Menú
将信号转化为可执行的投资组合权重，输出Beta基准权重和Alpha偏离权重。
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Basado en la clasificación ocupacional SOC
财报分析 Skill v2。用现金流量表和资产负债表交叉验证利润表，按七步链「利润质量/现金流匹配/需求真实性/资本开支/债务与利率敏感性/扩张质量/行业特殊口径」判断公司真实经营质量；输出符合 AI_Renaissance 标准 Signal 的 JSON。触发：财报分析、财务报表、利润质量、现金流验证、合同负债、资本开支、扩张风险、Signal。
产业链中观分析框架。三维度独立展示：产业链景气度、产业链拐点、产业链生命周期。 基于项目数据层注入的财报数据与行业数据，输出可溯源的结构化分析。 System B 仅做个股类型判定（成长/周期/价值/主题/混合），不写交易计划。 触发词：景气度、/景气度。
基于 AkShare 的资金流全景数据契约，一次返回个股基础信息、个股主力资金、相关行业/概念板块资金、大盘主力资金与北向资金概览；真实执行逻辑位于 data_sources/akshare.py。
开发2组仲裁方法论Skill。基于桥水经济机器模型的场景化专家权重体系，支持三种模式：(1)场景设计与权重配置迭代；(2)7专家Signal仲裁执行（含场景自动选择、评分制匹配、共识/分歧标注、贡献追踪）；(3)权重回测校准。当用户讨论仲裁权重、场景选择逻辑、match_signals规则、仓位公式设计、权重校准或标准化推理链时调用。
用"节点叙事"的方式分析一家公司的发展路径——把公司的成长拆解成一系列关键决策节点（创立、转型、并购、融资、控制权变更、产品突破等），逐个节点深挖其交易结构、估值逻辑、对手方动机、买方意图、时代背景与协同效应，最终串联成一条清晰的版图扩张路径，并推演未来格局与风险。任何时候用户说"讲讲 XX 公司""分析一下 XX 公司""研究 XX 公司""XX 公司是怎么发展起来的""XX 公司的并购史""XX 公司的发展历程"——都要用这个 skill。即使用户没明说"按节点分析"或"做深度报告"，只要他们想了解一家公司是如何一步步走到今天的，就用这个 skill。这个 skill 必须配合 web_search 主动联网搜索公司的真实历史信息，绝不允许凭记忆杜撰节点、日期、金额或交易细节。
对个股、指数、ETF 或 OHLCV CSV 运行专家二组“四模型传统技术指标融合”分析。使用本工程的 fusion_traditional_models Python 程序只生成可复核 JSON 结果，再由大模型读取 JSON 并按中文模板生成融合结果解读报告。适用于用户要求测试股票、输出融合信号、解释四模型结果、生成技术面融合结果解读报告的场景。
| name | layer5_asset_allocation |
| description | 将信号转化为可执行的投资组合权重，输出Beta基准权重和Alpha偏离权重。 |
| owner_group | 专家4组（宏观方向） |
| domain | macro |
| status | draft |
| 资产类别 | 工具 | 基础权重 |
|---|---|---|
| A股 | 沪深300+中证500 | 15% |
| 中国国债 | 10年期国债 | 35% |
| 南华工业品 | 商品期货组合 | 15% |
| 黄金 | 黄金期货/ETF | 15% |
| 美元资产 | QDII/港美股ETF | 20% |
基于Layer 4.5修正后的信号强度生成偏离。
| 约束项 | 阈值 |
|---|---|
| 单信号最大偏离 | ±30% |
| 单资产最大权重偏离 | ±50% |
| 组合年化波动率上限 | 12% |
| 最大回撤硬性上限 | 15% |
| 组合杠杆上限 | 1.5x |
| 修正后信号强度 | Alpha偏离系数 |
|---|---|
| ≥80% | 0.3 |
| 60%-80% | 0.2 |
| 50%-60% | 0.1 |
| <50% | 0（不产生偏离） |
