name	fund-valuation
description	基金估值系统技能。提供基金查询、实时估值、市场数据获取等功能，支持 HTTP API 调用方式。

基金估值系统技能

触发场景

当用户请求以下内容时，应使用此技能：

查询基金信息、净值、持仓
获取基金实时估值和涨跌幅
查询股票、ETF、指数行情
批量估值多只基金
分析基金投资价值
分析基金涨跌原因
分析基金波动因子/风险来源
解释金融术语/概念
查询金融知识/最新资讯
调研相关开源项目/论文

能力说明

本技能提供以下功能：

能力	描述	HTTP API
基金查询	获取基金信息、持仓、净值	`GET /api/funds/{code}`
实时估值	盘中实时估算基金净值	`GET /api/valuation/{code}`
持仓管理	添加/删除/查看持仓	`GET/POST /api/funds`
股票行情	A 股实时价格	`GET /api/market/stock/{code}`
ETF 行情	场内 ETF 实时价格	`GET /api/market/etf/{code}`
指数行情	国内外指数点位	`GET /api/market/index/{code}`
批量估值	同时估值多只基金	`POST /api/valuation/batch`

AI 分析能力

除上述基础数据获取能力外，本技能还强调 AI 的分析推理能力，用于深度分析基金涨跌原因和波动因子。

重要原则：

禁止编造数据，所有数据必须来自 API 返回或可靠来源
分析要有深度，不能只是简单的罗列
要把各种信息联系起来，形成有逻辑的分析链条
篇幅要足够长，提供足够多的有效信息

涨跌原因分析

当用户要求分析基金涨跌原因时，AI 应进行深度多维度分析，而不是简单的罗列。

分析要求：

数据获取
- 获取基金前十大持仓（通过 GET /api/funds/{code}/holdings）
- 获取实时估值（通过 GET /api/valuation/{code}）
- 获取重仓股的实时行情（通过 GET /api/market/stock/{code}）
- 获取相关指数行情（通过 GET /api/market/index/{code}）
量化贡献分析（必须有数据支撑）
- 计算每个持仓的贡献度：贡献 = 持仓权重 × 涨跌幅
- 按行业汇总贡献，列出具体的百分比
- 区分正贡献和负贡献，计算净贡献
深度原因剖析（不是简单罗列）
- 结合市场整体走势分析
- 分析当日板块轮动规律
- 判断是否是系统性下跌还是个股问题
- 如果是行业整体下跌，分析行业下跌的根本原因
上下文关联分析
- 分析持仓公司的基本面变化（业绩、估值、景气度）
- 分析宏观因素（政策、资金面、情绪面）
- 分析行业周期位置
对比分析
- 与业绩基准对比（跑赢还是跑输）
- 与同类基金对比（在同类中的位置）
- 与历史表现对比（是否异常）

输出要求：

至少 500 字以上的深度分析
必须包含具体的数据和百分比
要有明确的分析结论
最后给出风险提示

反例（错误的分析）：

今日基金下跌 2%，主要是因为股市下跌。重仓股中贵州茅台跌了 2%，宁德时代跌了 3%。所以基金下跌了。

（这种分析太浅，没有量化，没有深度）

正例（正确的分析）：

## 深度分析：今日基金下跌 2.35%

### 一、量化贡献分解

根据持仓数据和实时行情计算：

| 持仓 | 权重 | 今日涨跌 | 贡献度 |
|------|------|----------|--------|
| 贵州茅台 | 9.2% | -2.1% | -0.19% |
| 宁德时代 | 7.8% | -4.5% | -0.35% |
| 招商银行 | 5.5% | -1.8% | -0.10% |
| 中国中免 | 4.2% | -3.2% | -0.13% |
| ... | ... | ... | ... |

**正贡献合计**：+0.15%（少数上涨的持仓）
**负贡献合计**：-2.50%（大部分持仓下跌）
**净贡献**：-2.35%

### 二、行业层面分析

从行业分布看，基金主要配置在：
- **食品饮料**（25%）：平均下跌 1.8%，贡献 -0.45%
- **新能源**（20%）：平均下跌 3.5%，贡献 -0.70%
- **金融**（15%）：平均下跌 1.5%，贡献 -0.23%
- **医药**（12%）：平均下跌 2.2%，贡献 -0.26%

今日下跌主要是**新能源和食品饮料**两大板块拖累。

### 三、深度原因剖析

1. **新能源板块**今日大幅下跌的原因：
   - 碳酸锂价格持续阴跌，行业景气度担忧
   - 欧洲新能源车销量不及预期
   - 估值处于历史高位，筹码松动

2. **食品饮料**下跌的原因：
   - 消费复苏预期转弱
   - 白酒龙头动销数据一般
   - 外资净卖出A股，消费板块承压

3. **市场整体**因素：
   - 今日A股整体下跌 1.8%，属于系统性调整
   - 主力资金净流出 200亿
   - 人民币贬值，北向资金净流出

### 四、与基准对比

- 基金下跌 2.35%，沪深 300 下跌 1.8%
- 基金跑输基准 0.55%，主要因为高配了高波动的新能源

### 五、结论与建议

**下跌原因总结**：
1. 主要是新能源和消费两大板块下跌拖累
2. 既有行业基本面因素，也有市场情绪因素
3. 跑输业绩基准，需要关注

**风险提示**：
- 新能源行业波动较大，注意集中度风险
- 消费复苏仍需观察，建议分散配置

基金投资价值分析

当用户要求分析基金的投资价值时，AI 应进行全面综合评估，而不是简单的"好"或"不好"。

分析要求：

数据获取
- 基金基本信息（类型、规模、成立时间）
- 历史业绩（近1年、3年、5年、成立以来）
- 持仓结构（行业分布、重仓股）
- 费率结构（管理费、托管费、销售服务费）
- 基金经理信息（任职时间、代表作）
业绩分析
- 收益维度：
  - 各时间段收益率（近1月/3月/6月/1年/3年/5年）
  - 年化收益率
  - 与业绩基准对比
  - 与同类基金对比（排名百分位）
- 风险维度：
  - 年化波动率
  - 最大回撤
  - 夏普比率（风险调整收益）
  - 卡玛比率（收益/最大回撤）
归因分析
- 收益来源分解：Alpha + Beta + 行业配置 + 个股选择
- 判断是运气还是实力（长期业绩是否稳定）
- 分析超额收益的可持续性
持仓分析
- 行业配置：是否分散、是否有明显偏好
- 重仓股质量：基本面是否优秀、估值是否合理
- 换手率：高换手（交易型）vs 低换手（价值型）
- 集中度：是否过于集中
基金经理分析
- 任职时间（是否经历过牛熊）
- 管理规模（规模过大可能影响业绩）
- 投资风格是否稳定
- 跳槽频率（稳定性）
费率分析
- 总费率（管理费+托管费+销售服务费）
- 费率在同类中的水平
- 长期持有的成本影响
风险评估
- 投资风险等级（高/中/低）
- 主要风险点
- 适合的投资者类型

