A股公募基金持仓分析/机构持仓追踪。当用户说"基金持仓"、"机构持仓"、"公募重仓"、"基金在买什么"、"机构抱团"、"XX被哪些基金持有"、"基金经理持仓"、"fund holding"时触发。分析公募基金季报披露的重仓股数据,追踪机构持仓变动、抱团程度、行业配置偏好。通过 web 搜索获取基金持仓数据,结合 cn-stock-data 获取个股行情和财务指标。支持机构持仓研究风格(formal)和个人跟踪笔记风格(brief)。
Scanned 9/7/2026
Install to Claude Code
npx -y skills add aifinlab/FinClaw --skill a-share-fund-holding --agent claude-codeInstalls into .claude/skills of the current project.
Are you the author of A Share Fund Holding?
Add the live security badge to your README — it updates automatically with every re-scan.
[](https://www.skillsdirectory.com/skills/aifinlab-a-share-fund-holding)More formats (shields.io, HTML) on the badges page.
---
name: a-share-fund-holding
description: A股公募基金持仓分析/机构持仓追踪。当用户说"基金持仓"、"机构持仓"、"公募重仓"、"基金在买什么"、"机构抱团"、"XX被哪些基金持有"、"基金经理持仓"、"fund holding"时触发。分析公募基金季报披露的重仓股数据,追踪机构持仓变动、抱团程度、行业配置偏好。通过 web 搜索获取基金持仓数据,结合 cn-stock-data 获取个股行情和财务指标。支持机构持仓研究风格(formal)和个人跟踪笔记风格(brief)。
---
### 数据源
```bash
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
# 个股行情(被重仓的股票)
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE1],[CODE2],...
# 个股财务指标
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]
# K线(持仓变动期间的股价走势)
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [季报期末日期]
```
**核心数据来源为 web 搜索**(基金持仓数据无法从 cn-stock-data 直接获取):
- 公募基金季报重仓股数据(东方财富/天天基金/Wind)
- 基金净值和规模数据
- 基金经理持仓明细
- 行业配置数据
### Workflow (5 steps):
**Step 1: 确定分析维度**
根据用户需求选择分析角度:
- **个股视角**:"XX被哪些基金持有" → 分析单只股票的机构持仓
- **基金视角**:"XX基金买了什么" → 分析单只基金的持仓组合
- **市场视角**:"基金在买什么" → 分析全市场公募基金的持仓偏好
- **变动视角**:"机构最近在加仓什么" → 分析最新季度持仓变化
**Step 2: 数据获取**
通过 web 搜索获取最新季报数据(每季度披露一次):
- 基金季报披露时间:Q1 在 4 月底前、半年报 8 月底前、Q3 在 10 月底前、年报 3 月底前
- 季报仅披露前十大重仓股,半年报和年报披露全部持仓
**个股视角**需获取:
| 基金名称 | 基金经理 | 规模(亿) | 持股数(万股) | 持仓市值(亿) | 占基金净值(%) | 较上期变动 |
**市场视角**需获取:
| 股票代码 | 名称 | 被持有基金数 | 合计持仓市值(亿) | 占流通股(%) | 较上期变化 |
**Step 3: 持仓分析**
**抱团度分析**:
- 机构持仓集中度:Top 10/20/50 重仓股占全部持仓的比例
- 抱团股特征:PE/PB/ROE/市值分布
- 与上季度对比:加仓/减仓/新进/退出
**行业配置**:
| 行业 | 配置比例(%) | 标准配置(%) | 超配/低配 | 较上期变化 |
- 标准配置 = 行业在沪深300/中证800中的权重
- 超配/低配 = 实际配置 - 标准配置
**个股层面**(通过 cn-stock-data 补充):
- 被增持股的共性(行业/估值/增速特征)
- 被减持股的共性
- 新进重仓股分析
**Step 4: 明星基金经理跟踪**(可选)
如用户关注特定基金经理:
- 持仓前 10 大重仓股
- 本季度调仓方向
- 历史持仓风格(价值/成长/均衡)
- 业绩表现
**Step 5: 输出**
### 风格说明
| 维度 | formal(机构持仓研究) | brief(个人跟踪笔记) |
|------|---------------------|---------------------|
| 篇幅 | 3-5 页 | 1 页 |
| 持仓明细 | 完整(Top 20 + 行业配置 + 变动分析) | Top 10 + 关键变动 |
| 抱团分析 | 抱团度量化 + 历史对比 | 一句话判断 |
| 行业配置 | 完整超配/低配表 | Top 3 超配/低配 |
| 基金经理 | 可含多位重点经理 | 1-2 位代表性的 |
| 投资启示 | 客观分析配置趋势 | 可加个人判断 |
| 免责声明 | 需要 | 不需要 |
### 关键规则
1. **数据滞后性**:基金持仓数据来自季报,滞后 1-2 个月。分析时必须标注数据截止日期(如"基于2025Q4季报数据")
2. **季报 vs 半年报/年报**:季报仅披露前 10 大重仓股,半年报和年报披露全部持仓,分析时需注意覆盖范围
3. **不等于实时持仓**:季报数据是报告期末的快照,基金可能在此后已调仓
4. **抱团≠好**:高度抱团的股票在市场风格切换时可能出现踩踏
5. **区分主动和被动**:指数基金(ETF/指数增强)的持仓由指数成分决定,应分开分析
6. **与其他 skill 联动**:
- 对机构大幅增持的股票用 a-share-earnings-analysis 分析基本面
- 对行业配置变动用 a-share-sector 做行业研究
- 对机构偏好变化用 a-share-northbound 交叉验证(国内机构 vs 外资)
## 使用示例
### 示例 1: 基本使用
```python
# 调用 skill
result = run_skill({
"param1": "value1",
"param2": "value2"
})
```
### 示例 2: 命令行使用
```bash
python scripts/run_skill.py --input data.json
```
Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.
No comments yet. Be the first to comment!