力、业绩来源、主动管理能力、Alpha、Beta
输入示例
示例 1：收益来源
帮我分析一下这只基金的收益主要来自哪里。
示例 2：选股还是择时
这只基金最近跑赢同类，是靠选股还是靠择时？
示例 3：可持续性
这只基金的超额收益能不能持续，当前配置支不支持？
💡 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。若用户主要关心波动、回撤和风险承受，优先使用 基金风险分析；若需要把收益、风险、持仓、经理、费用分红一起看，优先使用 基金综合诊断。
前置依赖
本 Skill 依赖 investoday-finance-data（今日投资金融数据）Skill 获取实时金融数据。
基础 API 调用与底层执行方式统一以该 Skill 为准，业务 Skill 不重复展开底层接入细节。
工具说明
以下为本 Skill 通过 investoday-finance-data 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、投资目标与策略 |
业绩归因核心工具
| 工具名称 | 工具ID | 方法 | 说明 |
|---|
| 同类平均指标 | fund/eval-peer-avg-ind | POST | 获取收益、同类平均、排名、Alpha、Beta 等同类比较数据 |
| 归因分析 | fund/performance-attribution | POST | 获取选股能力、择时能力、风险收益指标等 |
配置与管理工具
| 工具名称 | 工具ID | 方法 | 说明 |
|---|
| 基金资产分布 | fund/portfolio-asset-holdings | POST | 获取股票、债券、现金等配置比例 |
| 现任基金经理及回报 | fund/current-manager-returns | POST | 获取基金经理任期回报与从业信息 |
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）：工具ID
entity-recognition (POST)，参数 input=<用户原始问题>
- Step 1：基金基本信息：工具ID
fund/basic-info (POST)，参数 fundCode=<code>
- Step 2：同类平均指标：工具ID
fund/eval-peer-avg-ind (POST)，参数 fundCode=<code>
- Step 3：归因分析：工具ID
fund/performance-attribution (POST)，参数 fundCode=<code>
- Step 4：基金资产分布：工具ID
fund/portfolio-asset-holdings (POST)，参数 fundCode=<code>
- Step 5：现任基金经理及回报：工具ID
fund/current-manager-returns (POST)，参数 fundCode=<code>
并行优化：完成 Step 0 的基金识别后，Step 1-5 可并行调用；分析时优先用 Step 2-3 判断超额收益与主动管理来源，再用 Step 4-5 验证业绩支撑与延续性。
分析框架（5步）
Agent 获取数据后，按以下 5 步框架进行结构化分析：
Step 1：确认基金定位与分析口径
目标：明确基金属于主动还是偏被动、偏股还是偏债，以及评价业绩的合适口径。
数据来源：fund/basic-info
分析要点：
- 基金类型、投资目标、投资策略
- 产品定位是否决定了更高 Beta 暴露或更强主动管理诉求
- 若产品为指数基金、ETF、联接基金或其他偏被动产品，应优先从跟踪与 Beta 暴露解释业绩，不夸大选股或择时结论
- 为后续业绩来源分析建立对照框架
输出：基金定位与业绩分析口径。
Step 2：判断超额收益来源
目标：确认基金近期和中长期收益是否持续跑赢同类，以及超额收益强度如何。
数据来源：fund/eval-peer-avg-ind
分析要点：
- 近 1 月、6 月、1 年、3 年收益与同类平均差异
- Alpha、Beta 是否支持“主动超额”还是“市场 Beta 驱动”
- 若短期跑赢但长期一般，应明确指出期限结构分化
输出：超额收益来源与同类竞争力判断。
Step 3：判断主动管理能力
目标：对主动产品区分业绩主要来自选股能力还是择时能力；对偏被动产品优先判断 Beta 与配置暴露。
数据来源：fund/performance-attribution
分析要点：
- 选股能力与择时能力在多个期限的表现方向