输出要求：

至少 800 字以上的全面分析
必须有具体的数据和百分比
要给出明确的结论（适合/不适合，哪些人适合）
最后给出风险提示

反例（错误的分析）：

这只基金近一年收益 20%，很厉害，可以买。基金经理经验丰富，值得信赖。

（这种分析太空洞，没有数据支撑，没有风险提示）

正例（正确的分析）：

## 基金投资价值分析：易方达消费行业股票（110022）

### 一、基本信息

| 项目 | 数据 | 评价 |
|------|------|------|
| 基金类型 | 股票型 | 高风险 |
| 基金规模 | 320 亿 | 较大，需关注流动性 |
| 成立时间 | 2010 年 | 经历过牛熊，业绩有参考性 |
| 基金经理 | 萧楠 | 任职 8 年，经验丰富 |
| 管理费率 | 1.5% | 略高于同类平均 |

### 二、业绩分析

**收益表现：**
| 时间段 | 收益率 | 基准收益 | 超额收益 | 同类排名 |
|--------|--------|----------|----------|----------|
| 近1年 | +18.5% | +12.0% | +6.5% | 前 20% |
| 近3年 | +45.2% | +30.1% | +15.1% | 前 15% |
| 近5年 | +95.8% | +55.2% | +40.6% | 前 10% |
| 成立以来 | +285% | +120% | +165% | 前 5% |

**评价**：长期超额收益显著，且稳定，表明基金经理有较强的选股能力。

**风险指标：**
| 指标 | 数值 | 评价 |
|------|------|------|
| 年化波动率 | 22% | 较高 |
| 最大回撤 | -35% | 较大 |
| 夏普比率 | 0.85 | 较好 |
| 卡玛比率 | 0.53 | 一般 |

**评价**：波动和回撤较大，但风险调整后收益尚可。

### 三、归因分析

**收益来源分解（以近3年为例）：**
- Alpha（选股能力）：+10%
- Beta（市场上涨）：+18%
- 行业配置：+3%
- 个股选择：+14%

**分析**：
- 超额收益主要来自个股选择，说明基金经理选股能力较强
- 行业配置贡献为正，说明行业判断也有贡献
- 整体来看，业绩主要靠实力而非运气

### 四、持仓分析

**行业配置（2024年Q1）：**
- 食品饮料：35%（重仓白酒）
- 家电：15%
- 医药：12%
- 休闲服务：10%
- 其他：28%

**前十大持仓：**
| 股票 | 占比 | 行业 | 估值（PE-TTM） |
|------|------|------|-----------------|
| 贵州茅台 | 9.5% | 食品饮料 | 35x |
| 五粮液 | 7.2% | 食品饮料 | 25x |
| 美的集团 | 5.8% | 家电 | 15x |
| ... | ... | ... | ... |

**分析**：
- 持仓集中度高（55%），以消费为主
- 重仓股估值整体合理
- 换手率较低（年化 80%），属于价值投资风格

### 五、基金经理分析

**萧楠简历**：
- 从业年限：12 年
- 任职本基金：8 年
- 管理规模：500 亿
- 代表作：易方达消费行业股票（任职回报 285%）

**评价**：
- 经验丰富，经历过 2015 股灾、2018 贸易战、2020 疫情
- 管理规模较大，可能影响调仓灵活性
- 投资风格稳定，不漂移

### 六、费率分析

| 费用类型 | 费率 | 同类平均 |
|----------|------|----------|
| 管理费 | 1.5% | 1.3% |
| 托管费 | 0.25% | 0.2% |
| 销售服务费 | 0 | 0.3% |
| 合计 | 1.75% | 1.8% |

**评价**：总费率略低于同类平均，因为没有销售服务费。

### 七、综合评估

**优势：**
1. 长期超额收益显著且稳定
2. 基金经理经验丰富，投资风格稳定
3. 费率在同类中不算高
4. 重仓股基本面优秀

**劣势：**
1. 波动和回撤较大
2. 持仓集中度高
3. 规模较大，灵活性下降
4. 单一行业（消费）占比过高

**适合投资者：**
- 风险承受能力较强
- 投资期限较长（3年以上）
- 认同消费行业投资逻辑
- 希望获取超额收益

**不适合投资者：**
- 风险厌恶型
- 投资期限较短
- 需要分散行业风险

### 八、风险提示

1. **市场风险**：股票型基金波动较大，可能亏损
2. **集中度风险**：重仓消费行业，行业轮动可能不利
3. **规模风险**：规模较大，可能影响超额收益
4. **流动性风险**：重仓股可能存在流动性问题

波动因子分析

当用户要求分析基金波动因子时，AI 应进行系统性风险分解，识别风险的来源和传导机制。

分析要求：

获取完整数据
- 基金持仓结构（行业分布、市值分布）
- 前十大重仓股及占比
- 基金类型和投资范围
- 历史波动率和回撤数据
系统性风险（Market Risk）
- 计算市场 Beta：基金涨跌幅 / 指数涨跌幅
- Beta > 1 表示波动大于市场，< 1 表示波动小于市场
- 分析在不同市场环境下的表现（上涨市、下跌市、震荡市）
行业风险（Industry Risk）
- 列出各行业的配置比例
- 分析行业的周期属性（周期/防御）
- 判断行业集中度风险
- 分析行业之间的相关性
风格因子风险（Style Factor Risk）
- 市值因子：大盘/中盘/小盘，不同市值规模波动差异大
- 价值因子：低估值（高 PB）vs 成长（低 PB），价值股更稳健
- 动量因子：过去涨跌幅，趋势延续还是反转
- 波动率因子：历史波动率水平，高波动基金回撤大
- 盈利因子：ROE、盈利能力，优质公司更抗跌
集中度风险（Concentration Risk）
- 前十大持仓占比：>50% 为高集中度
- 单个行业占比：>30% 为高行业集中度
- 单只股票占比：>10% 为高个股集中度
流动性风险
- 持仓股票的日均成交量
- 是否存在流动性枯竭风险

