a-share-portfolio

name	a-share-portfolio
description	A股投资组合管理/持仓分析。当用户说"组合分析"、"持仓分析"、"portfolio"、"我的持仓怎么样"、"帮我看看组合"、"仓位管理"、"组合优化"、"风险分析"、"再平衡"、"行业暴露"时触发。对用户提供的持仓组合进行全面分析，包括持仓集中度、行业/风格暴露、风险指标、收益归因、再平衡建议。通过 cn-stock-data 获取各持仓股的行情和财务数据。支持机构组合报告风格（formal）和个人持仓复盘风格（brief）。

数据源

SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"

# 各持仓股行情
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE1],[CODE2],[CODE3],...

# 各持仓股财务指标
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]

# 各持仓股K线（组合收益计算）
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [起始日期]

# 大盘指数（基准对比）
python "$SCRIPTS/cn_stock_data.py" kline --code SH000300 --freq daily --start [起始日期]

# 北向资金（外资对持仓的态度）
python "$SCRIPTS/cn_stock_data.py" north_flow

Workflow (6 steps):

Step 1: 持仓信息确认

收集用户持仓信息：

代码	名称	持仓数量(股)	成本价(元)	买入日期

如果用户只给出股票代码和大致比例，也可以基于比例分析。

Step 2: 持仓快照

通过 cn-stock-data quote 获取最新行情，计算：

代码	名称	现价	成本价	持仓市值(元)	占比(%)	盈亏(%)	盈亏额(元)

汇总：总市值、总盈亏、加权平均收益率

Step 3: 组合特征分析

集中度分析：

• 前 3 大持仓占比
• 前 5 大持仓占比
• HHI 指数（持仓集中度）
• 判断：过度集中 / 适度集中 / 分散

行业暴露：

行业	持仓占比(%)	沪深300权重(%)	超配/低配

风格暴露：

维度	组合加权平均	沪深300	偏向
PE(TTM)			价值/成长
PB
市值(亿)			大盘/中小盘
ROE(%)			质量
股息率(%)			红利

Step 4: 风险分析

个股风险：

• 任一持仓占比 > 30%：集中风险
• 持仓股的资产负债率 > 70%：财务风险
• 持仓股近期大幅下跌 > 20%：回撤风险
• ST 或负面新闻：特殊风险

组合风险：

• 行业集中度：前 1 行业占比 > 50% = 高风险
• 相关性风险：多只持仓属同一板块/主题 = 分散不足
• 估值风险：组合加权 PE 显著高于市场 = 估值偏高

Step 5: 优化建议

基于分析结果给出建议：

• 减仓：过度集中的个股/行业
• 加仓：低配的行业/补充分散性
• 替换：基本面恶化的持仓
• 再平衡：偏离目标配置的调整

Step 6: 输出

风格说明

维度	formal（机构组合报告）	brief（个人持仓复盘）
篇幅	4-8 页	1-2 页
持仓明细	完整表格 + 各股核心指标	持仓快照表
行业暴露	完整 vs 基准对比	Top 3 行业
风格分析	多维度雷达图描述	PE/市值一句话
风险分析	详细（个股+组合+情景）	核心风险 2-3 条
优化建议	详细再平衡方案	简要建议
免责声明	需要	不需要

关键规则

1. 用户数据保密：持仓信息是敏感数据，分析仅在当前会话中进行
2. 基准对比：默认基准为沪深300，用户可指定其他基准（中证500/创业板指等）
3. 不做精确收益预测：给出风险提示和优化方向，不预测组合未来收益
4. 区分建议的优先级：高风险问题（过度集中/财务风险）优先于优化建议（再平衡）
5. 尊重用户策略：如果用户有明确的投资策略（如集中持仓），不强行建议分散
6. 与其他 skill 联动：对组合中个股可用 a-share-earnings-analysis 深入分析、a-share-technical 看技术面、a-share-thesis 梳理持仓逻辑

使用示例

示例 1: 基本使用

# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})

示例 2: 命令行使用

python scripts/run_skill.py --input data.json