| name | fund-risk-analyzer |
| description | 基金风险分析器 - 专业基金风险识别与量化分析工具。
当用户需要分析基金风险、计算VaR、评估最大回撤、分析波动率、计算风险指标时使用此技能。
支持VaR/CVaR、最大回撤、夏普比率、Beta系数、下行风险等多种风险指标计算。
触发关键词：基金风险、风险分析、VaR计算、最大回撤、波动率、夏普比率、Beta系数、风险评估。
|
基金风险分析器 (Fund Risk Analyzer)
专业基金风险识别与量化分析工具，帮助用户全面评估基金风险特征。
功能概述
- VaR/CVaR计算: 历史模拟法、参数法、蒙特卡洛模拟
- 最大回撤分析: 历史最大回撤、回撤持续期、回撤恢复时间
- 风险指标计算: 夏普比率、索提诺比率、特雷诺比率、卡玛比率
- Beta/Alpha分析: 系统性风险、超额收益能力
- 波动率分解: 上行/下行波动率、系统性/非系统性风险
- 尾部风险: 偏度、峰度、极端风险预警
- 风险归因: 风险来源分解
使用方法
命令行调用
fund-risk --code 000001 --period 252
fund-risk --code 000001 --var --confidence 0.95
fund-risk --compare 000001,000002,000003
fund-risk --code 000001 --alert
Python API
from fund_risk_analyzer import FundRiskAnalyzer
analyzer = FundRiskAnalyzer()
risk_report = analyzer.analyze('000001', period=252)
var_result = analyzer.calculate_var('000001', confidence=0.95, method='historical')
alerts = analyzer.check_risk_alerts('000001')
风险指标说明
收益风险指标
| 指标 | 说明 | 计算公式 | 解读 |
|---|
| 夏普比率 | 单位总风险超额收益 | (Rp - Rf) / σp | >1优秀，<0较差 |
| 索提诺比率 | 单位下行风险超额收益 | (Rp - Rf) / σd | 只看下跌波动 |
| 特雷诺比率 | 单位系统性风险超额收益 | (Rp - Rf) / βp | 衡量选股能力 |
| 卡玛比率 | 收益与最大回撤比 | Rp / | 最大回撤 |
市场风险指标
| 指标 | 说明 | 计算公式 | 解读 |
|---|
| Beta | 相对市场波动 | Cov(Rp,Rm) / Var(Rm) | >1波动大于市场 |
| Alpha | 超额收益 | Rp - [Rf + β(Rm-Rf)] | >0有超额收益 |
| R² | 风险解释度 | | >0.8高度相关 |
极端风险指标
| 指标 | 说明 | 计算方法 | 解读 |
|---|
| VaR | 置信度下的最大损失 | 历史分位数 | 95%VaR=-5%表示95%概率损失不超5% |
| CVaR | 超过VaR的平均损失 | 尾部平均 | 比VaR更保守 |
| 最大回撤 | 峰值到谷底最大跌幅 | max(1 - 净值/峰值) | 越小越好 |
输出格式
风险分析报告
{
"fund_code": "000001",
"fund_name": "华夏成长混合",
"analysis_date": "2026-03-21",
"period_days": 252,
"risk_metrics": {
"volatility": {
"total": 18.5,
"upside": 12.3,
"downside": 15.2,
"systematic": 14.8,
"unsystematic": 8.2
},
"returns": {
"annual_return": 25.3,
"risk_free_rate": 2.5
},
"risk_adjusted": {
"sharpe_ratio": 1.23,
"sortino_ratio": 1.50,
"treynor_ratio": 0.15,
"calmar_ratio": 1.66
},
"market_risk": {
"beta": 1.15,
"alpha": 3.2,
"r_squared": 0.82
},
"extreme_risk": {
"var_95": -2.85,
"var_99": -4.52,
"cvar_95": -3.65,
"cvar_99": -5.88,
"max_drawdown": -15.2,
"max_drawdown_duration": 45
},
"tail_risk": {
"skewness": -0.35,
"kurtosis": 3.25,
"tail_ratio": 1.23
}
},
"risk_assessment": {
"overall_risk_level": "中高",
"risk_score": 72,
"confidence": "中等"
},
"risk_alerts": [
{
"type": "volatility",
"level": "warning",
"message": "波动率高于同类平均"
}
]
}
风险等级划分
| 风险等级 | 风险评分 | 波动率 | 最大回撤 | 适合人群 |
|---|
| 低风险 | 0-30 | <10% | <5% | 保守型 |
| 中低风险 | 30-50 | 10-15% | 5-10% | 稳健型 |
| 中等风险 | 50-70 | 15-20% | 10-15% | 平衡型 |
| 中高风险 | 70-85 | 20-25% | 15-20% | 进取型 |
| 高风险 | 85-100 | >25% | >20% | 激进型 |
VaR计算方法
1. 历史模拟法 (Historical Simulation)
VaR = 收益率序列的(1-置信度)分位数
优点: 无需假设分布
缺点: 依赖历史数据质量
2. 参数法 (Parametric / Variance-Covariance)
VaR = μ - z * σ
其中: μ=均值, σ=标准差, z=标准正态分位数
优点: 计算简单
缺点: 假设正态分布
3. 蒙特卡洛模拟 (Monte Carlo)
1. 拟合收益率分布参数
2. 随机生成大量收益率路径
3. 计算组合价值分布
4. 取分位数作为VaR
优点: 灵活性强
缺点: 计算量大
示例
示例1: 全面风险分析
输入:
分析基金000001的风险指标
输出:
📊 华夏成长混合 (000001) - 风险分析报告
收益风险指标:
夏普比率: 1.23 ⭐⭐⭐⭐ (优秀)
索提诺比率: 1.50 ⭐⭐⭐⭐⭐ (非常优秀)
卡玛比率: 1.66 ⭐⭐⭐⭐ (优秀)
市场风险指标:
Beta系数: 1.15 (波动大于市场)
Alpha超额收益: 3.2% (有超额收益)
极端风险指标:
95% VaR: -2.85% (日度)
99% VaR: -4.52% (日度)
最大回撤: -15.2% (持续45天)
风险等级: 中高风险 (72/100)
示例2: 风险预警
输入:
检查基金000001的风险预警
输出:
⚠️ 风险预警 - 华夏成长混合 (000001)
🔴 高风险预警:
• 波动率(22.5%)高于历史均值15%
• 当前回撤(-12.3%)接近最大回撤阈值
🟡 中风险提醒:
• Beta系数(1.25)较高，市场敏感
• 尾部风险上升，偏度为负
✅ 正常指标:
• 夏普比率正常
• 流动性风险可控
建议: 关注市场波动，适当降低仓位
注意事项
- VaR基于历史数据，不代表未来极端风险
- 风险指标应综合多个维度评估
- 不同市场环境下风险特征可能变化
- 建议定期(月度/季度)更新风险分析
- 风险分析仅供参考，不构成投资建议
依赖
numpy>=1.20.0
scipy>=1.7.0
pandas>=1.3.0
matplotlib>=3.4.0
作者
FinClaw - 上海财经大学金融研究工具