输出要求：

至少 500 字以上的深度分析
必须有具体的数据支撑
要解释每个风险因子如何影响基金
最后给出风险管理建议

示例：

## 波动因子深度分析

### 一、基金风险画像

根据持仓数据，该基金的风险特征如下：

| 风险维度 | 指标值 | 风险等级 | 说明 |
|----------|--------|----------|------|
| 市场 Beta | 1.15 | 高 | 波动大于市场 15% |
| 前十大持仓 | 58% | 高 | 集中度较高 |
| 行业集中度 | 45% | 高 | 电子行业占比过高 |
| 市值因子 | 0.7 | 中高 | 偏中小盘 |
| 波动率 | 25% | 高 | 历史年化波动率 |

### 二、风险传导机制

1. **市场 Beta 传导**：
   - 市场每下跌 1%，基金预计下跌 1.15%
   - 在熊市中回撤会更大

2. **行业集中度风险**：
   - 电子行业占比 45%，包括半导体、消费电子、新能源电子
   - 电子行业属于强周期行业，波动大
   - 当电子行业下跌时，基金受创严重

3. **集中度放大效应**：
   - 前十大持仓占比 58%，其中宁德时代占比 9%
   - 宁德时代大跌 5%时，直接拖累基金 0.45%

### 三、历史表现验证

| 市场环境 | 基金表现 | 基准表现 | 超额收益 |
|----------|----------|----------|----------|
| 2022 熊市 | -25% | -20% | -5% |
| 2023 震荡 | +8% | -5% | +13% |
| 2024 上涨 | +20% | +15% | +5% |

**分析**：基金在牛市中表现较好，熊市中回撤也更大，验证了高 Beta 特征。

### 四、风险管理建议

1. **降低组合 Beta**：增配低波动、低 Beta 的资产
2. **分散行业**：电子行业占比过高，建议降至 30% 以下
3. **控制集中度**：前十大持仓建议降至 50% 以下
4. **关注流动性**：检查重仓股的日均成交量是否充足

金融知识查询

AI 可利用自身知识库回答问题，但要注意：

解释要详细，不要只给定义，要举例说明
如果是复杂概念，要分层次解释
如果不确定，要明确告知用户

回答要求示例：

问题：什么是夏普比率？

反例（太简短）：

夏普比率是衡量基金风险调整后收益的指标，越高越好。

正例（详细解释）：

## 夏普比率详解

### 定义
夏普比率（Sharpe Ratio）由诺贝尔经济学奖得主威廉·夏普提出，用于衡量投资者每承担一单位风险所获得的超额回报。

### 计算公式
夏普比率 = (基金收益率 - 无风险收益率) / 基金收益率的标准差

### 含义解读
- **夏普比率 > 1**：风险调整后收益较好，性价比高
- **夏普比率 > 2**：非常优秀的基金
- **夏普比率 < 0**：说明基金收益甚至不如无风险利率
- **夏普比率 = 0**：收益与风险完全匹配

### 举例
假设：
- 基金年化收益率：15%
- 无风险利率（国债收益率）：3%
- 基金年化波动率：20%

夏普比率 = (15% - 3%) / 20% = 0.6

这意味着每承担 1% 的波动风险，能获得 0.6% 的超额收益。

### 局限性
1. 假设收益率服从正态分布，可能低估极端风险
2. 只考虑下行波动，不考虑上行波动
3. 不同市场环境下夏普比率可参考性不同

### 如何使用
在选择基金时，应该：
1. 选择夏普比率 > 1 的基金
2. 在同类基金中比较夏普比率
3. 结合其他指标一起使用

深度调研

对于需要最新信息或深入研究的问题，AI 应进行调研：

调研原则：

先明确问题，再选择合适的调研方式
引用来源时要准确
不要只给出结论，要给出分析过程

调研方法：

WebSearch（网络搜索）
- 用于获取最新资讯、政策、新闻
- 搜索行业动态、公司公告
- 查找研究报告
WebFetch（网页抓取）
- 用于获取特定网页的详细内容
- 提取关键信息
- 验证搜索结果
Agent（子代理）
- 用于需要多步骤研究的复杂问题
- 可以并行获取多个来源的信息
- 综合整理调研结果

调研示例：

场景：用户问"这只重仓新能源的基金，最近新能源板块有什么政策？"

正确做法：

我先搜索一下最近新能源板块的相关政策：

[使用 WebSearch 搜索：新能源行业政策 2024]

根据搜索结果，我为您整理最近新能源板块的重要政策：

### 1. 光伏行业
- 2024 年光伏装机目标上调
- 分布式光伏政策持续加码
- 原材料价格下行，产业链利润重新分配

### 2. 新能源车行业
- 购置税减免政策延续
- 各地方补贴政策出台
- 充电基础设施加速建设

### 3. 政策影响分析
- **短期**：政策利好释放，但行业产能过剩担忧仍在
- **中长期**：政策支持方向明确，行业发展空间大
- **风险**：欧美贸易摩擦可能影响出口

结合政策面和基本面，建议关注...

