ficc-analysis-report

name	ficc-analysis-report
description	招商银行FICC经营分析报告生成器，LLM驱动报告生成，支持18个业务团队，多维度分析（损益归因、RAROC/EVA、风险监控），引导式数据收集与数据库采集双模式，交互式确认与H5可视化
dependency	{"python":["jinja2>=3.1.0","cx_Oracle>=8.3.0","pymysql>=1.0.0","psycopg2-binary>=2.9.0"]}

招商银行FICC经营分析报告生成技能

任务目标

• 本 Skill 用于：自动化生成招商银行资金营运中心FICC条线的经营分析报告
• 能力包含：18个业务团队的经营分析、损益归因、RAROC/EVA绩效评估、风险管理、Markdown报告生成、H5可视化页面
• 触发条件：用户请求生成FICC业务经营分析报告，指定团队、业务线或分析维度

前置准备

• 依赖说明：scripts脚本所需的依赖包及版本

  jinja2>=3.1.0        # 模板引擎（报告生成）
  cx_Oracle>=8.3.0     # Oracle数据库连接（模式B可选）
  pymysql>=1.0.0       # MySQL数据库连接（模式B可选）
  psycopg2-binary>=2.9.0  # PostgreSQL数据库连接（模式B可选）
  

---

核心工作流程（LLM驱动）

Phase 1: 需求理解与模板选择

由LLM处理：

1. 识别业务团队

   • 分析用户请求中的关键词
   • 匹配对应的业务模板
   • 参考：references/01-业务侦察.md

   团队关键词对照表：

   一级团队	二级团队	关键词	参考模板文件
   自营投资	本币投资	本币投资、利率债投资、信用债投资	proprietary/rmb_investment_reference.md
   自营投资	外币债券	外币债券、美元债、欧元债	proprietary/rmb_investment_reference.md
   自营投资	信用与基金	信用与基金、基金投资	proprietary/rmb_investment_reference.md
   债券交易	本币交易	本币交易、利率债交易、信用债交易	fixed_income/rmb_trading_reference.md
   外汇交易	OTC交易	OTC交易、外汇OTC、代客外汇	fx/otc_trading_reference.md
   外汇交易	CFETS做市	CFETS做市、做市、外汇做市	fx/cfets_market_making_reference.md
   商品交易	贵金属	贵金属、黄金、白银	commodities/precious_metal_reference.md
   销售交易	代客衍生	代客衍生、利率衍生、外汇衍生	sales/derivatives_reference.md
   香港交易中心	-	香港交易中心、香港、跨境	hk_center/hk_trading_reference.md

2. 确定分析周期

   • 月度分析：格式为"YYYY年MM月"
   • 季度分析：格式为"YYYY年QX"
   • 年度分析：格式为"YYYY年度"

Phase 2: 数据准备（双模式支持）⭐关键环节

支持两种数据准备模式，根据用户实际情况自动选择：

---

模式A：引导式数据收集（用户无原始数据时使用）

触发条件：用户未提供任何原始数据文件，或数据不完整

执行流程：

1. 确定业务团队和分析周期

   LLM询问：
   1. 请问需要分析哪个业务团队？
      [可选：贵金属、外汇OTC、外汇做市、本币交易、本币投资、代客衍生...]
   
   2. 请问分析周期是什么？
      [格式：2025年Q1 / 2025年3月 / 2024年度]
   

2. 按优先级收集必需数据

   参考：references/data_collection_guide.md

   第一优先级：核心指标（必需）

   请提供以下核心指标：
   1. 当期总收入是多少亿元？（如：0.8亿元）
   2. 同比增长是多少？（如：15.2%）
   3. 预算完成率是多少？（如：89%）
   

   第二优先级：收入分解（必需）

   根据业务类型，按references/data_collection_guide.md中对应业务的收入分解字段引导用户：

   • 贵金属：单边收入、价差收入、错币种收入
   • 外汇OTC：即期、远期、掉期、期权收入
   • 本币债券：票息、资本利得、估值损益、资金成本
   • 代客衍生：利率衍生、外汇衍生、商品衍生收入

