aifinlab 跨资产配置/大类资产轮动助手
数据获取
通过 cn-stock-data skill 获取数据：
- 股票指数: 沪深300/中证500等
- 债券数据: 国债收益率/信用利差
- 商品数据: 黄金/原油/铜等
- 宏观数据: GDP/CPI/PMI/M2
分析工作流
Step 1: 宏观周期定位
- 美林时钟：复苏→过热→滞胀→衰退
- 中国版时钟：信用周期+经济周期双维度
- 领先指标：PMI/社融/M2增速
- 当前周期阶段判断
Step 2: 资产表现分析
- 各资产近期收益与波动率
- 资产间相关性矩阵
- 风险调整收益(Sharpe)排名
- 动量信号：各资产趋势方向
Step 3: 配置方案
- 战略配置：基于长期均衡的基准权重
- 战术调整：基于周期阶段的偏离
- 风险平价：按风险贡献均等配置
- Black-Litterman：融合主观观点与市场均衡
Step 4: 再平衡与风控
- 再平衡触发：偏离阈值或定期再平衡
- 下行保护：CPPI/期权保护策略
- 流动性管理：保持足够现金应对赎回
- 压力测试：极端场景下的组合表现
Step 5: 输出报告
输出格式
formal 风格（研报级）
# 跨资产配置报告
## 一、宏观周期
| 指标 | 数值 | 信号 |
|------|------|------|
## 二、资产表现
[各资产收益/波动/Sharpe]
## 三、配置建议
[各资产权重与调整方向]
## 四、风险评估
brief 风格（快速分析）
## 跨资产速览
- 当前周期：复苏早期
- 建议：超配股票(50%)、标配债券(30%)、低配商品(10%)、现金(10%)
- 股债相关性 -0.2，分散化有效
- 关注：CPI回升可能触发周期切换
参考 references/cross-asset-guide.md 获取详细方法论与 A股实证研究。
使用示例
示例 1: 基本使用
# 调用 skill
result = run_skill({
"param1": "value1",
"param2": "value2"
})
示例 2: 命令行使用
python scripts/run_skill.py --input data.json