portfolio-attribution-assistant
当用户需要对基金、组合、账户或策略进行收益归因分析时使用本技能，尤其适用于需要拆解总收益来源、 识别行业配置贡献、个券选择贡献、风格因子贡献、仓位变化影响、相对基准超额来源、阶段性胜负手的场景。 当用户提到“组合归因”“收益归因”“超额收益拆解”“行业贡献”“选股贡献”“配置贡献”“Brinson归因” “行业数据支持”“基金组合分析”“相对基准表现解释”等需求时，应优先调用本技能。 本技能特别适用于公募基金、专户组合、研究组合、策略回测结果的归因分析，且在存在较完整行业分类、行业收益、 基准权重、组合持仓权重和价格/收益数据时效果最佳。
Best use case
portfolio-attribution-assistant is best used when you need a repeatable AI agent workflow instead of a one-off prompt.
当用户需要对基金、组合、账户或策略进行收益归因分析时使用本技能，尤其适用于需要拆解总收益来源、 识别行业配置贡献、个券选择贡献、风格因子贡献、仓位变化影响、相对基准超额来源、阶段性胜负手的场景。 当用户提到“组合归因”“收益归因”“超额收益拆解”“行业贡献”“选股贡献”“配置贡献”“Brinson归因” “行业数据支持”“基金组合分析”“相对基准表现解释”等需求时，应优先调用本技能。 本技能特别适用于公募基金、专户组合、研究组合、策略回测结果的归因分析，且在存在较完整行业分类、行业收益、 基准权重、组合持仓权重和价格/收益数据时效果最佳。
Teams using portfolio-attribution-assistant should expect a more consistent output, faster repeated execution, less prompt rewriting.
When to use this skill
- You want a reusable workflow that can be run more than once with consistent structure.
When not to use this skill
- You only need a quick one-off answer and do not need a reusable workflow.
- You cannot install or maintain the underlying files, dependencies, or repository context.
Installation
Claude Code / Cursor / Codex
Manual Installation
- Download SKILL.md from GitHub
- Place it in
.claude/skills/portfolio-attribution-assistant/SKILL.mdinside your project - Restart your AI agent — it will auto-discover the skill
How portfolio-attribution-assistant Compares
| Feature / Agent | portfolio-attribution-assistant | Standard Approach |
|---|---|---|
| Platform Support | Not specified | Limited / Varies |
| Context Awareness | High | Baseline |
| Installation Complexity | Unknown | N/A |
Frequently Asked Questions
What does this skill do?
当用户需要对基金、组合、账户或策略进行收益归因分析时使用本技能，尤其适用于需要拆解总收益来源、 识别行业配置贡献、个券选择贡献、风格因子贡献、仓位变化影响、相对基准超额来源、阶段性胜负手的场景。 当用户提到“组合归因”“收益归因”“超额收益拆解”“行业贡献”“选股贡献”“配置贡献”“Brinson归因” “行业数据支持”“基金组合分析”“相对基准表现解释”等需求时，应优先调用本技能。 本技能特别适用于公募基金、专户组合、研究组合、策略回测结果的归因分析，且在存在较完整行业分类、行业收益、 基准权重、组合持仓权重和价格/收益数据时效果最佳。
Where can I find the source code?
You can find the source code on GitHub using the link provided at the top of the page.
SKILL.md Source