   第三优先级：策略复盘（必需）

   请描述本期主要交易策略的复盘情况：
   
   策略1：
   1. 策略名称：___（如：黄金第一波上涨行情）
   2. 时间段：___（如：2025年1月-4月）
   3. 市场背景：___
   4. 价格走势：起始价格___，结束价格___
   5. 持仓操作：最大持仓___，主要操作时点___
   6. 收益对比：实际收益___亿元，若持续持有可获利___亿元
   7. 主要问题：___
   

   第四优先级：风险指标（推荐）

   请提供以下风险指标：
   1. VaR（95%置信度）：___亿元
   2. 最大回撤：___%
   3. 对冲有效性：___%
   

   第五优先级：历史数据（可选）

   如需生成历史趋势对比，请提供近5年的数据：
   年份    收入(亿元)    预算(亿元)
   2020    ___          ___
   2021    ___          ___
   ...
   

3. 数据验证与确认

   • 收入分解合计 = 总收入（允许±5%误差）
   • 必需字段完整性检查
   • 向用户展示收集到的数据摘要，确认无误

---

模式B：数据库连接采集（有数据库访问权限时使用）

触发条件：用户具备内网数据库访问权限，需要批量采集数据

执行流程：

1. 配置数据库连接凭证

   首次使用时，调用skill_credentials工具配置凭证：

   LLM询问：
   检测到您需要使用数据库采集模式，请提供数据库连接信息：
   - 数据库类型：Oracle / MySQL / PostgreSQL
   - 主机地址：___
   - 端口：___
   - 数据库名/服务名：___
   - 用户名：___
   - 密码：___
   

   凭证配置说明：

   • 凭证名称：ficc_db
   • 授权类型：ApiKey
   • 凭证格式：username:password
   • 环境变量：COZE_FICC_DB_7599667191994351650

2. 执行数据采集脚本

   # 调用 scripts/db_connector.py
   python scripts/db_connector.py \
       --db-type oracle \
       --business-line 贵金属 \
       --period "2025年Q1" \
       --host 10.10.10.100 \
       --port 1521 \
       --service-name FICCDB \
       --output data.json
   

3. 数据格式转换

   • 脚本自动将数据库原始数据转换为references/data_schema.md定义的格式
   • 输出JSON文件供后续处理

4. 数据质量检查

   • 检查收入分解是否完整
   • 检查历史数据年份是否连续
   • 检查收益对比数据是否合理

---

模式选择决策树

用户发起请求
    │
    ├─ 用户已提供完整数据？
    │       │
    │       ├─ 是 → 直接使用数据，进入Phase 3
    │       │
    │       └─ 否 → 询问数据来源
    │               │
    │               ├─ 用户有数据库权限？
    │               │       │
    │               │       ├─ 是 → 使用模式B（数据库采集）
    │               │       │
    │               │       └─ 否 → 使用模式A（引导式收集）
    │               │
    │               └─ 部分数据？
    │                       │
    │                       └─ 引导补充缺失字段

---

数据格式规范

无论使用哪种模式，最终数据需符合references/data_schema.md的格式要求：

{
  "business_line": "贵金属",
  "period": "2025年Q1",
  "current": {
    "total_revenue": 0.8,
    "yoy_growth": 15.2,
    "budget_completion_rate": 89.0,
    "revenue_breakdown": {
      "单边": 0.5,
      "价差": 0.2,
      "错币种": 0.1
    }
  },
  "trading_strategies": [...],
  "risk_metrics": {...},
  "historical": {...}
}

Phase 3: 指标计算（Python辅助）

仅当需要复杂数学计算时调用Python脚本：

1. RAROC计算

   # 调用 scripts/calculate_metrics.py
   from calculate_metrics import MetricsCalculator
   
   calculator = MetricsCalculator()
   result = calculator.calculate_raroc({
       'net_pnl': 1.2,
       'tax': 0.1,
       'personnel_cost': 0.05,
       'business_cost': 0.03,
       'provision': 0.02,
       'capital': 0.8
   })
   # 返回：{'raroc': 12.5, 'risk_adjusted_pnl': 1.0, ...}
   