禁止的行为：

凭空编造政策内容
不经调研就给出结论
只给结论不给分析过程

服务启动

检查服务状态

# 检查后端是否运行
curl -s http://localhost:8000/health

返回 {"status": "healthy"} 表示服务正常。

启动后端服务

如果服务未运行，Agent 应自行启动：

# 1. 进入项目根目录
cd <PROJECT_ROOT>

# 2. 安装依赖（如果需要）
pip install -r requirements.txt

# 3. 启动后端服务
uvicorn backend.main:app --reload --host 0.0.0.0 --port 8000

注意：

后端启动后，API 文档在 http://localhost:8000/docs

使用示例

示例 1：查询基金信息

HTTP API 调用:

curl http://localhost:8000/api/funds/110022

预期返回:

{
  "success": true,
  "data": {
    "fund_code": "110022",
    "fund_name": "易方达消费行业股票",
    "fund_type": "股票型",
    "nav": 3.2430,
    "nav_date": "2026-03-11"
  }
}

示例 2：获取实时估值

HTTP API 调用:

curl http://localhost:8000/api/valuation/110022

预期返回:

{
  "success": true,
  "data": {
    "fund_code": "110022",
    "estimated_nav": 3.2342,
    "estimated_change_percent": 0.31,
    "valuation_type": "holdings_based",
    "confidence": 0.75
  }
}

示例 3：批量估值

HTTP API 调用:

curl -X POST http://localhost:8000/api/valuation/batch \
  -H "Content-Type: application/json" \
  -d '{"fund_codes": ["110022", "510300", "159915"]}'

示例 4：获取持仓列表

HTTP API 调用:

curl http://localhost:8000/api/funds

示例 5：获取市场行情

股票行情:

curl http://localhost:8000/api/market/stock/600519

ETF 行情:

curl http://localhost:8000/api/market/etf/510300

指数行情:

curl http://localhost:8000/api/market/index/000300
curl http://localhost:8000/api/market/global-index/nasdaq

估值类型说明

系统根据基金类型自动选择最优估值方法：

估值类型	置信度	适用场景
`real_time_price`	100%	场内 ETF、LOF（直接取交易价格）
`index_based`	85%	指数基金、ETF 联接（基于跟踪指数）
`holdings_based`	60-80%	主动股票/混合型（基于持仓股票）
`benchmark_only`	30%	数据缺失（仅参考业绩基准）

常用基金代码参考

类型	代码	名称
沪深 300ETF	510300	华泰柏瑞沪深 300ETF
创业板 ETF	159915	易方达创业板 ETF
中证 500ETF	510500	南方中证 500ETF
科创 50ETF	588000	华夏科创 50ETF
黄金 ETF	518880	华安黄金 ETF
纳斯达克 ETF	513100	国泰纳斯达克 100ETF
标普 500ETF	513500	博时标普 500ETF

常用指数代码参考

市场	代码	名称
A 股	000300	沪深 300
A 股	000905	中证 500
A 股	399006	创业板指
A 股	000688	科创 50
港股	hsi	恒生指数
美股	nasdaq	纳斯达克指数
美股	sp500	标普 500
美股	dji	道琼斯指数
日本	n225	日经 225

常用因子参考

风格因子

因子	说明	A 股代表性指标
市值 (Size)	大盘股 vs 小盘股	中证 100 vs 中证 1000
价值 (Value)	低估值 vs 高估值	PB、PE
成长 (Growth)	高增长 vs 低增长	净利润增速、营收增速
动量 (Momentum)	趋势延续	过去 N 月涨跌幅
波动率 (Volatility)	波动大小	历史波动率
盈利 (Profitability)	盈利质量	ROE、毛利率
杠杆 (Leverage)	负债水平	资产负债率

行业分类（申万一级）

代码	行业	代码	行业
801010	农林牧渔	801030	纺织服装
801050	家用电器	801080	电子
801110	食品饮料	801120	休闲服务
801150	医药生物	801160	电气设备
801170	国防军工	801180	计算机
801210	传媒	801230	通信
801260	房地产	801280	商业贸易
801300	交通运输	801380	银行
801390	非银金融	801410	建筑装饰
801420	化工	801430	钢铁
801450	有色金属	801480	机械设备
801510	轻工制造	801630	公用事业

基金风格矩阵

	价值	平衡	成长
大盘	大盘价值	大盘平衡	大盘成长
中盘	中盘价值	中盘平衡	中盘成长
小盘	小盘价值	小盘平衡	小盘成长

分析流程建议

完整基金分析流程

第一步：数据收集（必须全部获取）

调用 GET /api/funds/{code} 获取基金基本信息
调用 GET /api/funds/{code}/holdings 获取持仓列表
调用 GET /api/valuation/{code} 获取实时估值
对于重仓股，调用 GET /api/market/stock/{code} 获取行情
如有必要，获取相关指数行情 GET /api/market/index/{code}

第二步：量化分析（必须有数据支撑）

计算每个持仓的贡献度
按行业汇总贡献
计算正负贡献合计
与业绩基准对比

第三步：深度剖析（不是简单罗列）

分析当日板块/行业走势
判断是系统性下跌还是个股问题
分析宏观/政策/资金面因素
判断行业周期位置

第四步：形成结论

总结下跌/上涨的核心原因
评估是否属于正常波动
给出风险提示
提供投资建议（如适用）

写作风格要求

禁止：

篇幅少于 500 字的"简短分析"
只有结论没有分析过程
简单的罗列（如"今日下跌是因为 XX、XX、XX"）
未经调研就编造政策/消息
使用"可能""也许""大概"等不确定词汇却不验证

推荐：

每个观点都有数据/事实支撑
分析要有逻辑链条（因为 XX，所以 XX）
适当引用市场背景和宏观因素
给出具体的风险点和操作建议
结尾必须有风险提示

篇幅参考：

基础分析（简单问答）：300-500 字
深度分析（涨跌原因）：800-1500 字
全面分析（含风险）：1500-2500 字

注意事项

服务依赖: 所有功能依赖后端服务运行在 http://localhost:8000
交易时间: 估值数据仅在 A 股交易时段（9:30-15:00）有效
QDII 时差: 投资海外的 QDII 基金估值时间与 A 股不同步
数据刷新: 建议设置合理的刷新间隔（>=30 秒），避免被数据源限制
免责声明: 估值数据仅供参考，不构成投资建议

