fund-analysis

分类: 数据与AI | 上传者: xmweijh | 下载: 0 | 版本: v1.0（最新）
当用户询问"分析基金"、"基金分析"、"评估基金"、"基金投资建议"、"选基金"、"推荐基金"、"fund analysis"，或提到"我的持仓"、"添加持仓"、"更新持仓"、"查看持仓"、"持仓列表"、"帮我记录基金"、"分析我的所有基金"、"帮我推荐基金"、"基金推荐"时使用此技能。通过多维度分析(技术面、基本面、舆情)为用户提供专业的基金投资建议，支持持仓列表管理（记忆、增删改查）、批量持仓组合分析和基于持仓分析的智能基金推荐。
更新日志: Source: GitHub https://github.com/xmweijh/fund-analysis-skill
目录结构

当前层级: 根目录
📁 data/
- 📄 .gitkeep 0 B
📁 examples/
- 📄 sample-report.md 3.9 KB
📁 references/
- 📄 analysis-metrics.md 5.7 KB
- 📄 fund-data-sources.md 3.4 KB
- 📄 report-template.md 6.1 KB
📁 scripts/
- 📄 __init__.py 115 B
- 📄 data_fetcher.py 34.4 KB
- 📄 example.py 4.2 KB
- 📄 fund_analyzer.py 27.3 KB
- 📄 fund_recommender.py 24.8 KB
- 📄 holding_analysis.py 2.0 KB
- 📄 investment_advisor.py 8.4 KB
- 📄 logger.py 1.3 KB
- 📄 manager_analysis.py 1.3 KB
- 📄 models.py 8.4 KB
- 📄 performance_analysis.py 867 B
- 📄 portfolio_manager.py 8.3 KB
- 📄 recommendation_advisor.py 7.9 KB
- 📄 recommendation_engine.py 11.5 KB
- 📄 report_generator.py 22.1 KB
- 📄 sentiment_analysis.py 10.8 KB
- 📄 technical_analysis.py 6.1 KB
📁 tests/
- 📄 test_recommendation_engine.py 11.6 KB
📄 .catpaw-install-meta.json 350 B
📄 .gitignore 1.0 KB
📄 install.py 3.6 KB
📄 README.md 7.0 KB
📄 requirements.txt 446 B
📄 SKILL.md 25.0 KB
SKILL.md

---
name: fund-analysis
description: 当用户询问"分析基金"、"基金分析"、"评估基金"、"基金投资建议"、"选基金"、"推荐基金"、"fund analysis"，或提到"我的持仓"、"添加持仓"、"更新持仓"、"查看持仓"、"持仓列表"、"帮我记录基金"、"分析我的所有基金"、"帮我推荐基金"、"基金推荐"时使用此技能。通过多维度分析(技术面、基本面、舆情)为用户提供专业的基金投资建议，支持持仓列表管理（记忆、增删改查）、批量持仓组合分析和基于持仓分析的智能基金推荐。
version: 1.2.1
---

# 基金分析技能

通过多维度深度分析,为用户提供专业的基金投资建议和详细的分析报告。

## 概述

此技能通过以下方式自动创建全面的基金分析报告:
- 从蛋卷基金API获取基金基础信息、净值历史、持仓数据等
- 执行技术面分析(MA均线、多空排列、趋势判断)
- 分析持仓结构和基金经理资历
- 评估历史业绩和风险指标
- 分析舆情和市场情绪
- 生成精确的买卖点位建议
- 提供操作检查清单
- 生成结构化的Markdown分析报告

**核心功能**:
- ✅ 支持所有类型基金(股票型、债券型、混合型、指数型等)
- ✅ 多维度综合分析(技术面、基本面、舆情)
- ✅ 精确的买卖点位建议
- ✅ 完整的操作检查清单
- ✅ 专业的Markdown格式报告
- ✅ **持仓列表管理**：记录、新增、更新、删除用户持仓（持久化本地存储）
- ✅ **批量持仓分析**：一键分析用户所有持仓基金
- ✅ **智能基金推荐**：基于多维度评分为用户推荐优质基金