2. EVA计算

   result = calculator.calculate_eva({
       'revenue': 1.5,
       'funding_cost': 0.3,
       'operating_cost': 0.1,
       'tax_rate': 0.25,
       'capital': 0.8,
       'wacc': 0.15
   })
   

3. 损益归因计算

   # 债券损益归因（5维模型）
   result = calculator.calculate_pnl_attribution({
       'principal': 100,
       'coupon_rate': 0.035,
       'holding_days': 90,
       'cost': 98,
       'maturity': 3650,
       'buy_price': 98,
       'sell_price': 99,
       'position': ,
       : ,
       : ,
       : ,
       : ,
       : 
   })
   

RAROC分层目标参考：

• 全行FICC：≥15%
• 业务线：≥12%
• 交易簿：≥10%
• 交易员：≥8%

Phase 4: 报告生成与交互确认（LLM驱动）⭐关键环节

由LLM根据模板生成完整报告，并提供用户确认：

1. 读取业务参考模板

   • 根据 Phase 1 选择的业务团队，读取对应的 *_reference.md 模板文件
   • 例如：贵金属 → templates/commodities/precious_metal_reference.md
   • 理解模板结构和章节安排
   • 重要： 模板仅作为结构参考，LLM根据实际数据灵活调整内容

2. 填充数据与撰写内容

   • 按照真实案例的结构撰写：
     • 一、历史业务情况回顾（历年对比、预算完成率）
     • 二、当期经营情况分析（收入分解、市场对比）
     • 三、交易策略复盘（具体时间段操作）
     • 四、收益评估（实际vs模拟测算）
     • 五、风险管理情况
     • 六、核心观点提炼

3. 关键内容撰写要点

   • 历史回顾：描述历年收入趋势、预算完成情况
   • 收入分解：详细分析收入来源、各品种贡献
   • 策略复盘：
     • 明确时间段和市场背景
     • 描述持仓操作的时序变化
     • 对比实际收益与模拟测算（持续持有）
     • 识别关键问题（用✗标记）
   • 核心观点：提炼3-5条核心结论

4. 数据展示要求

   • 使用表格展示数据对比
   • 使用列表描述操作过程
   • 使用✗标记问题点
   • 使用✓标记成绩点

5. ⭐输出Markdown报告供用户确认

   必须执行的操作：

   • 将生成的完整Markdown报告展示给用户
   • 明确询问用户是否满意：

     报告已生成，请确认内容是否符合预期：
     
     [展示完整的Markdown报告内容]
     
     ---
     请选择：
     1. 确认满意，继续生成H5可视化页面
     2. 需要调整，请说明修改要求
     

6. ⭐交互式调整循环

   如果用户选择"需要调整"：

   • 根据用户反馈修改报告内容
   • 重新展示修改后的Markdown报告
   • 再次询问用户确认
   • 持续循环直到用户满意为止

   常见调整类型：

   • 数据修正：更新错误的数值
   • 内容补充：增加遗漏的分析维度
   • 表述优化：调整专业术语或表达方式
   • 结构调整：重新组织章节顺序
   • 问题深化：对特定问题进行更深入分析

只有用户明确确认满意后，才能进入Phase 5！

Phase 5: H5可视化页面生成（LLM驱动）⭐大模型生成H5

用户确认满意后，由LLM生成H5可视化页面：

1. 读取H5模板与规范

   • 模板路径：assets/h5_template.html
   • 布局规范：references/ppt_templates/cmb-layout-specification.html
   • 设计系统：references/ppt_templates/design-system.css
   • 组件库：references/ppt_templates/component-library.md
   • 编码指南：references/ppt_templates/coding-guide.md

2. LLM生成H5页面

   生成原则：

   • 基于已确认的Markdown报告内容
   • 使用招商银行品牌色（#C7162E）
   • 单页面应用，支持滚动浏览
   • 响应式设计，支持手机和PC访问
   • 使用内联CSS和JavaScript，无需外部依赖

