| name | invest-fund |
| description | invest系列：基金分析。判断单一基金产品是否值得买入或持有：了解策略吗？能持续跑赢吗？成本合理吗？覆盖主动基金、ETF、指数基金、QDII。
触发：「分析这只基金」「ETF怎么样」「基金值得持有吗」「基金经理靠谱吗」「选哪只基金」
|
invest-fund：基金分析
买基金是委托他人管理资产。不了解策略、不信任经理、成本不合理，就不买。
场景路由（收到请求后先判断，再执行）
| 用户说了什么 | 场景 | 读取 |
|---|
| "选哪个" "对比" + 同经理 | B：同经理多选一 | references/scene-b.md |
| "对比" "比较" "选哪个" + 不同基金 | F：多基金横向对比 | references/scene-f.md |
| "刚成立" "新发" "不到一年" "次新" | C：次新基金 | references/scene-c.md |
| "ETF" "指数基金" "联接" "跟踪误差" | E：ETF分析 | references/scene-e.md |
| 单一行业/主题（新能源、医药、白酒等） | G：行业主题 | references/scene-g.md |
| （其他，默认） | A：标准体检 | references/scene-a.md |
场景优先级：B(同经理) > F(跨基金对比) > G(行业) > C(次新) > E(ETF) > A(默认)
命中场景后只加载该场景的 reference 文件，不要预加载其他场景。一个场景走完再判断是否需要切换。
命中场景后加载对应 reference，按场景专属流程分析，不跑通用三关。
核心方法论
- 成果导向：不看宣传材料，看风险收益是否匹配目标
- 调查研究：看持仓、费率、经理操作逻辑——不做表面分析
- 抓主要矛盾：每类基金只有一个核心判断轴
→ 主动基金看经理 | ETF看费率+跟踪 | 行业看纯度 | 次新看经理推断
通用三关审查（场景A默认使用，其他场景可参考）
当前日期 T，自动推导数据基准：
财年锚点 N = T.year if T > 4/30 else T.year - 1
分析周期 = [N-4, N-3, N-2, N-1, N]
| 当前日期 | 最新完整报告 | 数据新鲜度 | 搜索优先级 |
|---|
| 1-3月 | N-1年报 | 60-90% | 年报+最新净值 |
| 4月 | N年报 | 100% | 年报（强制披露） |
| 5-7月 | N年报 | 90-100% | 年报+季报 |
| 8月 | N半年报 | 100% | 半年报 |
| 9-10月 | N半年报 | 60-90% | 半年报+季报 |
| 11-12月 | N三季报 | 100% | 三季报 |
第一关：懂不懂（策略理解）
第一性原理：不懂投什么的基金，涨跌都不知道为什么。
验证问题：
- 基金投什么？（股票/债券/混合/商品/海外）
- 策略是什么？（主动选股/指数跟踪/量化/行业主题）
- 基准是什么？超额收益从哪来？
主动基金验证：
- 投资范围：股票占比区间？行业集中度？
- 策略描述：价值/成长/均衡？大盘/中盘/小盘？
- 能力圈：经理擅长什么？风格漂移过吗？
ETF/指数基金验证：
- 跟踪指数：编制规则透明吗？成分股多久调整？
- 跟踪误差：年化跟踪误差 < 0.3%？
- 流动性：日均成交额 > 5000万？
次新基金（成立<1年，无季报）：
- 基金合同：投资目标与策略是否清晰一致？
- 经理推断：历史能力圈能否迁移到新产品？
- 公司基因：同类策略历史表现如何？
未通过：策略不透明或超出理解 → 停止分析，不买
第二关：好不好（业绩与持续性）
第一性原理：好基金能持续跑赢基准，坏基金靠运气。
验证问题：
- 长期跑赢基准吗？（非短期运气）
- 风险调整后收益如何？
- 经理稳定吗？
数据验证（5年趋势 N-4至N年）：
| 指标 | N-4 | N-3 | N-2 | N-1 | N | 判断标准 |
|---|
| 年度收益 | __% | __% | __% | __% | __% | 跑赢基准 |
| 相对基准超额 | __% | __% | __% | __% | __% | 稳定正超额 |
| 最大回撤 | __% | __% | __% | __% | __% | 小于基准 |
| 规模（亿） | __ | __ | __ | __ | __ | 观察 |
风险调整后收益（核心指标）：
| 指标 | 当前值 | 参考 | 含义 |
|---|
| 夏普比率 | __ | >1良好 | 单位波动获得的超额收益 |
| 卡玛比率 | __ | >2良好 | 收益与最大回撤的比值 |
| 信息比率 | __ | >0.5良好 | 相对基准的超额收益稳定性 |
费率观察（非绝对标准）：
- 管理费：主动 __% / 被动 __%
- 换手率：__%（隐性成本 ≈ 换手率 × 0.15%）