---

## 持仓管理

### 📌 持仓管理概述

用户可以维护一份私人持仓列表，技能会将其**持久化保存到本地 JSON 文件**（`data/portfolio.json`），跨会话记忆。支持以下操作：

| 操作 | 自然语言示例 | 对应命令 |
|------|-------------|---------|
| 查看持仓 | "查看我的持仓" / "我持有哪些基金" | `portfolio` |
| 新增持仓 | "添加持仓 008975 易方达蓝筹精选混合" | `add 008975 [名称]` |
| 更新持仓 | "更新持仓 008975，持有10万份，成本净值1.5" | `add 008975 ...（覆盖更新）` |
| 删除持仓 | "删除持仓 008975" / "我卖掉了008975" | `remove 008975` |
| 分析全部 | "分析我所有持仓" / "帮我看看持仓情况" | `portfolio-analyze` |

### 🔄 持仓管理交互流程

**Step 1 — 理解用户意图**

当用户提到持仓相关内容时，识别意图：
- 含"我持有"、"我买了"、"添加持仓"、"记录一下" → **新增/更新持仓**
- 含"我卖了"、"已清仓"、"删除持仓"、"去掉" → **删除持仓**
- 含"我的持仓"、"持仓列表"、"查看" → **展示持仓列表**
- 含"分析我所有"、"持仓分析"、"组合分析" → **批量分析**

**Step 2 — 提取持仓信息**

从用户输入中提取：
- `fund_code`：6位数字（必填）
- `fund_name`：基金名称（可选）
- `shares`：持有份额（可选，如"10万份" → 100000）
- `cost_nav`：买入净值/成本净值（可选）
- `cost_amount`：买入金额（可选，如"投了5万" → 50000）
- `note`：备注（可选）

**Step 3 — 执行持仓操作**

根据意图运行对应方法：

```python
from scripts.fund_analyzer import FundAnalyzer

analyzer = FundAnalyzer()

# 新增/更新持仓
result = analyzer.portfolio_add(
    fund_code="008975",
    fund_name="易方达蓝筹精选混合",
    shares=100000,
    cost_nav=1.5000,
    cost_amount=50000,
    note="长期持有"
)
print(result)

# 查看持仓列表
print(analyzer.portfolio_list())

# 删除持仓
print(analyzer.portfolio_remove("008975"))

# 批量分析所有持仓
report = analyzer.portfolio_analyze_all()
print(report)
```

**Step 4 — 展示结果**

将返回的 Markdown 内容直接展示给用户。

### 💡 典型对话示例

**示例1：用户首次告知持仓**
```
用户: 我持有易方达蓝筹精选混合(008975)和中欧医疗健康(003095)，帮我记录一下
操作: 
  analyzer.portfolio_add("008975", fund_name="易方达蓝筹精选混合")
  analyzer.portfolio_add("003095", fund_name="中欧医疗健康")
响应: 展示更新后的持仓列表
```

**示例2：用户更新持仓细节**
```
用户: 更新一下，008975我买了10万份，成本净值是1.52，总共投了15.2万
操作:
  analyzer.portfolio_add("008975", shares=100000, cost_nav=1.52, cost_amount=152000)
响应: 展示更新后的持仓条目和完整列表
```

**示例3：用户卖出基金**
```
用户: 我已经卖掉了003095
操作:
  analyzer.portfolio_remove("003095")
响应: 确认删除，展示剩余持仓列表
```

**示例4：分析全部持仓**
```
用户: 帮我分析一下我所有持仓基金
操作:
  report = analyzer.portfolio_analyze_all()
响应: 展示组合分析报告，报告结构：
  1. 持仓总结摘要表（操作建议、涨跌幅、净值、近1年收益、核心结论一览）
  2. 目录（可点击跳转到每只基金的详细章节）
  3. 持仓列表（成本等基础信息）
  4. 各基金详细分析报告（含 HTML 锚点，支持目录跳转）
```

### 📁 持仓数据存储

- **文件位置**: `data/portfolio.json`
- **格式**: JSON 数组，每条记录包含 `fund_code`、`fund_name`、`shares`、`cost_nav`、`cost_amount`、`note`、`added_at`、`updated_at`
- **持久化**: 每次增删改操作后自动保存，跨会话保留
- **示例**:
```json
[
  {
    "fund_code": "008975",
    "fund_name": "易方达蓝筹精选混合",
    "shares": 100000.0,
    "cost_nav": 1.52,
    "cost_amount": 152000.0,
    "note": "长期持有",
    "added_at": "2026-03-07 15:00:00",
    "updated_at": "2026-03-07 16:30:00"
  }
]
```