故障排除

问题：API 调用返回空数据或错误

# 1. 检查后端服务是否运行
curl http://localhost:8000/health

# 2. 检查基金代码是否正确
curl http://localhost:8000/api/funds/query/110022

问题：估值数据为 null

可能是非交易时间
基金可能是 QDII，需要等待海外市场开盘
数据源可能暂时不可用

问题：后端启动失败

# 检查依赖是否安装
pip install -r requirements.txt

# 检查端口是否被占用
lsof -i :8000

name	fund-valuation
description	基金估值系统技能。提供基金查询、实时估值、市场数据获取等功能，支持 HTTP API 调用方式。

基金估值系统技能

触发场景

当用户请求以下内容时，应使用此技能：

查询基金信息、净值、持仓
获取基金实时估值和涨跌幅
查询股票、ETF、指数行情
批量估值多只基金
分析基金投资价值
分析基金涨跌原因
分析基金波动因子/风险来源
解释金融术语/概念
查询金融知识/最新资讯
调研相关开源项目/论文

能力说明

本技能提供以下功能：

能力	描述	HTTP API
基金查询	获取基金信息、持仓、净值	`GET /api/funds/{code}`
实时估值	盘中实时估算基金净值	`GET /api/valuation/{code}`
持仓管理	添加/删除/查看持仓	`GET/POST /api/funds`
股票行情	A 股实时价格	`GET /api/market/stock/{code}`
ETF 行情	场内 ETF 实时价格	`GET /api/market/etf/{code}`
指数行情	国内外指数点位	`GET /api/market/index/{code}`
批量估值	同时估值多只基金	`POST /api/valuation/batch`

AI 分析能力

除上述基础数据获取能力外，本技能还强调 AI 的分析推理能力，用于深度分析基金涨跌原因和波动因子。

重要原则：

禁止编造数据，所有数据必须来自 API 返回或可靠来源
分析要有深度，不能只是简单的罗列
要把各种信息联系起来，形成有逻辑的分析链条
篇幅要足够长，提供足够多的有效信息

涨跌原因分析

当用户要求分析基金涨跌原因时，AI 应进行深度多维度分析，而不是简单的罗列。

分析要求：

数据获取
- 获取基金前十大持仓（通过 GET /api/funds/{code}/holdings）
- 获取实时估值（通过 GET /api/valuation/{code}）
- 获取重仓股的实时行情（通过 GET /api/market/stock/{code}）
- 获取相关指数行情（通过 GET /api/market/index/{code}）
量化贡献分析（必须有数据支撑）
- 计算每个持仓的贡献度：贡献 = 持仓权重 × 涨跌幅
- 按行业汇总贡献，列出具体的百分比
- 区分正贡献和负贡献，计算净贡献
深度原因剖析（不是简单罗列）
- 结合市场整体走势分析
- 分析当日板块轮动规律
- 判断是否是系统性下跌还是个股问题
- 如果是行业整体下跌，分析行业下跌的根本原因
上下文关联分析
- 分析持仓公司的基本面变化（业绩、估值、景气度）
- 分析宏观因素（政策、资金面、情绪面）
- 分析行业周期位置
对比分析
- 与业绩基准对比（跑赢还是跑输）
- 与同类基金对比（在同类中的位置）
- 与历史表现对比（是否异常）

输出要求：

至少 500 字以上的深度分析
必须包含具体的数据和百分比
要有明确的分析结论
最后给出风险提示

反例（错误的分析）：

今日基金下跌 2%，主要是因为股市下跌。重仓股中贵州茅台跌了 2%，宁德时代跌了 3%。所以基金下跌了。

（这种分析太浅，没有量化，没有深度）

正例（正确的分析）：

## 深度分析：今日基金下跌 2.35%

### 一、量化贡献分解

根据持仓数据和实时行情计算：

| 持仓 | 权重 | 今日涨跌 | 贡献度 |
|------|------|----------|--------|
| 贵州茅台 | 9.2% | -2.1% | -0.19% |
| 宁德时代 | 7.8% | -4.5% | -0.35% |
| 招商银行 | 5.5% | -1.8% | -0.10% |
| 中国中免 | 4.2% | -3.2% | -0.13% |
| ... | ... | ... | ... |

**正贡献合计**：+0.15%（少数上涨的持仓）
**负贡献合计**：-2.50%（大部分持仓下跌）
**净贡献**：-2.35%

### 二、行业层面分析

从行业分布看，基金主要配置在：
- **食品饮料**（25%）：平均下跌 1.8%，贡献 -0.45%
- **新能源**（20%）：平均下跌 3.5%，贡献 -0.70%
- **金融**（15%）：平均下跌 1.5%，贡献 -0.23%
- **医药**（12%）：平均下跌 2.2%，贡献 -0.26%

今日下跌主要是**新能源和食品饮料**两大板块拖累。

### 三、深度原因剖析

1. **新能源板块**今日大幅下跌的原因：
   - 碳酸锂价格持续阴跌，行业景气度担忧
   - 欧洲新能源车销量不及预期
   - 估值处于历史高位，筹码松动

2. **食品饮料**下跌的原因：
   - 消费复苏预期转弱
   - 白酒龙头动销数据一般
   - 外资净卖出A股，消费板块承压

3. **市场整体**因素：
   - 今日A股整体下跌 1.8%，属于系统性调整
   - 主力资金净流出 200亿
   - 人民币贬值，北向资金净流出

### 四、与基准对比

- 基金下跌 2.35%，沪深 300 下跌 1.8%
- 基金跑输基准 0.55%，主要因为高配了高波动的新能源

### 五、结论与建议

**下跌原因总结**：
1. 主要是新能源和消费两大板块下跌拖累
2. 既有行业基本面因素，也有市场情绪因素
3. 跑输业绩基准，需要关注

**风险提示**：
- 新能源行业波动较大，注意集中度风险
- 消费复苏仍需观察，建议分散配置

基金投资价值分析

当用户要求分析基金的投资价值时，AI 应进行全面综合评估，而不是简单的"好"或"不好"。

分析要求：

数据获取
- 基金基本信息（类型、规模、成立时间）
- 历史业绩（近1年、3年、5年、成立以来）
- 持仓结构（行业分布、重仓股）
- 费率结构（管理费、托管费、销售服务费）
- 基金经理信息（任职时间、代表作）
业绩分析
- 收益维度：
  - 各时间段收益率（近1月/3月/6月/1年/3年/5年）
  - 年化收益率
  - 与业绩基准对比
  - 与同类基金对比（排名百分位）
- 风险维度：
  - 年化波动率
  - 最大回撤
  - 夏普比率（风险调整收益）
  - 卡玛比率（收益/最大回撤）
归因分析
- 收益来源分解：Alpha + Beta + 行业配置 + 个股选择
- 判断是运气还是实力（长期业绩是否稳定）
- 分析超额收益的可持续性
持仓分析
- 行业配置：是否分散、是否有明显偏好
- 重仓股质量：基本面是否优秀、估值是否合理
- 换手率：高换手（交易型）vs 低换手（价值型）
- 集中度：是否过于集中
基金经理分析
- 任职时间（是否经历过牛熊）
- 管理规模（规模过大可能影响业绩）
- 投资风格是否稳定
- 跳槽频率（稳定性）
费率分析
- 总费率（管理费+托管费+销售服务费）
- 费率在同类中的水平
- 长期持有的成本影响
风险评估
- 投资风险等级（高/中/低）
- 主要风险点
- 适合的投资者类型