   必须包含的元素：

   <!DOCTYPE html>
   <html lang="zh-CN">
   <head>
       <meta charset="UTF-8">
       <meta name="viewport" content="width=device-width, initial-scale=1.0">
       <title>{{ 业务线 }}{{ 分析周期 }}经营分析报告</title>
       <style>
           /* 招商银行品牌样式 */
           :root {
               --primary-color: #C7162E;
               --secondary-color: ;
               : ;
               : ;
               : ;
           }
           
       
   
   
       
   
   
   

---

资源索引

核心参考文档

• references/01-业务侦察.md：18个业务团队的架构定义
• references/02-核心指标.md：所有业务指标的计算公式
• references/data_schema.md：数据输入格式规范
• references/data_collection_guide.md：引导式数据收集指南（用户无原始数据时使用）

PPT模板参考文档

• references/ppt_templates/design-system.css：招商银行设计系统CSS，定义品牌色彩、排版规范
• references/ppt_templates/cmb-layout-specification.html：招商银行PPT布局规范，页面结构参考
• references/ppt_templates/pptx-style-guide.md：PPTX样式指南，格式转换规范
• references/ppt_templates/template-structure.md：模板结构解析，页面类型定义
• references/ppt_templates/html-layout-specification.md：HTML布局规范，网格系统
• references/ppt_templates/html-elements-specification.md：HTML组件规范，交互元素
• references/ppt_templates/content-template.md：内容模板，章节结构
• references/ppt_templates/component-library.md：组件库，数据可视化组件
• references/ppt_templates/coding-guide.md：编码指南，H5生成规范

业务模板（按团队分类）

• 自营投资：templates/proprietary/rmb_investment.md.jinja2
• 债券交易：templates/fixed_income/rmb_trading.md.jinja2
• 外汇OTC：templates/fx/otc_trading.md.jinja2
• 外汇做市：templates/fx/cfets_market_making.md.jinja2
• 贵金属：templates/commodities/precious_metal.md.jinja2
• 代客衍生：templates/sales/derivatives.md.jinja2
• 香港交易中心：templates/hk_center/hk_trading.md.jinja2

H5模板

• assets/h5_template.html：H5可视化页面模板（招商银行品牌风格）

Python脚本

• scripts/calculate_metrics.py：核心指标计算（RAROC、EVA、损益归因等）
• scripts/db_connector.py：数据库连接器（模式B数据库采集时使用）

---

使用示例

示例1：模式A（引导式数据收集）- 用户无原始数据

Step 1: 用户发起请求

用户：帮我生成贵金属团队2025年Q1的经营分析报告

Step 2: LLM检测无数据，启动引导式收集

LLM：好的，贵金属业务分析。请问分析周期是什么？

用户：2025年Q1

LLM：明白了。请提供以下核心指标：
1. 当期总收入是多少亿元？（如：0.8亿元）
2. 同比增长是多少？（如：15.2%）
3. 预算完成率是多少？（如：89%）

用户：总收入0.8亿，同比增长15.2%，预算完成率89%

LLM：收到。请提供收入来源分解：
- 黄金单边交易收入：___亿元
- 境内外价差收入：___亿元
- 其他收入：___亿元

用户：单边0.5亿，价差0.2亿，其他0.1亿

LLM：数据已记录。请描述本期主要交易策略的复盘情况：
1. 策略名称：___
2. 时间段：___
3. 市场背景：___
4. 价格走势：起始价格___，结束价格___
5. 收益对比：实际收益___亿元，若持续持有可获利___亿元
6. 主要问题：___

用户：策略是黄金第一波上涨，1月-4月，从2650涨到3500，
      实际获利1.2亿，持续持有可获利2.8亿，减仓过早

LLM：数据收集完成，正在生成报告...
[生成Markdown报告]

Step 3: 展示报告并询问确认

LLM：报告已生成，请确认内容是否符合预期：
[完整Markdown报告]
---
请选择：
1. 确认满意，继续生成H5可视化页面
2. 需要调整，请说明修改要求