---

## 使用方法

### 基本使用

当用户询问基金分析相关问题时,使用以下命令:

```bash
cd /Users/weijiahao03/AI/AI_workshop/.catpaw/skills/skills-market/fund-analysis
python scripts/fund_analyzer.py <基金代码>
```

**示例**:
```bash
python scripts/fund_analyzer.py 008975
```

### 用户交互流程

1. **收集基金代码**
   - 询问用户要分析的基金代码(6位数字)
   - 示例: 008975(易方达蓝筹精选混合)

2. **执行分析**
   - 运行分析脚本
   - 等待分析完成(约30-60秒)

3. **呈现报告**
   - 将生成的Markdown报告展示给用户
   - 保存报告到文件

4. **保存位置**
   - 报保存在 `examples/` 目录
   - 文件名格式: `fund_analysis_{基金代码}_{时间戳}.md`

## 分析维度说明

### 1. 技术面分析

**分析内容**:
- **移动平均线**: MA5、MA10、MA20、MA60
- **多空排列**: 判断多头/空头/无明确形态
- **技术信号**: 突破、破位、超买、超卖等信号
- **趋势判断**: 上升、下降、震荡
- **近期收益率**: 30天、60天、90天涨跌幅

**解读要点**:
- 多头排列 + 上升趋势 = 强烈买入信号
- 空头排列 + 下降趋势 = 卖出信号
- 超买信号 = 注意风险,不宜追高
- 超卖信号 = 可能是买入机会

### 2. 持仓分析

**分析内容**:
- **前十大重仓股**: 展示基金主要持仓
- **持仓集中度**: 前10大持仓占比
- **行业分布**: 主要投资行业
- **持仓风格**: 价值型/成长型/平衡型

**解读要点**:
- 持仓集中度 > 60% = 集中度高,波动大
- 持仓集中度 < 40% = 分散投资,风险较低
- 成长型 = 关注成长股,波动较大
- 价值型 = 关注低估值股票,相对稳健

### 3. 基金经理分析

**分析内容**:
- **从业年限**: 投资经验
- **管理该基金年限**: 对该基金的了解程度
- **管理基金数量**: 投资者可以评估基金经理的精力分配
- **历史业绩**: 平均收益率和最大回撤
- **资深程度**: 是否为资深基金经理

**解读要点**:
- 从业年限 > 5年 = 经验丰富
- 管理该基金 > 3年 = 对基金了解深入
- 年化收益 > 10% = 表现优秀
- 最大回撤 < 20% = 风险控制较好

### 4. 业绩分析

**分析内容**:
- **各时间段收益率**: 1月、3月、6月、1年、3年、5年
- **年化收益率**: 长期平均收益
- **最大回撤**: 历史最大亏损
- **同类排名**: 相对同类基金的表现
- **超额收益**: 相对基准的收益

**解读要点**:
- 1年收益 > 10% = 短期表现优秀
- 3年收益 > 15% = 中期表现优秀
- 5年收益 > 10% = 长期表现优秀
- 最大回撤 < 30% = 风险可控
- 同类排名 > 70% = 表现优异

### 5. 舆情分析

**分析内容**:
- **舆情得分**: 0-100分,反映市场情绪
- **情绪等级**: 强烈正面/正面/中性/负面/强烈负面
- **相关新闻**: 最近的相关新闻报道
- **关键词**: 市场关注点

**解读要点**:
- 得分 > 80 = 市场情绪乐观
- 得分 60-80 = 市场情绪中性偏乐观
- 得分 40-60 = 市场情绪中性
- 得分 20-40 = 市场情绪偏悲观
- 得分 < 20 = 市场情绪悲观

### 6. 投资建议

**分析内容**:
- **核心结论**: 一句话总结投资建议
- **操作建议**: 买入/持有/卖出/观望
- **理想买点**: 建议的买入价格区间
- **次要买点**: 补仓机会
- **止盈位**: 建议止盈价格
- **止损位**: 建议止损价格
- **操作检查清单**: 投资前的检查项目

**解读要点**:
- 买入: 综合得分高,建议积极配置
- 持有: 表现平稳,继续持有观察
- 卖出: 表现不佳,建议减仓或退出
- 观望: 趋势不明,等待明确信号

## 操作检查清单

在使用本技能进行基金分析前,请确保:

- [ ] 用户提供了有效的基金代码(6位数字)
- [ ] 了解了基金的类型和风险等级
- [ ] 确认了用户的风险承受能力
- [ ] 网络连接正常,可以访问蛋卷基金API
- [ ] 了解了基金分析的局限性