# 技能概述 本技能用于支持基金与投资组合的收益归因分析，帮助使用者回答“收益从哪里来、超额从哪里来、哪些行业和个券贡献最大、 业绩是否来自可持续能力还是阶段性暴露”这类问题。 本技能特别强调**行业数据支撑**。在基金投研分析场景中，行业维度常常是最重要的中观归因层。若缺少统一行业分类、 行业收益序列、行业基准权重或组合穿透持仓，则归因解释力度会明显下降。输出时必须明确说明：哪些结论是强证据， 哪些只是弱推断，哪些仍需补充数据验证。 # 适用范围 - 基金产品收益归因 - 组合相对基准超额收益归因 - 行业配置贡献与选股贡献分析 - 风格与因子暴露解释 - 阶段性收益来源拆解 - 组合经理复盘、路演材料、投委会分析、业绩解释 # 不适用范围 - 缺少最基本收益序列和持仓信息，无法形成有效归因框架 - 用户要求给出确定性的投资建议或未来收益承诺 - 仅凭单一时点持仓就要求做高可信动态归因，且没有区间交易/估算规则 - 数据口径严重冲突且无法校准时，不应给出看似精确的结论 # 输入要求 优先级从高到低如下： 1. 组合区间收益、基准区间收益 2. 组合区间持仓权重或多个观察点持仓 3. 基准成分及权重 4. 统一行业分类映射表 5. 行业区间收益数据 6. 个券区间收益数据 7. 风格因子暴露或风格标签 8. 换手、仓位、现金比例等辅助数据 若缺少行业数据，必须在结果中显式标注： - 行业配置贡献只能粗略估计 - 行业内选股贡献可信度下降 - 归因结果更适合作为解释性草案，而非正式投研结论 # 核心任务 1. 建立归因口径 - 明确分析对象、比较基准、分析区间、收益口径、行业分类口径 2. 拆分总收益来源 - 组合总收益、基准收益、超额收益 3. 拆解行业归因 - 行业配置贡献、行业内选股贡献、交互项或残差项 4. 识别关键贡献项 - 贡献最大的行业、拖累最大的行业、贡献最大的个券、拖累最大的个券 5. 识别风格与结构特征 - 大小盘、成长价值、周期消费、科技红利、防御风格等 6. 输出业务可读结论 - 用管理层、基金经理、研究员都能快速理解的方式总结 # 推荐工作流 ## 第一步：确认归因框架 优先采用以下层级： - 总收益归因 - 资产层归因（若有股票/债券/现金/衍生品） - 行业层归因 - 个券层归因 - 风格层归因 若数据较全，可使用经典的配置/选股拆解思路；若数据不全，可采用简化解释框架，但必须说明简化假设。 ## 第二步：统一数据口径 必须检查以下问题： - 组合和基准是否使用同一分析区间 - 行业分类是否统一 - 收益率是否采用同一复权口径 - 持仓权重是期初、期末、均值还是估算均值 - 个券是否存在停牌、退市、复权异常 - 港股、美股、ETF、可转债等是否单独归类 ## 第三步：进行行业归因 在行业数据较完整时，至少输出： - 各行业组合权重与基准权重差异 - 各行业区间收益 - 行业配置贡献 - 行业内选股贡献 - 行业总贡献排序 ## 第四步：进行个券与风格补充解释 对贡献靠前和拖累靠前的个券进行解释，结合风格暴露补充回答： - 组合赚钱主要靠哪些个股/主题/风格 - 超额是否集中于少数行业或少数个券 - 业绩是否存在较强偶然性或集中度风险 ## 第五步：形成结论与建议 输出时至少回答： - 组合收益和超额收益主要来自哪里 - 最重要的行业贡献项是什么 - 最重要的个券贡献项是什么 - 当前业绩解释中最有说服力的数据证据是什么 - 当前分析最明显的数据缺口是什么 - 下一步还应补充哪些行业数据或估值数据 # 输出要求 最终输出应尽量包含以下模块： 1. 执行摘要 2. 归因口径说明 3. 收益总览 4. 行业归因结果 5. 个券贡献结果 6. 风格暴露与结构特征 7. 主要正向贡献与负向拖累 8. 风险提示与数据缺口 9. 后续跟踪建议 # 风险与合规边界 - 不得将归因结果表述为未来收益保证 - 不得在证据不足时把相关性解释成稳定能力 - 不得在行业分类口径冲突时硬性输出精细行业结论 - 对估算口径必须显式披露 - 当行业数据不足时，必须降低结论强度 # 文件使用说明 - 详细业务规则：见 `references/attribution_methodology.md` - 行业数据要求：见 `references/industry_data_requirements.md` - 常见问题与红旗：见 `references/common_risks_and_pitfalls.md` - 输出结构：见 `references/output_schema.md` - 报告模板：见 `assets/templates/portfolio_attribution_report_template.md` - 数据缺口提示模板：见 `assets/templates/data_gap_notice_template.md` # 脚本说明 - `scripts/industry_weight_mapper.py`：将持仓映射到行业并汇总行业权重 - `scripts/brinson_attribution.py`：执行简化版行业配置/选股归因 - `scripts/render_attribution_report.py`：将归因结果渲染为中文 Markdown 报告 # 成功标准 本技能的高质量输出应满足以下要求： - 能清楚解释收益和超额收益的来源 - 行业层结论可核验、可复述、可追踪 - 能明确指出结论依赖了哪些关键行业数据 - 在数据不足时不会假装精确 - 能直接服务于基金复盘、投研会议和对内汇报
Related Skills
fund-portfolio-allocation