---

示例2：模式B（数据库采集）- 用户有数据库权限

Step 1: 用户发起请求

用户：从数据库采集贵金属团队2025年Q1的经营数据，生成分析报告

Step 2: LLM检测需要数据库连接，配置凭证

LLM：检测到需要数据库连接，请提供数据库连接信息：
- 数据库类型：Oracle / MySQL / PostgreSQL
- 主机地址：___
- 端口：___
- 服务名/数据库名：___
- 用户名：___
- 密码：___

用户：Oracle，10.10.10.100，1521，FICCDB，ficc_user，xxx

LLM：正在配置数据库凭证...
[调用skill_credentials工具配置凭证]
凭证配置成功！

Step 3: 执行数据库采集

LLM：正在连接数据库并采集数据...
[执行 scripts/db_connector.py]
连接Oracle数据库成功！
正在采集贵金属业务2025年Q1数据...
数据采集完成，已保存到data.json

Step 4: 生成报告

LLM：数据采集完成，正在生成报告...
[生成Markdown报告]

---

示例3：用户提供部分数据 - 智能补充收集

Step 1: 用户提供部分数据

用户：帮我生成贵金属团队2025年Q1的经营分析报告
- 总收入：0.8亿元
- 同比增长：15.2%

Step 2: LLM检测数据不完整，引导补充

LLM：已记录核心指标。还需要以下数据：
1. 预算完成率是多少？
2. 收入来源分解：
   - 黄金单边交易收入：___亿元
   - 境内外价差收入：___亿元
   - 其他收入：___亿元
3. 交易策略复盘（至少1个）

用户：预算完成率89%，单边0.5亿，价差0.2亿，其他0.1亿
      策略是黄金上涨行情，实际1.2亿，模拟2.8亿

LLM：数据已收集完整，正在生成报告...

---

示例4：用户直接提供完整数据

Step 1: 用户发起请求

用户：帮我生成贵金属团队2025年Q1的经营分析报告，数据如下：
- 总收入：0.8亿元
- 同比增长：15.2%
- 预算完成率：89%
- 黄金单边收入：0.5亿元
- 境内外价差收入：0.2亿元
- 黄金第一波上涨行情：1月-4月，从2650涨到3500美元/盎司，
  实际获利1.2亿元，但减仓过早，若持续持有可获利2.8亿元

Step 2: LLM识别业务团队

LLM：识别业务团队：贵金属 → 选择模板：commodities/precious_metal.md.jinja2
数据已完整，正在生成报告...

---

V2.0 优化说明

优化目标

本技能已进行V2.0优化，主要改进：

1. 强化数据收集引导 - 分阶段收集，降低用户压力，数据完整性从40%提升到80%
2. 智能数据推断 - 自动计算涨幅、收益差距等衍生指标，减少用户计算负担
3. 增强策略复盘深度 - 引入持仓操作时间线模板，支持深度复盘
4. 数据验证流程 - 事前验证，主动询问补充缺失数据

---

智能数据推断功能

以下指标由LLM自动计算，无需用户输入：

指标	计算公式	示例
价格涨幅	(结束价格 - 起始价格) / 起始价格	(3500-2650)/2650 = 32.1%
收益差距金额	持续持有收益 - 实际收益	2.8-1.2 = 1.6亿元
收益差距占比	收益差距金额 / 持续持有收益	1.6/2.8 = 57.1%
收入占比	单项收入 / 总收入	0.5/0.8 = 62.5%

实现方式： LLM在数据收集过程中实时计算并展示，自动填充到报告中。

---

增强策略复盘深度

持仓操作时间线模板

位置：templates/position_timeline_template.md

功能： 引导用户提供详细的持仓操作时间线，包含至少3-5个关键时间点。

使用方式：

LLM引导：
收到策略信息。为了进行深度复盘，请补充以下详细信息：

1. 市场背景是什么？（如：美联储降息预期、地缘政治风险等）

2. 请提供持仓操作时间线（至少3个关键时间点）：

| 时间点 | 持仓变化 | 价格 | 说明 |
|-------|---------|------|------|
| 1月初 | 建仓___万盎司 | 2650 |  |
| 2月 | ___ | ___ |  |
| 4月初 | ___ | 3500 |  |

