Skill Strategy Tearsheet Report

WorkBuddy PandaData MCP 强制覆盖

本节优先于本 Skill 后续取数示例。策略收益必须来自上游封存的真实回测文件；基准数据先按 共享 Runtime Skill 调用 auth_status 与 call_pandadata(get_index_daily)，再把真实返回 保存为 CSV。只运行 scripts/tearsheet_workbuddy.py --nav/--returns ... --benchmark-csv ...。 禁止本地数据 SDK、样本回退和合成数据；缺少文件或 Connector 数据时必须返回阻塞。

WorkBuddy PandaData MCP 强制覆盖

本节优先于本 Skill 后续取数示例。策略收益必须来自上游封存的真实回测文件；基准数据先按 共享 Runtime Skill 调用 auth_status 与 call_pandadata(get_index_daily)，再把真实返回 保存为 CSV。只运行 scripts/tearsheet_workbuddy.py --nav/--returns ... --benchmark-csv ...。 禁止本地数据 SDK、样本回退和合成数据；缺少文件或 Connector 数据时必须返回阻塞。

WorkBuddy PandaData MCP 强制覆盖

本节优先于本 Skill 后续取数示例。策略收益必须来自上游封存的真实回测文件；基准数据先按 共享 Runtime Skill 调用 auth_status 与 call_pandadata(get_index_daily)，再把真实返回 保存为 CSV。只运行 scripts/tearsheet_workbuddy.py --nav/--returns ... --benchmark-csv ...。 禁止本地数据 SDK、样本回退和合成数据；缺少文件或 Connector 数据时必须返回阻塞。

{
  "version": 1,
  "task": {
    "placeholder": "上传净值/收益序列 CSV（date, nav 或 date, return），或给出基金代码；说明基准",
    "required": true
  },
  "fields": [
    {
      "key": "benchmark_symbol",
      "label": "基准代码",
      "type": "text",
      "placeholder": "如 000300.SH（沪深300）",
      "help": "留空则不做相对基准分析"
    },
    {
      "key": "periods_per_year",
      "label": "年化期数",
      "type": "number",
      "default": "252",
      "help": "日频 252，周频 52，月频 12"
    },
    {
      "key": "rf_annual",
      "label": "无风险利率（年化）",
      "type": "number",
      "default": "0.02",
      "help": "用于夏普/索提诺"
    }
  ],
  "prompt_template": "{{#task}}序列与要求：\n{{task}}\n\n{{/task}}{{#attachments}}用户上传材料（已放入工作区）：\n{{attachments}}\n\n{{/attachments}}对上述净值/收益序列生成绩效 tearsheet。{{#benchmark_symbol}}基准采用 {{benchmark_symbol}}，做超额/信息比率/相关性分析。{{/benchmark_symbol}}{{#periods_per_year}}年化期数 {{periods_per_year}}。{{/periods_per_year}}{{#rf_annual}}无风险利率 {{rf_annual}}。{{/rf_annual}}计算年化收益/波动/夏普/索提诺/Calmar/最大回撤/滚动指标/月度收益/回撤区间，输出 JSON + HTML 看板与中文摘要。仅研究参考，不构成投资建议。"
}

skill-strategy-tearsheet-report

role: skill · output: Tearsheet (JSON + HTML) · paradigm: performance analytics

把“一条净值曲线”变成机构级的完整绩效画像。这是组织里所有回测/因子技能都需要、却各自零散拼凑的统一交付层。

🎯 这个 Skill 解决什么问题

组织里一堆技能会产出净值/收益，但绩效指标各算各的、格式不统一、没有可视化交付。本 Skill 做一个标准 tearsheet 生成器：输入一条序列，输出完整、一致、可复现的绩效报告 + HTML 看板，能被任何上游回测技能当“最后一公里”调用。

指标全集：

• 收益/风险：年化收益、年化波动、累计收益、最优/最差单期。
• 风险调整：Sharpe、Sortino、Calmar、Omega。
• 回撤：最大回撤、回撤持续期、Top-N 回撤区间表、恢复时间。
• 分布：偏度、峰度、VaR/CVaR、胜率、盈亏比。
• 滚动：滚动夏普、滚动波动、滚动回撤。
• 时间聚合：月度收益热力图、年度收益条。
• 相对基准（可选）：超额收益、信息比率、Beta、跟踪误差、相关性。

⚡ 工作流（Agent 按此执行）

1. 解析序列：读 NAV 或 return（date 列 + 数值列），推断频率；给了基金代码则按自然年分段调用 get_fund_daily，用收盘价构造净值代理。
2. 取基准（可选）：get_index_daily 拉基准净值，对齐日期。
3. 算指标：scripts/metrics.py（收益/风险/回撤/分布/滚动）。
4. 渲染：scripts/render.py 出 JSON + 自包含 HTML 看板（月度热力图、净值+回撤双轴、滚动夏普）。
5. 摘要：中文一段话点出策略性格（趋势/均值回复）、最大痛点（回撤/尾部）、与基准关系。

python scripts/tearsheet_workbuddy.py --returns selected_returns.csv --benchmark-csv benchmark.csv --out tearsheet.json --html tearsheet.html
python examples/run_demo.py

🗃️ 输入契约

输出 Tearsheet：summary{...} / risk_adjusted{...} / drawdowns[] / rolling{...} / monthly_returns[][] / vs_benchmark{...} + HTML。

📦 输出契约

产物对象 Tearsheet（JSON + 自包含 HTML 看板）：

文件产物：--out tearsheet.json、--html tearsheet.html。所有指标须标注序列频率与年化期数口径，基准来源（get_index_daily）与数据区间可溯源。

🔗 管线定位

因子/策略 → 回测(skill-backtest) → [本 Skill：绩效 tearsheet 交付] → 汇报/归档

它是回测的下游交付标准：任何产出净值的技能都可把序列丢给它，得到统一 tearsheet，避免每个技能重造绩效轮子。

📦 仓库结构

skill-strategy-tearsheet-report/
├── SKILL.md / README.md / requirements.txt
├── scripts/
│   ├── metrics.py        # 全套绩效指标
│   ├── render.py         # JSON + HTML 看板
│   └── tearsheet.py      # CLI 入口
├── references/
│   └── metrics-glossary.md   # 每个指标公式与解读
└── examples/
    └── run_demo.py

✅ 质量门槛

产物交付前须满足（不达标则降级并在报告显式声明，不静默通过）：

• 可溯源：每个关键数字可回溯到具体 Pandadata 接口 + 数据日期；缺失数据进 degraded[]，绝不编造或用近似冒充真实值。
• 降级透明：任一数据源为空/受限时，报告如实标注并降低结论置信度。
• 口径一致：单位、频率、基准口径在报告中显式声明。
• 仅研究：产物为研究/教育参考，不构成投资建议，不承诺收益。
• 年化期数须与序列频率一致（否则夏普失真）；月度热力图要求跨度≥2月。

⚠️ 使用规则

• 输入若为 NAV 先转对数/算术收益；缺失日期按频率补齐并标注。
• 年化期数必须与序列频率一致，否则夏普失真。
• 月度热力图要求序列跨度 ≥ 2 个月才有意义。
• 只做研究/绩效展示参考，不构成投资建议。