## 常见问题处理

### 问题1: 基金代码不存在

**症状**: 提示"基金代码不存在或格式错误"

**解决方案**:
1. 检查基金代码是否为6位数字
2. 确认基金代码是否正确
3. 提示用户在蛋卷基金或雪球网查询正确代码

### 问题2: 数据获取失败

**症状**: 提示"数据获取失败"或"API请求失败"

**解决方案**:
1. 检查网络连接
2. 确认pysnowball库路径配置正确
3. 尝试稍后重试
4. 查看日志文件获取详细错误信息

### 问题3: 分析速度慢

**症状**: 分析时间超过60秒

**解决方案**:
1. 检查网络速度
2. 查看日志确定哪个步骤慢
3. 可能是数据源响应慢,建议稍后重试

### 问题4: 部分数据缺失

**症状**: 报告中某些模块显示"数据暂不可用"

**解决方案**:
1. 这是正常现象,某些基金可能不提供所有数据
2. 不影响其他模块的分析
3. 在报告中明确标注了数据不可用

## 输出格式

分析报告使用Markdown格式,包含以下章节:

1. **投资建议摘要** - 快速了解核心建议
2. **基金基本信息** - 基金概况
3. **实时行情** - 当前净值和涨跌幅
4. **技术面分析** - MA均线、趋势、信号
5. **持仓分析** - 重仓股、行业分布
6. **基金经理分析** - 经验、业绩
7. **业绩分析** - 各时间段收益率
8. **舆情分析** - 新闻、情绪
9. **详细投资建议** - 买卖点位、检查清单
10. **免责声明** - 风险提示

## 数据来源

### 单只基金分析数据源

- **蛋卷基金API** (通过pysnowball库)
  - 基金基础信息 (名称、类型、成立日期等)
  - 净值历史 (365天历史净值)
  - 持仓数据 (前十大持仓、行业分布等)
  - 基金经理信息 (名称、年限、资历等)
  - 业绩数据 (各时间段收益、最大回撤等)

### 推荐基金数据源

推荐基金列表来自以下来源（优先级顺序）：

1. **用户持仓列表** (优先)
   - 从本地 `data/portfolio.json` 读取
   - 包含用户已经添加的基金代码
   - 用途：推荐用户已有或相似风格的基金

2. **默认热门基金集合** (降级方案)
   - 包含10只代表性基金，涵盖不同风格：
     - 低波指数型 (007751)
     - 价值风格 (008975)
     - 行业主题 (003095, 110022)
     - 平衡配置 (017043, 470018)
     - 成长风格 (519674, 000968)
     - 趋势跟踪 (420018, 163402)
   - 用途：演示、基准对比

### 📌 数据来源说明

| 数据类型 | 来源 | 覆盖范围 | 更新频率 |
|---------|------|---------|--------|
| 基金基础信息 | 蛋卷API | 全市场基金 | 实时 |
| 历史净值 | 蛋卷API | 最近365天 | 每日 |
| 持仓数据 | 蛋卷API | 最近1-3个月 | 定期 |
| 经理信息 | 蛋卷API | 实时 | 实时 |
| 业绩数据 | 蛋卷API | 全历史 | 每日 |
| 舆情数据 | 东方财富 | 最近15条公告 | 实时 |
| 推荐基金列表 | 用户持仓 + 默认集合 | 10-N只 | 按需 |

## 技术架构

### 核心模块

1. **DataFetcher** - 数据获取模块
   - 并发获取多个数据源
   - 支持数据缓存
   - 错误处理和重试

2. **TechnicalAnalyzer** - 技术面分析
   - MA均线计算
   - 多空排列判断
   - 技术信号检测

3. **HoldingAnalyzer** - 持仓分析
   - 持仓集中度计算
   - 行业分布分析
   - 持仓风格判断

4. **ManagerAnalyzer** - 基金经理分析
   - 经验评估
   - 业绩计算
   - 资深程度判断

5. **PerformanceAnalyzer** - 业绩分析
   - 收益率计算
   - 风险指标计算
   - 相对排名计算

6. **SentimentAnalyzer** - 舆情分析
   - 新闻获取
   - 情绪分析
   - 关键词提取

7. **InvestmentAdvisor** - 投资建议
   - 综合评分
   - 买卖点位计算
   - 检查清单生成

8. **ReportGenerator** - 报告生成
   - Markdown格式化
   - 报告保存

### 性能优化

- **并发数据获取**: 使用ThreadPoolExecutor并发获取6个数据源
- **数据缓存**: 实时数据缓存5分钟,历史数据缓存24小时
- **错误隔离**: 单个数据获取失败不影响其他模块