输出要求：

至少 800 字以上的全面分析
必须有具体的数据和百分比
要给出明确的结论（适合/不适合，哪些人适合）
最后给出风险提示

反例（错误的分析）：

这只基金近一年收益 20%，很厉害，可以买。基金经理经验丰富，值得信赖。

（这种分析太空洞，没有数据支撑，没有风险提示）

正例（正确的分析）：

## 基金投资价值分析：易方达消费行业股票（110022）

### 一、基本信息

| 项目 | 数据 | 评价 |
|------|------|------|
| 基金类型 | 股票型 | 高风险 |
| 基金规模 | 320 亿 | 较大，需关注流动性 |
| 成立时间 | 2010 年 | 经历过牛熊，业绩有参考性 |
| 基金经理 | 萧楠 | 任职 8 年，经验丰富 |
| 管理费率 | 1.5% | 略高于同类平均 |

### 二、业绩分析

**收益表现：**
| 时间段 | 收益率 | 基准收益 | 超额收益 | 同类排名 |
|--------|--------|----------|----------|----------|
| 近1年 | +18.5% | +12.0% | +6.5% | 前 20% |
| 近3年 | +45.2% | +30.1% | +15.1% | 前 15% |
| 近5年 | +95.8% | +55.2% | +40.6% | 前 10% |
| 成立以来 | +285% | +120% | +165% | 前 5% |

**评价**：长期超额收益显著，且稳定，表明基金经理有较强的选股能力。

**风险指标：**
| 指标 | 数值 | 评价 |
|------|------|------|
| 年化波动率 | 22% | 较高 |
| 最大回撤 | -35% | 较大 |
| 夏普比率 | 0.85 | 较好 |
| 卡玛比率 | 0.53 | 一般 |

**评价**：波动和回撤较大，但风险调整后收益尚可。

### 三、归因分析

**收益来源分解（以近3年为例）：**
- Alpha（选股能力）：+10%
- Beta（市场上涨）：+18%
- 行业配置：+3%
- 个股选择：+14%

**分析**：
- 超额收益主要来自个股选择，说明基金经理选股能力较强
- 行业配置贡献为正，说明行业判断也有贡献
- 整体来看，业绩主要靠实力而非运气

### 四、持仓分析

**行业配置（2024年Q1）：**
- 食品饮料：35%（重仓白酒）
- 家电：15%
- 医药：12%
- 休闲服务：10%
- 其他：28%

**前十大持仓：**
| 股票 | 占比 | 行业 | 估值（PE-TTM） |
|------|------|------|-----------------|
| 贵州茅台 | 9.5% | 食品饮料 | 35x |
| 五粮液 | 7.2% | 食品饮料 | 25x |
| 美的集团 | 5.8% | 家电 | 15x |
| ... | ... | ... | ... |

**分析**：
- 持仓集中度高（55%），以消费为主
- 重仓股估值整体合理
- 换手率较低（年化 80%），属于价值投资风格

### 五、基金经理分析

**萧楠简历**：
- 从业年限：12 年
- 任职本基金：8 年
- 管理规模：500 亿
- 代表作：易方达消费行业股票（任职回报 285%）

**评价**：
- 经验丰富，经历过 2015 股灾、2018 贸易战、2020 疫情
- 管理规模较大，可能影响调仓灵活性
- 投资风格稳定，不漂移

### 六、费率分析

| 费用类型 | 费率 | 同类平均 |
|----------|------|----------|
| 管理费 | 1.5% | 1.3% |
| 托管费 | 0.25% | 0.2% |
| 销售服务费 | 0 | 0.3% |
| 合计 | 1.75% | 1.8% |

**评价**：总费率略低于同类平均，因为没有销售服务费。

### 七、综合评估

**优势：**
1. 长期超额收益显著且稳定
2. 基金经理经验丰富，投资风格稳定
3. 费率在同类中不算高
4. 重仓股基本面优秀

**劣势：**
1. 波动和回撤较大
2. 持仓集中度高
3. 规模较大，灵活性下降
4. 单一行业（消费）占比过高

**适合投资者：**
- 风险承受能力较强
- 投资期限较长（3年以上）
- 认同消费行业投资逻辑
- 希望获取超额收益

**不适合投资者：**
- 风险厌恶型
- 投资期限较短
- 需要分散行业风险

### 八、风险提示

1. **市场风险**：股票型基金波动较大，可能亏损
2. **集中度风险**：重仓消费行业，行业轮动可能不利
3. **规模风险**：规模较大，可能影响超额收益
4. **流动性风险**：重仓股可能存在流动性问题

波动因子分析

当用户要求分析基金波动因子时，AI 应进行系统性风险分解，识别风险的来源和传导机制。

分析要求：

获取完整数据
- 基金持仓结构（行业分布、市值分布）
- 前十大重仓股及占比
- 基金类型和投资范围
- 历史波动率和回撤数据
系统性风险（Market Risk）
- 计算市场 Beta：基金涨跌幅 / 指数涨跌幅
- Beta > 1 表示波动大于市场，< 1 表示波动小于市场
- 分析在不同市场环境下的表现（上涨市、下跌市、震荡市）
行业风险（Industry Risk）
- 列出各行业的配置比例
- 分析行业的周期属性（周期/防御）
- 判断行业集中度风险
- 分析行业之间的相关性
风格因子风险（Style Factor Risk）
- 市值因子：大盘/中盘/小盘，不同市值规模波动差异大
- 价值因子：低估值（高 PB）vs 成长（低 PB），价值股更稳健
- 动量因子：过去涨跌幅，趋势延续还是反转
- 波动率因子：历史波动率水平，高波动基金回撤大
- 盈利因子：ROE、盈利能力，优质公司更抗跌
集中度风险（Concentration Risk）
- 前十大持仓占比：>50% 为高集中度
- 单个行业占比：>30% 为高行业集中度
- 单只股票占比：>10% 为高个股集中度
流动性风险
- 持仓股票的日均成交量
- 是否存在流动性枯竭风险

