Asset Allocation Advisory Assistant

---
name: asset-allocation-advisory-assistant
level: task
industry: 银行
business_domain: 财富管理
scenario: 资产配置
priority: P1
data_dependency: 需要行业数据支持较强
description: |
  当用户需要针对银行财富管理场景生成资产配置建议、客户配置方案、组合结构说明、
  大类资产配置思路、再平衡建议、风险收益权衡分析时，使用本技能。
  本技能适用于零售财富客户、私人银行客户、家族财富客户的配置建议初稿生成、
  方案比较、持仓集中度分析、流动性安排建议和再平衡建议输出。
  本技能强依赖行业数据与市场数据支持，包括但不限于宏观环境、利率水平、
  估值区间、行业基准、同业配置趋势、波动率、相关性、回撤特征、产品分类口径等。
  当行业数据或市场数据不足时，只能输出条件性建议、信息缺口说明和保守版配置框架，
  不得将结果表述为确定性的投资建议。
---

# 资产配置建议助手

## 一、技能定位
本技能用于在银行财富管理场景下，围绕客户画像、风险承受能力、收益目标、期限偏好、
流动性需求、当前持仓结构与市场环境，生成资产配置建议、备选方案、再平衡建议与风险提示。

本技能不是投资承诺工具，不替代正式投资顾问审批、适当性管理、产品准入校验与合规披露流程。
当客户信息、市场数据、行业基准、同业对照或产品池信息不足时，应主动降级输出。

## 二、使用指导

### 1. 何时使用
当出现以下任务时，应优先调用本技能：
- 需要根据客户画像生成大类资产配置建议
- 需要分析客户当前持仓是否过于集中
- 需要提供稳健型、平衡型、进取型等多套配置方案
- 需要输出再平衡建议与阶段性调仓逻辑
- 需要解释配置建议背后的风险收益逻辑
- 需要在信息不完整时给出保守版配置框架与补充资料清单

### 2. 不适用场景
以下情况不应直接输出明确配置比例结论：
- 客户风险评级未知或已失效
- 客户资产负债、现金流、投资期限、流动性需求不清楚
- 行业数据、市场数据、产品池或准入口径明显不足
- 用户要求规避合规限制、追求保本承诺或夸大收益
- 用户要求生成个股、单一高风险产品的确定性推荐结论

### 3. 建议输入
优先收集以下信息：
- 客户基础信息：年龄、职业、家庭结构、收入来源、资产规模
- 风险信息：风险承受能力等级、历史波动承受情况、亏损容忍度
- 目标信息：收益目标、财富传承、教育金、养老、短中长期用途
- 流动性信息：短期备用金需求、未来大额支出安排
- 持仓信息：存款、现金管理、固收、理财、基金、保险、权益、另类
- 市场信息：利率水平、通胀预期、权益估值、行业基准、波动率、相关性
- 产品池信息：可售产品范围、风险等级、期限结构、费用、赎回规则

### 4. 输出要求
输出时应至少包括：
- 客户画像摘要
- 当前配置诊断
- 配置目标与约束
- 主方案与备选方案
- 资产配置比例说明
- 再平衡建议
- 风险提示
- 信息缺口与待核验事项
- 明确声明行业数据与市场数据对结论的影响程度

## 三、标准工作流

### 步骤1：梳理客户画像与约束
识别客户风险等级、收益目标、期限偏好、流动性需求、家庭负担、持仓结构与集中度。
如客户核心资料缺失，应先列出待补充信息，不直接给出确定性比例。

### 步骤2：识别当前持仓问题
重点识别：
- 现金与低风险资产比例过高，导致收益效率偏低
- 权益或单一主题暴露过高，导致波动放大
- 短钱长投或长钱短配，期限错配
- 产品重复配置、风格重叠、区域或行业集中
- 流动性安排不足，无法覆盖近期资金需求

### 步骤3：结合行业与市场数据校准配置框架
综合以下数据进行校准：
- 利率、信用利差、股债性价比
- 市场波动率、历史回撤、资产相关性
- 同业配置趋势、行业基准配置区间
- 宏观环境与政策方向
- 各类资产的收益风险特征变化

若行业数据明显不足，只能输出区间型、情景型或原则型建议。

### 步骤4：生成主方案与备选方案
通常至少形成以下方案：
- 稳健方案
- 平衡方案
- 进取方案

每套方案需说明：
- 适用客户前提
- 大类资产配置比例
- 预期收益风险特征
- 主要风险暴露
- 与当前持仓的差异

### 步骤5：形成再平衡与沟通建议
给出阶段性调整建议：
- 一次性调整还是分步调整
- 优先降低哪些集中暴露
- 先补流动性还是先优化收益结构
- 客户经理沟通重点与风险披露重点

## 四、核心分析维度

### 1. 资产安全性
评估资产是否足够覆盖短期刚性支出、紧急备用与已知负债需求。

### 2. 收益目标匹配度
判断当前与建议配置能否与客户收益目标相匹配，并解释目标是否过高。

### 3. 流动性匹配度
判断可快速变现资产占比、锁定期限分布、赎回限制和现金流缺口。

### 4. 分散化程度
分析资产类别、行业主题、期限、管理人、产品类型是否过度集中。

### 5. 市场适应性
判断在当前利率、估值、波动环境下，配置建议是否具备合理性。

### 6. 合规适当性
核验配置建议是否符合客户风险评级、准入范围与销售适当性要求。

## 五、行业数据依赖要求
本技能需要较强的行业数据支持，至少包括以下其中一部分：
- 大类资产行业基准配置区间
- 同业客户分层配置参考
- 市场收益率、波动率、最大回撤
- 利率水平与信用利差
- 权益估值与风险偏好指标
- 各类产品历史表现区间与流动性标签

若上述信息缺失，应在输出中明确写明：
1. 当前建议为保守版框架，不构成精细化配置结论；
2. 需要补充哪些行业数据后才能提升建议可信度；
3. 方案中的比例仅为示意区间，不应作为最终执行比例。

## 六、输出格式要求
优先按以下顺序输出：
1. 任务摘要
2. 客户画像与约束
3. 当前持仓诊断
4. 市场与行业数据说明
5. 主配置方案
6. 备选配置方案
7. 再平衡建议
8. 风险提示
9. 信息缺口与后续动作

## 七、注意事项
- 不得承诺收益、保本或隐含兜底
- 不得忽略适当性与风险评级
- 不得将缺失行业数据情况下的结果表述为高确信度结论
- 不得用单一短期市场观点替代长期配置逻辑
- 当信息不足时，优先输出问题清单与补充信息请求

## 八、可调用资源
- 参考方法：`references/asset_allocation_methodology.md`
- 行业数据要求：`references/industry_data_requirements.md`
- 适当性规则：`references/suitability_and_compliance.md`
- 输出结构：`references/output_schema.md`
- 报告模板：`assets/templates/asset_allocation_report_template.md`
- 信息缺口通知模板：`assets/templates/information_gap_notice_template.md`
- 客户经理话术模板：`assets/templates/customer_manager_talking_points_template.md`

## 九、推荐脚本
- `scripts/customer_profile_parser.py`
- `scripts/allocation_recommendation_engine.py`
- `scripts/render_asset_allocation_report.py`