## 注意事项

1. **数据时效性**:
   - 净值数据可能有1天延迟
   - 持仓数据可能有1-3个月延迟
   - 建议定期更新分析

2. **分析局限性**:
   - 历史业绩不代表未来
   - 技术分析仅供参考
   - 市场环境变化可能影响判断

3. **投资风险**:
   - 基金投资有风险
   - 建议分散投资
   - 根据风险承受能力选择基金

## 示例报告

完整的分析报告示例请查看 `examples/` 目录。

---

## 智能基金推荐 ✨ (v1.2.0+)

### 📌 推荐功能概述

智能推荐系统基于**用户持仓分析**和**多维度评分算法**，为用户推荐优质基金。系统通过以下方式帮助用户优化投资组合：

1. **持仓风格分析** - 自动分析用户持仓的基金类型分布
2. **缺失补充** - 推荐不足的基金类型来平衡配置
3. **多维度评分** - 综合考虑技术面、基本面和舆情三个维度
4. **排重机制** - 自动排除已持仓的基金，避免重复购买

### 🎯 推荐维度

**技术面评分 (40% 权重)**
- 趋势权重 40%：上升=100分，震荡=70分，下降=40分
- 信号权重 40%：买入信号数量 × 10（上限100）
- 偏离度权重 20%：超买/超卖信号判断

**基本面评分 (40% 权重)**
- 收益权重 50%：近3年收益率（相对排名）
- 经理权重 30%：资深经理=90分，中等=70分，新手=50分
- 持仓权重 20%：持仓集中度 < 40%=100分，40-60%=70分，>60%=40分

**舆情评分 (20% 权重)**
- 直接使用情绪分数（0-100）

### 💻 使用方法

#### 基本推荐命令

```bash
# 推荐中风险、长期投资的前10只基金
python scripts/fund_analyzer.py recommend --risk 中 --period long --top 10

# 推荐高风险、短期投资的前5只基金
python scripts/fund_analyzer.py recommend --risk 高 --period short --top 5

# 推荐低风险基金（不限投资期限）
python scripts/fund_analyzer.py recommend --risk 低

# 推荐任意风险的长期投资基金
python scripts/fund_analyzer.py recommend --period long
```

#### 参数说明

| 参数 | 可选值 | 说明 |
|------|--------|------|
| `--risk` | 低、中、高 | 风险偏好，不指定表示不筛选 |
| `--period` | short、medium、long | 投资期限（短期<1年、中期1-3年、长期>3年） |
| `--top` | 数字，默认10 | 推荐基金数量 |

#### 风险等级含义

| 等级 | 近1年收益 | 最大回撤 | 波动率 | 适合投资者 |
|------|----------|---------|-------|----------|
| 低   | 5-8%    | < 10%   | < 5%  | 保守型，风险承受能力弱 |
| 中   | 8-15%   | 10-20%  | 5-10% | 平衡型，风险承受能力中等 |
| 高   | > 15%   | 20-30%  | > 10% | 激进型，风险承受能力强 |

### 📊 推荐报告格式

推荐报告包含以下信息：

```
# 推荐基金列表（中风险，长期投资）

## 📊 推荐摘要
- 扫描基金数量: 500+
- 推荐基金数: 10
- 推荐时间: 2026-03-09 22:52:18
- 平均得分: 65.3/100

## 🏆 推荐基金

### #1 基金名称 (基金代码)
**综合评分**: ⭐⭐⭐⭐ 85.0/100

**维度评分**:
- 📈 技术面: 80/100 (上升趋势)
- 💰 基本面: 90/100 (3年收益 +50%，超越同类 85%)
- 📢 舆情: 85/100 (正面)

**推荐理由**: 基本面扎实，技术面强势，长期表现优异

**关键指标**:
- 近1年收益: +18.5%
- 最大回撤: -12.3%
- 基金经理: 张三（从业15年）

... （更多推荐基金）

## 📌 使用建议
- 建议定期更新分析，市场环境可能变化
- 根据个人风险承受能力调整选择
- 优先考虑排名前三的基金
- 结合自身投资目标和时间框架综合判断

## ⚠️ 免责声明
本推荐仅供参考，不构成投资建议。基金投资有风险，过往业绩不代表未来表现。
请根据自身风险承受能力进行投资决策。
```

