用于收益归因的组合归因计算原子 skill,适用于通用行业金融计算场景。
Scanned 6/6/2026
Install to Claude Code
npx -y skills add aifinlab/FinClaw --skill portfolio-attribution-calculation --agent claude-codeInstalls into .claude/skills of the current project.
Are you the author of Portfolio Attribution Calculation?
Add the live security badge to your README — it updates automatically with every re-scan.
[](https://www.skillsdirectory.com/skills/aifinlab-portfolio-attribution-calculation)More formats (shields.io, HTML) on the badges page.
---
name: portfolio-attribution-calculation
description: 用于收益归因的组合归因计算原子 skill,适用于通用行业金融计算场景。
---
# 组合归因计算 Skill
## 数据来源
本 Skill 支持多种组合数据输入格式,核心数据来源包括:
### 1. 组合持仓数据
- **持仓明细**:证券代码、持仓数量、持仓成本、当前市值
- **权重数据**:各证券在组合中的权重占比
- **行业分类**:证券所属行业、板块分类
- **风格标签**:价值/成长、大盘/小盘等风格标签
### 2. 收益率数据
- **组合收益率**:组合整体收益率序列
- **基准收益率**:基准指数收益率序列
- **证券收益率**:组合中各证券的收益率序列
- **行业收益率**:各行业的收益率序列
### 3. 数据格式要求
- **CSV格式**:标准持仓和收益率数据
- **Excel格式**:支持多工作表组合数据
- **JSON格式**:结构化组合数据
- **数据库连接**:支持SQL数据库直接查询
> 说明:本 Skill 不包含数据采集功能,需要用户提供清洗后的组合持仓和收益率数据。建议数据时间跨度不少于1年,以便进行准确的归因分析。
---
## 功能
本 Skill 提供全面的组合归因分析能力,涵盖多种归因方法:
### 1. 收益归因分析
- **Brinson归因**:将超额收益分解为资产配置、证券选择和交互效应
- **多因子归因**:基于多因子模型的收益归因分析
- **行业归因**:按行业分解组合收益贡献
- **风格归因**:按投资风格分解组合收益贡献
### 2. 风险归因分析
- **风险贡献度**:计算各证券对组合风险的贡献
- **行业风险贡献**:计算各行业对组合风险的贡献
- **因子风险贡献**:计算各因子对组合风险的贡献
- **集中度风险**:分析组合的集中度风险
### 3. 归因指标计算
- **归因贡献度**:各归因因子的贡献度
- **归因稳定性**:归因结果的稳定性分析
- **归因一致性**:不同时期归因结果的一致性
### 4. 归因报告生成
- **归因报告**:生成详细的归因分析报告
- **可视化图表**:生成归因结果的可视化图表
- **对比分析**:与基准或同类组合的对比分析
### 5. 数据处理能力
- **缺失值处理**:支持前向填充、插值等方法
- **异常值检测**:基于统计方法识别和处理异常数据
- **数据标准化**:支持不同数据源的格式统一
- **权重归一化**:自动归一化组合权重
---
## 使用示例
### 输出示例
```json
{
"portfolio": "组合A",
"period": "2024-01-01 to 2024-12-31",
"attribution": {
"total_return": 15.8,
"benchmark_return": 12.5,
"excess_return": 3.3,
"allocation_effect": 1.2,
"selection_effect": 1.8,
"interaction_effect": 0.3
},
"industry_attribution": {
"金融": 0.8,
"科技": 1.5,
"消费": 0.6,
"其他": 0.4
},
"style_attribution": {
"value": 1.2,
"growth": 1.1,
"large_cap": 0.7,
"small_cap": 0.3
},
"risk_attribution": {
"total_risk": 18.5,
"idiosyncratic_risk": 12.3,
"systematic_risk": 6.2
}
}
```
---
## 注意事项与限制
### 1. 数据质量要求
- 持仓和收益率数据需要经过清洗和验证
- 权重数据需要准确且归一化
- 基准数据需要与组合数据时间对齐
### 2. 归因方法选择
- 不同归因方法的结果可能不同
- Brinson归因适用于主动管理组合
- 多因子归因需要准确的因子暴露数据
### 3. 时间序列分析
- 归因分析应结合时间序列分析
- 不同时间区间的归因结果不可直接比较
- 市场环境变化会影响归因结果
### 4. 综合判断原则
- 单一归因指标不能全面反映组合表现
- 需要结合风险指标进行综合分析
- 应结合投资策略和市场环境进行判断
### 5. 使用限制
- 本 Skill 输出为技术分析结果,不构成投资建议
- 使用者应结合专业判断和具体业务场景
- 对于重大决策,建议咨询专业投资顾问
---
## 参考资料
- 见 references/ 目录中的相关文档,包括:
- 组合归因分析方法手册
- Brinson归因模型说明
- 多因子归因模型指南
- 数据处理方法说明文档
## License
- 本 skill 代码部分采用 MIT License,详见 `LICENSE` 文件
- 依赖与运行环境以 `requirements.txt` 为准
- 文档内容采用 CC BY 4.0 许可
No comments yet. Be the first to comment!