china-fund-strategy

中国基金/ETF年度走势分析与投资策略生成技能（增强版）：支持 AKShare 数据获取、增量分析、目录结构管理，生成包含年度统计、买卖时机分析、预估收益率、三种操作方案及风险管理建议的结构化报告。

china-fund-strategy Skill

中国基金/ETF年度走势分析与投资策略生成技能（增强版）

目录结构

text

china-fund-strategy/
├── SKILL.md              # 本文件，描述技能用途和使用方法
├── scripts/
│   ├── fund_strategy.py            # 增强版脚本（支持 akshare、增量分析、目录管理）
│   └── fund_strategy_csv.py        # CSV 版脚本（使用本地 CSV 数据源）
├── references/           # 可选：详细文档（按需加载）
└── assets/               # 可选：模板/资源/示例

核心功能

1. 自动目录管理

• 在 ./investment_analysis/<基金代码>/ 下创建工作目录（可通过环境变量 FUND_ANALYSIS_BASE_PATH 自定义基础路径）
• 每次分析自动创建日期子目录：<基金代码>/YYYY-MM-DD/
• 所有分析产物（中间数据、最终报告）均存放在对应日期目录中
• 同时在 ./investment_analysis/ 根目录保留一份兼容性报告（向后兼容）

2. 增量分析能力

• 自动检测并加载历史分析结果
• 在报告中提供“增量分析”章节，对比历史数据变化
• 支持基于历史分析优化投资策略建议

3. 多数据源支持

• AKShare 接口: 自动从 AKShare 获取基金历史行情数据（推荐）
• 本地CSV文件: 支持 UTF-8 和 UTF-8-SIG 编码
• 智能降级：当 AKShare 不可用时可使用本地CSV

4. 完整分析流程

• 年度高低点、收益率、波幅计算
• 走势特点和季节性规律分析
• 买入/卖出时机分析框架
• 预估收益率情景分析
• 三种操作方案（保守型/平衡型/激进型）
• 风险管理建议

使用方法

基本使用（AKShare 数据源 - 推荐）

bash

# 使用 AKShare 自动获取数据并分析
python3 scripts/fund_strategy.py <基金代码> <基金名称> --use-akshare

# 示例
python3 scripts/fund_strategy.py sz159768 "房地产ETF银华" --use-akshare

使用本地 CSV 文件

bash

# 使用本地 CSV 文件分析
python3 scripts/fund_strategy_csv.py <CSV文件路径> [基金代码] [基金名称]

# 示例
python3 scripts/fund_strategy_csv.py investment_analysis/sz159768/sz159768.csv sz159768 "房地产ETF银华"

环境变量

• FUND_ANALYSIS_BASE_PATH: 指定投资分析数据的基础目录，默认为 investment_analysis（相对于当前工作目录）

输出位置

脚本将生成以下文件：

• 日期目录报告：./investment_analysis/<基金代码>/YYYY-MM-DD/<基金代码>_analysis.md
• 兼容性报告：./investment_analysis/<基金代码>_analysis.md（保持向后兼容）

工作流程

1. 首次分析：

   • 获取数据（AKShare 或 CSV）
   • 执行年度分析
   • 生成基础分析报告
   • 保存至日期目录

2. 增量分析（再次分析同一基金）：

   • 自动加载历史分析结果
   • 对比新旧数据变化
   • 在报告中添加“增量分析”章节
   • 基于历史模式优化策略建议
   • 保存新报告至新日期目录

报告内容

生成的Markdown报告包含以下章节：

1. 基金基本信息

   • 分析日期、数据期间、交易天数
   • 首日开盘价、最新价格、累计涨跌
   • 历史分析次数和上次分析日期

2. 年度走势特点分析

   • 各年度高低点统计表（价格、日期、收益率、波幅）
   • 长期表现、波动特征、季节性规律

3. 增量分析（当有历史数据时）

   • 数据变化：新增交易日数、价格变化、期间价格范围
   • 策略调整建议：基于最新数据的具体操作建议

4. 买入时机分析

   • 历史低点回顾（包括距前一年高点跌幅、反弹幅度等指标）
   • 最佳买入时机：左侧交易（抄底）、右侧交易（趋势跟随）、季节性策略

5. 卖出时机分析

   • 历史高点回顾（包括距前一年低点涨幅、持续天数、后续最大回撤等指标）
   • 最佳卖出时机：目标收益率止盈、技术止盈信号、时间止盈策略

6. 预估收益率

   • 基于历史数据的情景分析（保守/中性/乐观/极端乐观）

7. 投资策略建议

   • 三种操作方案（保守型/平衡型/激进型）
   • 适用人群和预期年化收益率说明

8. 风险管理

   • 仓位控制、单笔最大亏损、持仓时间、再评估周期、止损纪律等建议

9. 关键时间节点提醒

   • 每月末、季度末、半年度、年末等时间窗口的操作建议

10. 综合建议

    • 当前最优策略摘要和需要关注的风险信号

11. 免责声明

    • 本分析仅基于历史数据，不构成投资建议。市场有风险，投资需谨慎。

目录结构示例

分析 sz159768 后的目录结构（假设当前工作目录为项目根）：

text

/current/workdir/
├── investment_analysis/
│   └── sz159768/
│       ├── 2026-08-15/                 # ← 首次分析目录
│       │   ├── raw_data_*.json         # ← 中间数据
│       │   └── sz159768_analysis.md    # ← 首次分析报告
│       └── 2026-08-16/                 # ← 次日分析目录
│           ├── raw_data_*.json         # ← 新数据
│           └── sz159768_analysis.md    # ← 包含增量分析的报告
└── sz159768_analysis.md                # ← 向后兼容性报告（根目录）

依赖要求

• Python 3.6+
• 必需：csv, json, datetime, pathlib, os (标准库)
• 可选但推荐：akshare (用于自动数据获取)

  bash

  pip install akshare
  

注意事项

1. 数据源选择：

   • 优先使用 AKShare 获取最新完整数据（需要预先安装 akshare）
   • 本地CSV适用于已有数据或特殊数据源
   • 两种方式任选其一即可

2. 增量分析限制：

   • 首次分析无历史数据可比较
   • 建议至少进行2次分析以体验增量功能
   • 历史分析兼容根目录和日期目录两种存放方式

3. 报告解读：

   • 报告中的“N/A”表示该指标在当前数据范围内无法计算（如历史数据不足）
   • 投资策略仅为框架建议，需结合个人风险承受能力
   • 市场变化快，建议定期更新分析

4. 免责声明： 本分析仅基于历史数据，不构成投资建议。市场有风险，投资需谨慎。 历史表现不代表未来结果，请根据自身风险承受能力谨慎决策。

---

技能增强时间：2026年8月16日