### 🔄 推荐工作流

**Step 1 — 持仓读取与分析**

系统自动从 `data/portfolio.json` 读取用户持仓，分析如下：
- 识别已持有的基金代码
- 分类基金类型（股票型、混合型、债券型、指数型）
- 计算各类型基金的占比权重

**Step 2 — 理解用户需求**

识别用户的推荐意图：
- "帮我推荐基金" → 使用默认参数（所有风险等级、任意投资期限、Top 10）
- "推荐适合长期的基金" → `period=long`
- "推荐低风险基金" → `risk=低`
- "推荐5只高收益基金" → `risk=高`, `top=5`

**Step 3 — 提取推荐参数**

从用户输入中识别：
- `risk_level`：风险等级 (低/中/高)
- `investment_period`：投资期限 (short/medium/long)
- `top_n`：推荐数量（默认10）

**Step 4 — 智能推荐流程**

系统执行以下推荐策略（优先级顺序）：
1. **策略1** - 从蛋卷API获取热门基金 (如实现)
2. **策略2** - 基于持仓风格匹配推荐 ⭐
   - 分析用户持仓的风格分布
   - 推荐权重最低的风格基金
   - 自动排除已持仓基金
3. **策略3** - 使用默认热门基金库
   - 包含各风格的优质基金
   - 再次过滤排除持仓

**Step 5 — 多维度评分**

对候选基金进行评分：
- **技术面** (40%)：趋势、信号、偏离度
- **基本面** (40%)：收益率、基金经理、持仓集中度
- **舆情** (20%)：市场情绪评分

**Step 6 — 风险和期限筛选**

根据用户偏好筛选：
- 按风险等级分类
- 按投资期限匹配
- 返回Top N推荐

**Step 7 — 展示结果**

将推荐报告直接展示给用户，并保存到本地文件 (`reports/YYYYMMDD/recommend_*.md`)

### 💡 典型对话示例

**示例1：用户要求基于持仓推荐补充基金**
```
用户: 帮我分析一下持仓，然后推荐一些适合长期投资的基金来补充
背景: 用户持仓中债券型占33%，混合型占33%，股票型仅11%
操作: 
  1. 系统读取 data/portfolio.json 中的9只持仓基金
  2. 分析风格分布：混合型、债券型各3只，股票型1只，指数型2只
  3. 识别不足：股票型权重过低
  4. python scripts/fund_analyzer.py recommend --risk 中 --period long --top 10
响应: 推荐列表优先推荐股票型基金来补充不足，所有推荐都排除了9只持仓基金
```

**示例2：用户要求高风险基金推荐**
```
用户: 我比较激进，想要一些高收益的基金，推荐5只就可以
操作: python scripts/fund_analyzer.py recommend --risk 高 --top 5
响应: 
  1. 系统分析用户持仓
  2. 推荐5只高风险基金（均不在持仓中）
  3. 每只基金显示综合评分、维度评分和推荐理由
  例: "基金A - 85.0/100 分 (技术面80分，基本面90分，舆情85分)"
```

**示例3：用户保守型投资者**
```
用户: 我风险承受能力比较弱，给我推荐一些稳定的基金
操作: python scripts/fund_analyzer.py recommend --risk 低
响应: 
  1. 系统自动读取并排除持仓
  2. 推荐低风险、稳定收益的基金
  3. 优先推荐缺失的风格类型
  4. 保存报告到 reports/YYYYMMDD/recommend_低_*.md
```

**示例4：用户查看持仓和推荐**
```
用户: 分析我所有持仓基金，然后帮我推荐一些补充基金
操作:
  1. python scripts/fund_analyzer.py portfolio-analyze (分析所有持仓)
  2. python scripts/fund_analyzer.py recommend --risk 中 (基于持仓推荐)
响应: 
  1. 展示持仓组合分析报告
  2. 展示推荐基金列表（自动排除了已持仓基金）
  3. 帮助用户优化投资组合结构
```

### 🛠️ 推荐引擎架构

**核心模块**

1. **FundRecommender** - 主推荐器
   - 读取用户持仓 (data/portfolio.json)
   - 分析持仓的风格分布
   - 执行智能推荐策略
   - 并发分析候选基金
   - 处理推荐逻辑