- 综合成本：__% / 年
关注项（非一票否决，需综合判断）：
- 经理任职短且无历史可追溯
- 规模过大可能影响策略灵活性
- 费率显著高于同类平均
- 频繁更换基金经理
未通过：业绩无持续性或风险收益比差 → 停止分析，不买
第三关：贵不贵（估值与时机）
第一性原理：即使好基金，买在高点也难受。
验证问题：
- 当前市场估值在什么位置？
- 所投资产的平均PE/PB在历史什么分位？
- 现在入场，能承受多大幅度回撤？
估值数据：
| 指标 | 当前 | 历史均值 | 分位 | 判断 |
|---|
| 重仓股平均PE | __ | __ | __% | __ |
| 重仓股平均PB | __ | __ | __% | __ |
| 指数估值分位（如ETF） | __% | __% | __% | __ |
极端测试：
- 假设市场回调30%，该基金可能跌多少？__%
- 能承受吗？__
未通过：估值处于历史高位 + 无安全边际 → 等待或换标的
辅助检查（不停止，只提醒）
同经理多基金选择
如果该经理管理多只产品，选"最像基金经理本人"的那只：
| 维度 | 优先选择 | 原因 |
|---|
| 管理时间 | 最长的 | 最体现其真实能力 |
| 规模 | 适中（10-50亿） | 操作灵活，非迷你非巨无霸 |
| 机构占比 | 较高的 | 专业投资者认可 |
| 重仓重合度 | 与代表作对比 | >70%重合则选费率低的 |
行业主题基金检查
核心不等式："经理懂不懂这个行业" > "这个行业好不好"
经理-行业匹配度四象限：
| 类型 | 特征 | 判断 |
|---|
| 理想型 | 深耕多年 + 能力圈匹配 | 首选 |
| 陷阱型 | 追热点 + 高曝光 | 回避 |
| 潜力型 | 新锐深耕 + 低曝光 | 观察 |
| 平庸型 | 通用经理 + 行业拼凑 | 选指数替代 |
自检三问：
- 买β还是买经理的α？
- 行业跌30%能承受吗？
- 相比指数基金贵在哪里？
QDII基金检查
- 汇率风险敞口？
- 海外市场当前估值？
- 费率是否过高（QDII通常更高）？
持有检查（如已持有）
三关反向验证——买入看门槛，持有看变化：
| 关卡 | 买入时问 | 持有时问 | 卖出信号 |
|---|
| 懂不懂 | 懂策略吗？ | 策略变了吗？ | 策略漂移（价值经理开始买AI）、合同变更 |
| 好不好 | 能持续跑赢吗？ | 开始持续跑输了吗？ | 连续2期同类排名后50%、经理离职 |
| 贵不贵 | 估值合理吗？ | 估值透支了吗？ | PE>历史90%分位且无利润增长支撑 |
额外卖出信号：
- 规模暴涨后超额消失（策略容量受限）
- 基金公司重大人事变动
- 费率上调
持有检查可独立触发——用户说「还要不要拿」「该不该卖」时，跳过完整三关，直接跑此表。
持有人体验检查
不只看基金好不好，看买它的人实际感受怎么样。传统指标分析基金本身，这四个指标分析持有人的心理账户：
| 指标 | 当前值 | 含义 | 判断 |
|---|
| 回撤恢复天数 | __天 | 上次>10%回撤后多少天回本 | <90天优秀，>180天容易拿不住 |
| 月度胜率 | __% | 任意持有1个月赚钱概率 | >60%体验好，<50%容易追涨杀跌 |
| 赔率 | __ | 上涨月均收益 ÷ 下跌月均亏损 | >1.5优秀，<1 赚少亏多 |
| 发行时点 | 牛市高/熊市低/震荡 | 成立时市场位置 | 牛市高点发行=对首发持有人不友好 |
回撤恢复天数比最大回撤更能反映真实痛感。一只基金跌30%但3个月回本，比跌20%但2年回本更容易拿住。
输出格式
# [基金名称] ([代码]) — 基金分析
**分析日期**：{{T}}
**数据基准**：{{N}}年 {{report_type}}（新鲜度：{{freshness}}%）
**基金类型**：主动股票/ETF/指数基金/债券/混合/QDII
---
## 三关审查
| 关卡 | 结果 | 关键发现 | 主要疑虑 |
|------|------|---------|---------|
| 懂不懂 | 通过/未通过 | ______ | ______ |
| 好不好 | 通过/未通过 | ______ | ______ |
| 贵不贵 | 通过/未通过/观望 | ______ | ______ |
**综合判断**：
- [ ] 三关全过，可考虑买入
- [ ] 第__关未过，不买
- [ ] 观望，等待第__关改善
---
## 关键数据（N-4至N年）
| 指标 | N-4 | N-3 | N-2 | N-1 | N | 趋势 |
|------|-----|-----|-----|-----|---|------|
| 年度收益 | __% | __% | __% | __% | __% | __ |
| 相对基准超额 | __% | __% | __% | __% | __% | __ |
| 最大回撤 | __% | __% | __% | __% | __% | __ |
