investoday-fund-performance-attribution-analysis

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）

1. 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”
2. 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
3. 时间口径必须明确，如“近1年”“近3年”“任期内”
4. 百分比统一保留 2 位小数
5. 不给申购赎回建议、定投建议、仓位建议或交易时点
6. 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
7. 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
8. 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？”

1. 通过 entity-recognition 识别基金实体与基金代码
2. 并行调用 fund/basic-info、fund/eval-peer-avg-ind、fund/performance-attribution、fund/portfolio-asset-holdings 与 fund/current-manager-returns
3. 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
4. 输出 Markdown 格式基金业绩归因分析报告
5. 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