- 是否存在“长期靠选股、短期靠择时”或相反情况
- 若选股与择时都偏弱但收益仍不错，需提示可能主要来自风格或 Beta 暴露
输出：主动管理能力结构与稳定性判断。
Step 4：判断当前配置是否支撑业绩
目标：分析当前仓位和资产配置是否支持既有收益特征。
数据来源：fund/portfolio-asset-holdings + fund/basic-info
分析要点：
- 股票、债券、现金等配置比例与产品定位是否一致
- 当前高权益仓位是否支撑了高收益，也是否放大了波动
- 若配置与策略不一致，应提示业绩持续性的疑问
输出：配置支撑判断与风格依赖结论。
Step 5：评估业绩可持续性并形成综合结论
目标：结合基金经理任期表现，判断当前业绩是否具有一定持续性。
数据来源：fund/current-manager-returns + 前 4 步结果汇总
分析要点：
- 基金经理任期回报、从业年限与业绩兑现情况
- 当前超额收益是短期放大还是有延续基础
- 后续应重点观察选股能力、择时能力、配置变化还是经理稳定性
输出：业绩可持续性判断与综合结论。
策略逻辑汇总
口径提示：以下信号更适合作为主动管理型或同策略基金之间的粗略参考；若产品偏被动或指数跟踪，应弱化对“选股/择时能力”的直接解读。
| 信号组合 | 含义 | 判断 |
|---|
| 收益持续高于同类平均且 Alpha 为正 | 主动超额较明确 | ✅ 积极 |
| 收益高于同类但 Beta 明显偏高 | 业绩更偏市场暴露驱动 | 🟡 关注 |
| 选股能力持续为正 | 经理选股贡献较强 | ✅ 积极 |
| 择时能力持续为正 | 仓位调整有效 | ✅ 积极 |
| 选股能力为正、择时能力偏弱 | 更偏选股型产品 | 📊 中性 |
| 选股与择时都偏弱但收益不差 | 可能更多来自风格或 Beta | ⚠️ 警惕 |
| 资产配置与产品定位一致且股票仓位支撑收益 | 当前配置具备支撑 | ✅ 积极 |
| 高收益伴随高波动和高回撤 | 业绩质量需折价看待 | 🟡 关注 |
| 经理任期较短或任期回报缺乏代表性 | 可持续性仍需观察 | 📊 中性 |
| 长期业绩、选股能力、经理任期回报三者一致 | 业绩延续性较强 | ✅ 积极 |
输出格式
# 🎯 [基金名称]（[基金代码]）业绩归因分析报告
> 分析日期：YYYY-MM-DD | 数据来源：今日投资
## 一、业绩归因结论
（先用一段话概括超额收益来源、主动管理强弱与可持续性）
## 二、基金定位与业绩画像
（基金类型、策略、收益风格、同类位置）
## 三、超额收益来源
（收益、同类平均、Alpha、Beta 角度的判断）
## 四、主动管理能力
（选股能力、择时能力及其稳定性）
## 五、配置支撑与风格依赖
（资产配置是否支持当前业绩特征）
## 六、业绩可持续性
（经理任期表现与后续延续性判断）
## 综合结论
- 3-5 条核心发现
- 明确业绩主要来自 Alpha、Beta、选股还是择时
- 给出后续需要跟踪的关键变量
证据约束（必须遵守）
- 每个业绩归因结论至少给出 2 个数值证据；没有数据则写“该维度数据不足，暂无法判断”
- 不允许只写“业绩好/差”，必须说明对应收益、同类平均、Alpha/Beta、选股或择时指标
- 时间口径必须明确，如“近1年”“近3年”“任期内”
- 百分比统一保留 2 位小数
- 不给申购赎回建议、定投建议、仓位建议或交易时点
- 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
- 若超额收益、主动管理能力与当前配置三者不一致，必须明确指出背离，不得直接给出乐观结论
- 同类比较、Alpha/Beta 解读与选股/择时判断默认应建立在相近策略产品之间；若产品偏被动或指数跟踪，必须先说明分析边界，不得机械套用主动管理框架夸大选股或择时能力
执行示例
用户说：“这只基金最近跑赢同类，是靠选股还是择时？”
- 通过
entity-recognition 识别基金实体与基金代码
- 并行调用
fund/basic-info、fund/eval-peer-avg-ind、fund/performance-attribution、fund/portfolio-asset-holdings 与 fund/current-manager-returns
- 分别判断超额收益来源、主动管理能力、配置支撑和业绩可持续性
- 输出 Markdown 格式基金业绩归因分析报告
- 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