基金组合配置 - 智能基金组合构建与优化工具。 当用户需要构建基金组合、资产配置、投资组合优化、战略/战术资产配置、风险平价配置时使用此技能。 支持Markowitz均值方差优化、Black-Litterman模型、风险平价、目标日期/目标风险策略。 触发关键词：基金组合、资产配置、组合优化、Markowitz、风险平价、Black-Litterman、战略配置、战术配置。
fund-attribution-analysis
基金收益归因分析 - Brinson模型、因子归因、风格分析工具。 当用户需要分析基金超额收益来源、进行业绩归因、评估基金经理能力时使用此技能。 支持Brinson归因、因子归因、风格归因、行业归因、选股能力分析。 触发关键词：收益归因、Brinson、业绩归因、超额收益、阿尔法归因、因子分析。
wealth-product-suitability-assistant
当用户需要基于客户画像、风险承受能力、投资目标、期限偏好、流动性需求、 家庭资产配置情况和适当性要求，为客户推荐更合适的理财产品、产品组合或备选方案时， 使用本技能。适用于银行财富管理场景中的产品匹配、客户经理陪访准备、方案比较、 适当性校验、信息缺口提示和推荐报告输出。
wealth-advisor-compliance-communication-assistant
当用户需要在银行财富管理场景下生成、审阅、改写或校准合规沟通话术时，使用此技能。 适用于客户经理、理财经理、财富顾问在产品介绍、风险揭示、收益预期沟通、市场波动解释、客户异议回应、营销触达、存量持仓陪伴、售后答疑等场景中的合规表达支持。 当任务涉及“如何说”“能不能这么说”“这段话术是否夸大收益”“如何在不误导客户的前提下进行推荐”“如何做风险揭示与适当性沟通”时，优先调用本技能。
underwriting-workflow-orchestrator-assistant
当用户需要把一单保险核保案件按完整工作流进行分析时使用本 skill。它负责基于原始核保资料，按顺序调用或吸收已有的核保摘要、问题清单、补件提示、规则问答、结论解释和复核意见等技能结果，形成统一的 workflow 式分析与汇总输出。
underwriting-questionnaire-secondary-review-assistant
当用户需要对已经完成首轮审查的保险投保问卷进行二次复核，检查初审意见是否充分、风险判断是否一致、补问与补件是否到位、是否仍存在遗漏项或高风险未核实问题，并生成适合复核留痕、质量控制和后续核保流转的结构化复核结果时使用本 skill。
underwriting-questionnaire-precheck-assistant
当用户需要对保险投保问卷做首轮审查、识别缺失项与矛盾项、筛查高风险告知、整理补问问题、生成核保初审结果或判断是否需要进入人工复核时使用本 skill。适用于寿险、重疾险、医疗险、意外险等投保问卷、OCR 文本、截图转写文本或结构化问卷记录的通用初审与分流场景。
underlying-asset-lookthrough-assistant
用于底层资产穿透尽调的结构化扫描与风险初判，覆盖资产真实性核验、数据口径一致性校对、权属与涉诉异常识别、集中度与回款压力分析。适用于信托/资管项目尽调中的资产池穿透分析、风控预审与投前复核场景。
tumor-history-risk-review-assistant
当用户需要对与肿瘤相关的既往病史资料进行专业、结构化的审查，提取肿瘤类型、病理结果、分期分级、治疗经过、手术情况、放化疗或靶向治疗、复发转移风险、随访状态及其他与保险核保相关的重要健康信息，并生成适合核保审查、风险分层和资料流转的结构化分析结果时使用本 skill。
transaction-banking-solution-recommendation-assistant
当用户需要为企业客户推荐交易银行方案时使用本技能，适用于现金管理、收付款管理、 账户体系设计、资金归集、票据结算、供应链结算、跨境结算、银企直联、司库协同、 流动性管理和场景化产品匹配等场景。本技能用于基于客户行业、规模、交易模式、 账户结构、组织架构、上下游关系、境内外经营特征和合规约束，输出候选方案、 匹配理由、适用边界、落地路径和补充调研清单。
suspicious-transaction-identification-assistant
当用户需要在银行风险管理或 AML/反洗钱场景下，对客户、账户、交易流水、渠道行为、对手方关系、时间模式、金额模式、地域模式、行业模式等信息进行可疑交易识别、预警分级、线索整理、人工复核支持、报告输出时，使用本技能。 本技能特别适用于零售与对公账户的异常交易筛查、疑似洗钱/分拆/走账/过桥/空转/高频小额/异常对敲/异常集中收付等模式识别。 当用户明确要求结合行业基准、同业口径、外部黑灰名单、地域行业风险特征、典型可疑模式库进行判断时，也应优先使用本技能。
supply-chain-customer-identification-assistant
当用户需要在银行对公金融场景下开展供应链金融客户识别、核心企业链路梳理、上下游客户筛选、 交易闭环核验、客户分层、准入判断、白名单初筛、拓客名单整理、风险提示或识别报告输出时， 使用本技能。 适用于围绕核心企业开展供应商、经销商、承运商、服务商等链上客户识别与分类的任务。 当用户提供企业名单、交易资料、发票/订单/合同/物流/回款信息、工商信息、行业资料、 核心企业名单或希望生成供应链客户识别报告、客户清单、准入建议、补充核验事项时，优先调用本技能。