| 规模（亿） | __ | __ | __ | __ | __ | __ |
*注：N={{N}}年为最新完整财年*
---
## 风险调整后收益
| 指标 | 当前 | 参考标准 | 判断 |
|------|------|---------|------|
| 夏普比率 | __ | >1 | __ |
| 卡玛比率 | __ | >2 | __ |
| 信息比率 | __ | >0.5 | __ |
---
## 费率结构
| 费用类型 | 本基金 | 同类参考 | 判断 |
|---------|--------|---------|------|
| 管理费 | __% | 主动1.5%/被动0.5% | __ |
| 托管费 | __% | ~0.25% | __ |
| 申赎费 | __% | - | __ |
| 换手率 | __% | - | __ |
| **综合年费** | __% | - | __ |
---
## 估值分析
| 指标 | 当前 | 历史均值 | 分位 | 判断 |
|------|------|---------|------|------|
| 重仓股平均PE | __ | __ | __% | __ |
| 重仓股平均PB | __ | __ | __% | __ |
| 指数估值（如适用） | __% | __% | __% | __ |
**极端测试**（市场-30%）：预估跌幅 __%，能承受：是/否
---
## 基金经理（如主动基金）
| 维度 | 情况 |
|------|------|
| 现任经理 | __ |
| 任职时间 | 亿 |
| 历史管理业绩 | __ |
| 近1年是否更换 | 是/否 |
超越基本画像，追问经理的「底层框架」：
：他站在哪个产业周期的什么位置？偏爱科技成长通胀还是传统周期通胀？
：在全球产业链里看好哪一环？（光通信？半导体设备？新能源？）
：大盘/小盘？高ROE/低ROE？集中/分散？
：换手率如何？是动态调仓还是买入躺平？
：季报持仓和公开表态对得上吗？（详见 ）
这些问题的底层逻辑来自对顶级基金经理方法论的共性提炼。
---
__
__
---
：
数据搜索指引
必须获取（Tier 1）：
- 基金N年年报/半年报（投资组合、费率、经理报告）
- 当前净值、规模（实时）
- 业绩基准及历史对比
验证获取（Tier 2）：
- 近5年业绩排名
- 经理任职历史
- 风险调整后收益指标（夏普、卡玛比率）
- 重仓股估值数据
交叉核对（Tier 3）：
- 同类基金费率比较
- 行业主题估值分位
- 经理其他产品表现
与系列技能分工
| 场景 | 路由 |
|---|
| 「分析这只基金」 | invest-fund |
| 「分析这只股票」 | invest-stock |
| 「解读基金季报」 | invest-report |
| 「基金经理筛选」 | invest-fund-manager |
核心原则
- 不替决策：提供判断框架，决策权交还用户
- 不预测排名：不判断明年业绩第几，只评估持续跑赢能力
- 不保证收益：过往业绩不代表未来，需自行承担风险
- 成本优先：高费率是长期收益的最大敌人
场景文件索引（按需加载）
| 场景 | 文件 | 优先级 |
|---|
| B：同经理多基金选择 | references/scene-b.md | 最高 |
| F：多基金横向对比 | references/scene-f.md | 高 |
| G：行业主题基金 | references/scene-g.md | 高 |
| C：次新基金分析 | references/scene-c.md | 中 |
| E：ETF分析 | references/scene-e.md | 中 |
| A：单只基金深度分析 | references/scene-a.md | 默认 |
| 文档处理协作 | references/doc-processing.md | 按需 |
| 基金经理共性框架 | ../invest-stock/references/manager-patterns.md | 按需 |
invest-fund v2.0 | 场景路由优先 · 核心方法论 · 持有检查 · 场景优先级
数据获取（invest-cli）
取数统一走数据层 invest-cli，不靠 web_search 猜数据：
- 先探测可用源：
python ~/.agents/skills/invest-cli/scripts/invest_cli.py datasources --json
- 按 invest 主入口「场景 → 取数映射表」选择具体命令（fund 用
invest-cli fund，stock 用 invest-cli stock，us 用 invest-cli us，债券 ttfund bond，黄金 ttfund gold，宏观 ttfund macro 等）
- 标注数据来源，口径不一致不合并
