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
- 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
- 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）
- 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
- 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）
- 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
- 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