输出要求：

至少 500 字以上的深度分析
必须有具体的数据支撑
要解释每个风险因子如何影响基金
最后给出风险管理建议

示例：

## 波动因子深度分析

### 一、基金风险画像

根据持仓数据，该基金的风险特征如下：

| 风险维度 | 指标值 | 风险等级 | 说明 |
|----------|--------|----------|------|
| 市场 Beta | 1.15 | 高 | 波动大于市场 15% |
| 前十大持仓 | 58% | 高 | 集中度较高 |
| 行业集中度 | 45% | 高 | 电子行业占比过高 |
| 市值因子 | 0.7 | 中高 | 偏中小盘 |
| 波动率 | 25% | 高 | 历史年化波动率 |

### 二、风险传导机制

1. **市场 Beta 传导**：
   - 市场每下跌 1%，基金预计下跌 1.15%
   - 在熊市中回撤会更大

2. **行业集中度风险**：
   - 电子行业占比 45%，包括半导体、消费电子、新能源电子
   - 电子行业属于强周期行业，波动大
   - 当电子行业下跌时，基金受创严重

3. **集中度放大效应**：
   - 前十大持仓占比 58%，其中宁德时代占比 9%
   - 宁德时代大跌 5%时，直接拖累基金 0.45%

### 三、历史表现验证

| 市场环境 | 基金表现 | 基准表现 | 超额收益 |
|----------|----------|----------|----------|
| 2022 熊市 | -25% | -20% | -5% |
| 2023 震荡 | +8% | -5% | +13% |
| 2024 上涨 | +20% | +15% | +5% |

**分析**：基金在牛市中表现较好，熊市中回撤也更大，验证了高 Beta 特征。

### 四、风险管理建议

1. **降低组合 Beta**：增配低波动、低 Beta 的资产
2. **分散行业**：电子行业占比过高，建议降至 30% 以下
3. **控制集中度**：前十大持仓建议降至 50% 以下
4. **关注流动性**：检查重仓股的日均成交量是否充足

金融知识查询

AI 可利用自身知识库回答问题，但要注意：

解释要详细，不要只给定义，要举例说明
如果是复杂概念，要分层次解释
如果不确定，要明确告知用户

回答要求示例：

问题：什么是夏普比率？

反例（太简短）：

夏普比率是衡量基金风险调整后收益的指标，越高越好。

正例（详细解释）：

## 夏普比率详解

### 定义
夏普比率（Sharpe Ratio）由诺贝尔经济学奖得主威廉·夏普提出，用于衡量投资者每承担一单位风险所获得的超额回报。

### 计算公式
夏普比率 = (基金收益率 - 无风险收益率) / 基金收益率的标准差

### 含义解读
- **夏普比率 > 1**：风险调整后收益较好，性价比高
- **夏普比率 > 2**：非常优秀的基金
- **夏普比率 < 0**：说明基金收益甚至不如无风险利率
- **夏普比率 = 0**：收益与风险完全匹配

### 举例
假设：
- 基金年化收益率：15%
- 无风险利率（国债收益率）：3%
- 基金年化波动率：20%

夏普比率 = (15% - 3%) / 20% = 0.6

这意味着每承担 1% 的波动风险，能获得 0.6% 的超额收益。

### 局限性
1. 假设收益率服从正态分布，可能低估极端风险
2. 只考虑下行波动，不考虑上行波动
3. 不同市场环境下夏普比率可参考性不同

### 如何使用
在选择基金时，应该：
1. 选择夏普比率 > 1 的基金
2. 在同类基金中比较夏普比率
3. 结合其他指标一起使用

深度调研

对于需要最新信息或深入研究的问题，AI 应进行调研：

调研原则：

先明确问题，再选择合适的调研方式
引用来源时要准确
不要只给出结论，要给出分析过程

调研方法：

WebSearch（网络搜索）
- 用于获取最新资讯、政策、新闻
- 搜索行业动态、公司公告
- 查找研究报告
WebFetch（网页抓取）
- 用于获取特定网页的详细内容
- 提取关键信息
- 验证搜索结果
Agent（子代理）
- 用于需要多步骤研究的复杂问题
- 可以并行获取多个来源的信息
- 综合整理调研结果

调研示例：

场景：用户问"这只重仓新能源的基金，最近新能源板块有什么政策？"

正确做法：

我先搜索一下最近新能源板块的相关政策：

[使用 WebSearch 搜索：新能源行业政策 2024]

根据搜索结果，我为您整理最近新能源板块的重要政策：

### 1. 光伏行业
- 2024 年光伏装机目标上调
- 分布式光伏政策持续加码
- 原材料价格下行，产业链利润重新分配

### 2. 新能源车行业
- 购置税减免政策延续
- 各地方补贴政策出台
- 充电基础设施加速建设

### 3. 政策影响分析
- **短期**：政策利好释放，但行业产能过剩担忧仍在
- **中长期**：政策支持方向明确，行业发展空间大
- **风险**：欧美贸易摩擦可能影响出口

结合政策面和基本面，建议关注...

