Skip to main content

portfolio-attribution-calculation

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。

Zur Installation springen

Quellinformationen

Repository
jewdore/openclaw-finclaw-test
Letzte Quellaktivität
16. März 2026 um 10:29
Erkannte Sprache von SKILL.md
Chinesisch
Sterne
0
Forks
0

Installationsoptionen

Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.

Quelldateien prüfen

Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.

SKILL.md wird angezeigt

SKILL.md
Quellanweisungen · Schreibgeschützte Vorschau
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 ```json { "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": { "value": 1.2, "growth": 1.1, "large_cap": 0.7, "small_cap": 0.3 }, "risk_attribution": { "total_risk": 18.5, "idiosyncratic_risk": 12.3, "systematic_risk": 6.2 } } ``` --- ## 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
Auf GitHub ansehen