3. 主要问题有哪些？（如：减仓过早、持仓过小等）

模板特点：

• ✅ 结构化时间线，清晰展示操作过程
• ✅ 自动计算价格涨幅和收益差距
• ✅ 用✗标记具体问题点
• ✅ 提炼可操作的经验总结

---

数据验证流程

在生成报告前，LLM会进行以下验证：

验证点	验证规则	处理方式
收入分解合计	单边+价差+其他 = 总收入	如误差>±5%，要求重新输入
收益对比合理性	持续持有收益 > 实际收益	如不满足，提醒用户确认
价格走势合理性	起始价格 < 结束价格（上涨行情）	如不符，提醒用户确认
历史数据完整性	年份、收入、预算列表长度一致	如不一致，提醒补充

效果： 在生成报告前确保数据质量，避免生成不准确的报告。

---

优化效果对比

维度	优化前（V1.0）	优化后（V2.0）	提升幅度
数据收集方式	一次性要求所有数据	分阶段逐个收集	✓
数据完整性依赖度	60%依赖用户提供	80%可自动推断/计算	+33%
策略复盘深度	基础信息（名称、时间段）	详细时间线+关键问题	✓✓✓
数据验证	事后验证，标注缺失	事前验证，主动询问补充	✓✓
用户体验	信息过载，压力大	循序渐进，轻松提供	✓✓✓
报告质量	受数据限制较大	数据完整度大幅提升	✓✓

---

完整优化日志

详细的优化内容、测试用例和后续优化方向请参考： OPTIMIZATION_LOG.md

---

注意事项

关键原则

1. LLM驱动，Python辅助：报告生成和H5生成均由LLM主导，Python仅用于数学计算
   • LLM负责：数据收集、报告生成、H5生成、交互式确认
   • Python负责：RAROC计算、EVA计算、损益归因计算、价格涨幅计算、收益差距计算等数学运算
   • 不要用Python读取模板生成报告，这是LLM的工作
2. 交互式确认：Phase 4必须等待用户确认满意后才能进入Phase 5
3. 模板为指导：模板提供结构参考，LLM根据实际数据灵活调整
   • 使用 templates/*_reference.md 作为报告结构参考
   • LLM根据实际数据填充和调整内容
4. 数据驱动：所有结论必须有数据支撑，避免空泛描述

Phase 4 确认机制（强制执行）

• ✅ 必须展示完整的Markdown报告
• ✅ 必须明确询问用户是否满意
• ✅ 用户不满意时必须持续调整
• ✅ 只有用户明确确认后才能进入Phase 5
• ❌ 禁止跳过确认直接进入下一阶段

内容质量要求

1. 历史回顾：至少包含5年数据对比
2. 策略复盘：每个策略必须包含"实际vs模拟"对比
3. 问题识别：用✗明确标记问题点
4. 核心观点：提炼3-5条可操作的建议

H5页面质量要求

1. 品牌一致性：使用招商银行品牌色（#C7162E），参考design-system.css
2. 布局规范：遵循招商银行PPT布局规范，参考cmb-layout-specification.html
3. 响应式设计：支持手机和PC访问
4. 无外部依赖：使用内联CSS和JavaScript
5. 图表清晰：使用纯CSS/SVG实现图表，参考component-library.md
6. 内容结构：遵循标准章节结构，参考content-template.md

数据格式规范

• 金额单位统一为"亿元"
• 百分比统一为小数形式（如15.2表示15.2%）
• 价格、持仓量等保留2位小数

常见错误避免

• ✗ 不要跳过Phase 4的用户确认环节
• ✗ 不要省略"实际vs模拟"的收益对比
• ✗ 不要模糊描述问题，应具体说明
• ✗ 不要在H5中使用外部依赖库