禁止的行为：

凭空编造政策内容
不经调研就给出结论
只给结论不给分析过程

服务启动

检查服务状态

# 检查后端是否运行
curl -s http://localhost:8000/health

返回 {"status": "healthy"} 表示服务正常。

启动后端服务

如果服务未运行，Agent 应自行启动：

# 1. 进入项目根目录
cd <PROJECT_ROOT>

# 2. 安装依赖（如果需要）
pip install -r requirements.txt

# 3. 启动后端服务
uvicorn backend.main:app --reload --host 0.0.0.0 --port 8000

注意：

后端启动后，API 文档在 http://localhost:8000/docs

使用示例

示例 1：查询基金信息

HTTP API 调用:

curl http://localhost:8000/api/funds/110022

预期返回:

{
  "success": true,
  "data": {
    "fund_code": "110022",
    "fund_name": "易方达消费行业股票",
    "fund_type": "股票型",
    "nav": 3.2430,
    "nav_date": "2026-03-11"
  }
}

示例 2：获取实时估值

HTTP API 调用:

curl http://localhost:8000/api/valuation/110022

预期返回:

{
  "success": true,
  "data": {
    "fund_code": "110022",
    "estimated_nav": 3.2342,
    "estimated_change_percent": 0.31,
    "valuation_type": "holdings_based",
    "confidence": 0.75
  }
}

示例 3：批量估值

HTTP API 调用:

curl -X POST http://localhost:8000/api/valuation/batch \
  -H "Content-Type: application/json" \
  -d '{"fund_codes": ["110022", "510300", "159915"]}'

示例 4：获取持仓列表

HTTP API 调用:

curl http://localhost:8000/api/funds

示例 5：获取市场行情

股票行情:

curl http://localhost:8000/api/market/stock/600519

ETF 行情:

curl http://localhost:8000/api/market/etf/510300

指数行情:

curl http://localhost:8000/api/market/index/000300
curl http://localhost:8000/api/market/global-index/nasdaq

估值类型说明

系统根据基金类型自动选择最优估值方法：

估值类型	置信度	适用场景
`real_time_price`	100%	场内 ETF、LOF（直接取交易价格）
`index_based`	85%	指数基金、ETF 联接（基于跟踪指数）
`holdings_based`	60-80%	主动股票/混合型（基于持仓股票）
`benchmark_only`	30%	数据缺失（仅参考业绩基准）

常用基金代码参考

类型	代码	名称
沪深 300ETF	510300	华泰柏瑞沪深 300ETF
创业板 ETF	159915	易方达创业板 ETF
中证 500ETF	510500	南方中证 500ETF
科创 50ETF	588000	华夏科创 50ETF
黄金 ETF	518880	华安黄金 ETF
纳斯达克 ETF	513100	国泰纳斯达克 100ETF
标普 500ETF	513500	博时标普 500ETF

常用指数代码参考

市场	代码	名称
A 股	000300	沪深 300
A 股	000905	中证 500
A 股	399006	创业板指
A 股	000688	科创 50
港股	hsi	恒生指数
美股	nasdaq	纳斯达克指数
美股	sp500	标普 500
美股	dji	道琼斯指数
日本	n225	日经 225

常用因子参考

风格因子

因子	说明	A 股代表性指标
市值 (Size)	大盘股 vs 小盘股	中证 100 vs 中证 1000
价值 (Value)	低估值 vs 高估值	PB、PE
成长 (Growth)	高增长 vs 低增长	净利润增速、营收增速
动量 (Momentum)	趋势延续	过去 N 月涨跌幅
波动率 (Volatility)	波动大小	历史波动率
盈利 (Profitability)	盈利质量	ROE、毛利率
杠杆 (Leverage)	负债水平	资产负债率

行业分类（申万一级）

代码	行业	代码	行业
801010	农林牧渔	801030	纺织服装
801050	家用电器	801080	电子
801110	食品饮料	801120	休闲服务
801150	医药生物	801160	电气设备
801170	国防军工	801180	计算机
801210	传媒	801230	通信
801260	房地产	801280	商业贸易
801300	交通运输	801380	银行
801390	非银金融	801410	建筑装饰
801420	化工	801430	钢铁
801450	有色金属	801480	机械设备
801510	轻工制造	801630	公用事业

基金风格矩阵

	价值	平衡	成长
大盘	大盘价值	大盘平衡	大盘成长
中盘	中盘价值	中盘平衡	中盘成长
小盘	小盘价值	小盘平衡	小盘成长

分析流程建议

完整基金分析流程

第一步：数据收集（必须全部获取）

调用 GET /api/funds/{code} 获取基金基本信息
调用 GET /api/funds/{code}/holdings 获取持仓列表
调用 GET /api/valuation/{code} 获取实时估值
对于重仓股，调用 GET /api/market/stock/{code} 获取行情
如有必要，获取相关指数行情 GET /api/market/index/{code}

第二步：量化分析（必须有数据支撑）

计算每个持仓的贡献度
按行业汇总贡献
计算正负贡献合计
与业绩基准对比

第三步：深度剖析（不是简单罗列）

分析当日板块/行业走势
判断是系统性下跌还是个股问题
分析宏观/政策/资金面因素
判断行业周期位置

第四步：形成结论

总结下跌/上涨的核心原因
评估是否属于正常波动
给出风险提示
提供投资建议（如适用）

写作风格要求

禁止：

篇幅少于 500 字的"简短分析"
只有结论没有分析过程
简单的罗列（如"今日下跌是因为 XX、XX、XX"）
未经调研就编造政策/消息
使用"可能""也许""大概"等不确定词汇却不验证

推荐：

每个观点都有数据/事实支撑
分析要有逻辑链条（因为 XX，所以 XX）
适当引用市场背景和宏观因素
给出具体的风险点和操作建议
结尾必须有风险提示

篇幅参考：

基础分析（简单问答）：300-500 字
深度分析（涨跌原因）：800-1500 字
全面分析（含风险）：1500-2500 字

注意事项

服务依赖: 所有功能依赖后端服务运行在 http://localhost:8000
交易时间: 估值数据仅在 A 股交易时段（9:30-15:00）有效
QDII 时差: 投资海外的 QDII 基金估值时间与 A 股不同步
数据刷新: 建议设置合理的刷新间隔（>=30 秒），避免被数据源限制
免责声明: 估值数据仅供参考，不构成投资建议

故障排除

问题：API 调用返回空数据或错误

# 1. 检查后端服务是否运行
curl http://localhost:8000/health

# 2. 检查基金代码是否正确
curl http://localhost:8000/api/funds/query/110022

问题：估值数据为 null

可能是非交易时间
基金可能是 QDII，需要等待海外市场开盘
数据源可能暂时不可用

问题：后端启动失败

# 检查依赖是否安装
pip install -r requirements.txt

# 检查端口是否被占用
lsof -i :8000