메뉴
A股绩效归因/风险归因分析。当用户说"绩效归因"、"收益归因"、"Brinson"、"风险归因"、"attribution"、"超额收益来自哪里"、"为什么跑赢/跑输"、"组合分析归因"、"行业归因"、"风格归因"时触发。对投资组合进行系统性绩效归因（Brinson行业归因/风格因子归因），拆解超额收益来源（配置效应/选股效应/交互效应），评估投资能力。支持研报风格（formal）和快速归因风格（brief）。
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/aifinlab/FinClaw --skill a-share-risk-attribution명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
A股逆向选择/信息不对称分析。当用户说"逆向选择"、"adverse selection"、"信息不对称"、"知情交易者"、"逆向选择成本"、"信息劣势"时触发。基于 cn-stock-data 获取数据，度量逆向选择与信息不对称程度。支持 formal/brief 两种输出风格。
A股量价异常检测/异动监控。当用户说"异常检测"、"异动"、"anomaly"、"量价异常"、"异常波动"、"XX有异动"时触发。量化检测股价和成交量异常。支持formal和brief风格。
A股自相关/序列相关性/收益率自相关结构分析。当用户说"自相关"、"autocorrelation"、"序列相关"、"收益率预测性"、"动量还是反转"、"自相关系数"、"ACF"、"PACF"、"Ljung-Box"、"收益率是否可预测"、"随机游走检验"时触发。MUST USE when user asks about return autocorrelation, serial correlation tests, or whether a stock's returns are predictable. 量化分析收益率的自相关结构（ACF/PACF、Ljung-Box检验、随机游走检验）。支持formal和brief风格。
SOC 직업 분류 기준
SKILL.md 표시 중
| name | a-share-risk-attribution |
| description | A股绩效归因/风险归因分析。当用户说"绩效归因"、"收益归因"、"Brinson"、"风险归因"、"attribution"、"超额收益来自哪里"、"为什么跑赢/跑输"、"组合分析归因"、"行业归因"、"风格归因"时触发。对投资组合进行系统性绩效归因（Brinson行业归因/风格因子归因），拆解超额收益来源（配置效应/选股效应/交互效应），评估投资能力。支持研报风格（formal）和快速归因风格（brief）。 |
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
# 各持仓股K线（计算区间收益）
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [起始日期] --end [结束日期]
# 各持仓股实时行情
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE1],[CODE2],[CODE3],...
# 各持仓股财务指标（风格因子：PE/PB/市值/ROE等）
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]
# 基准指数K线（沪深300/中证500/中证全指）
python "$SCRIPTS/cn_stock_data.py" kline --code SH000300 --freq daily --start [起始日期] --end [结束日期]
# 中证500: SH000905 中证全指: SH000985 创业板指: SZ399006
Step 1: 输入确认 — 组合与基准
收集归因所需信息：
汇总为输入表：
| 代码 | 名称 | 组合权重(%) | 行业(申万一级) |
|---|
如果用户未提供行业分类，通过 finance 接口获取后自动映射。
Step 2: Brinson 行业归因
通过 cn-stock-data kline 获取组合各股和基准在归因区间的收益率，按行业汇总：
| 行业 | 组合权重 Wp | 基准权重 Wb | 组合收益 Rp | 基准收益 Rb | 配置效应 | 选股效应 | 交互效应 | 合计 |
|---|
Brinson-Fachler 模型（参考 references/attribution-guide.md）：
汇总：
Step 3: 风格因子归因
通过 finance 获取各股财务指标，构建因子暴露矩阵，用回归法拆解收益：
常用因子：
| 因子 | 代理变量 | 说明 |
|---|---|---|
| 市场(Beta) | 组合 vs 基准 | 系统性风险 |
| 规模(Size) | ln(总市值) | 大/小盘偏离 |
| 价值(Value) | 1/PE 或 BP | 价值/成长风格 |
| 动量(Momentum) | 过去3-6月涨幅 | 追涨/逆向 |
| 波动率(Volatility) | 近期日收益率标准差 | 高/低波偏好 |
| 质量(Quality) | ROE | 盈利质量 |
输出因子归因表：
| 因子 | 组合暴露 | 基准暴露 | 主动暴露 | 因子收益(%) | 因子贡献(%) |
|---|
残差项 = 超额收益 - 各因子贡献之和（代表个股 alpha）
Step 4: 时间序列分解（仅 formal 模式）
将归因区间按月拆分，展示归因效应的时间演变：
| 月份 | 组合收益 | 基准收益 | 超额收益 | 配置贡献 | 选股贡献 | 交互贡献 |
|---|
识别：
Step 5: 输出
| 维度 | formal（机构绩效归因报告） | brief（快速归因摘要） |
|---|---|---|
| 篇幅 | 4-8 页 | 1-2 页 |
| Brinson 归因 | 完整行业归因表 + 瀑布图描述 | Top 3 贡献/拖累行业 |
| 因子归因 | 完整因子暴露与贡献表 | 主要因子贡献一句话 |
| 时间分解 | 按月归因表 + 趋势分析 | 省略 |
| 投资能力评估 | 配置能力/选股能力/IR评价 | 一句话定性评价 |
| 可视化 | 瀑布图/堆叠图/热力图描述 | 省略 |
| 免责声明 | 需要 | 不需要 |
# 调用 skill
result = run_skill({
"param1": "value1",
"param2": "value2"
})
python scripts/run_skill.py --input data.json