2. **FundScorer** - 基金评分器
   - 计算技术面、基本面、舆情三个维度的评分
   - 加权合成综合评分（0-100）
   - 判断基金风险等级

3. **FundRanker** - 基金排序器
   - 按综合评分排序
   - 按风险等级筛选
   - 按投资期限匹配
   - 返回Top N推荐基金

4. **RecommendationCardGenerator** - 推荐卡片生成
   - 生成格式化的推荐卡片
   - 展示维度评分和推荐理由
   - 提取关键指标

5. **RecommendationReportGenerator** - 推荐报告生成
   - 生成完整的推荐报告
   - 包含摘要、推荐列表、使用建议和免责声明
   - 自动保存到 reports/YYYYMMDD/recommend_*.md

### ✅ 推荐质量保证

**持仓排重机制**

系统实现多层次排重确保不推荐已持仓基金：
- 第1层：读取持仓代码集合
- 第2层：风格匹配时过滤持仓
- 第3层：默认基金库返回前再过滤
- 结果：推荐列表100%不包含持仓基金

**属性基础测试**

系统使用属性基础测试验证以下通用正确性属性：

1. **评分边界性** - 所有评分严格在 0-100 之间
2. **排序幂等性** - 重复排序结果一致
3. **最优保留** - 排序后评分最高的基金排在第一位
4. **排重完整性** - 所有推荐都不在持仓中

**单元测试**

- 17+ 个单元测试覆盖所有核心功能
- 测试评分算法、排序逻辑、报告生成
- 测试持仓风格分析和排重机制
- 全部测试通过，零失败

### 📁 推荐报告存储

- **文件位置**: `reports/YYYYMMDD/recommend_{风险等级}_{时间戳}.md`
- **格式**: Markdown
- **自动保存**: 每次推荐后自动保存
- **跨会话保留**: 报告持久化存储
- **示例**: `reports/20260309/recommend_中_20260309_233801.md`

### 🚀 后续升级规划 (方案 C)

未来可升级为机器学习推荐 (方案 C)：
- 收集用户选择的基金和后续收益数据
- 训练机器学习模型
- 实现个性化推荐
- 预测用户持仓的未来表现

## 更新日志

### v1.3.0 (2026-03-14)
- 📋 **持仓组合报告新增"总结摘要"和"目录"**
- 🗂 报告顶部自动生成持仓总结表（操作建议、日涨跌幅、当前净值、近1年收益、核心结论）
- 📊 操作分布统计（买入/持有/卖出各几只，一眼掌握组合状态）
- 📑 自动生成带锚点的目录，每条目录项显示操作建议和涨跌幅，点击可跳转对应基金报告
- 🔗 各基金报告标题前注入 HTML 锚点，实现文档内部精准定位
- 🔍 基于正则从报告正文提取关键元数据，无需修改分析流程

### v1.2.1 (2026-03-09)
- 🎯 **完善智能推荐基金功能**
- ✅ 实现基于用户持仓的智能推荐
- 🔄 自动分析持仓风格分布，推荐缺失类型基金
- 🚫 多层次排重机制，确保不推荐已持仓基金
- 📊 完整的持仓风格分析和权重计算
- 🧪 新增持仓排重和风格匹配的单元测试
- 📖 更新 SKILL.md 和 README.md 文档
- 🏗️ 预留蛋卷API实时热门基金接口

### v1.2.0 (2026-03-09)
- ✨ **新增智能推荐基金功能**（基础版）
- 🎯 多维度综合评分（技术面 40% + 基本面 40% + 舆情 20%）
- 🔍 支持按风险等级和投资期限筛选
- 📊 生成详细的推荐报告和推荐卡片
- ✅ 17 个单元测试 + 3 个属性基础测试，全部通过
- 🏗️ 预留方案 C (机器学习推荐) 的升级接口
- 📁 推荐报告自动按日期分类保存

### v1.1.0 (2026-03-07)
- 新增持仓列表管理功能（增删改查 + JSON 持久化）
- 新增批量持仓组合分析（`portfolio_analyze_all`）
- SKILL.md 加入持仓管理完整交互流程和对话示例
- description 新增持仓相关触发词

### v1.0.0 (2026-03-07)
- 初始版本发布
- 实现多维度基金分析功能
- 支持所有类型基金
- 生成Markdown格式报告
登录后下载/点赞/收藏 ❤ 2 | ★ 0
fund-analysis

目录结构

SKILL.md

举报内容

提示
