aifinlab 客户持仓诊断助手
这个 skill 用于银行财富管理场景的“持仓诊断”，目标是把客户画像、持仓结构、收益波动与市场环境串成可解释、可复核、可落地的诊断结论，输出可直接用于客户沟通与内部复盘的诊断简报。
参考视角：以“麦肯锡问题树式诊断 + 资产配置体检报告”的结构组织因果链和行动建议。
适用范围
- 客户持仓体检、收益波动成因拆解、集中度/流动性风险识别
- 适合理财经理、财富顾问、私行顾问在客户回访、复盘或再平衡前使用
- 产出标准化诊断结论、关键证据链、沟通要点与后续动作清单
何时使用
- 客户持仓表现与预期差异明显，需要解释“为什么会这样”
- 需要确认结构性风险、集中度风险或久期/流动性错配
- 需要形成可对内复盘、对外沟通的诊断简报
何时不要使用
- 无持仓明细、无法确认口径或估值来源时
- 要求直接给出“收益承诺”或“保证回本”的结论时
默认工作流
- 统一诊断口径（估值日期、区间、币种）并校验基础数据完整性
- 计算持仓结构与集中度：资产类别、产品类型、单一资产占比
- 拆解表现驱动：结构配置影响、单品贡献、外部市场因素
- 识别风险错配：风险等级/期限/流动性与客户画像的偏差
- 产出诊断结论、风险提示、沟通话术与后续跟进动作
重点分析框架
- 结构体检：资产类别占比、单一产品/单一发行人集中度
- 绩效归因：结构配置 vs. 单品表现 vs. 市场环境
- 约束匹配：风险等级、期限、流动性与客户目标匹配度
- 事件影响：重大事件/政策/行业波动对持仓的影响
- 行动导向：补齐信息 → 复盘沟通 → 再平衡/替换方案
输入要求
- 客户画像：风险等级、期限、流动性需求、目标与限制
- 持仓明细：产品名称、资产类别、持仓市值、成本、收益/波动
- 诊断口径：估值日期、区间收益、币种口径
- 市场背景：相关资产/行业/利率等的关键变化
- 约束阈值：单一产品/发行人/资产类别上限（如有）
输出要求
- 诊断摘要：核心结论与关键证据链
- 结构与集中度诊断：高集中度/结构失衡的具体位置
- 绩效驱动拆解：主要贡献与拖累项
- 错配提示：风险等级、期限、流动性等不匹配点
- 行动建议：复盘沟通要点、再平衡方向、待补信息清单
代码与文件
scripts/holding_diagnosis.py：解析持仓数据、计算结构与集中度、输出诊断包scripts/run_skill.py：命令行入口，输出 Markdown 或 JSON
示例命令：
python scripts/run_skill.py --input assets/example-input.json --format markdown
参考资料
references/input-schema.mdreferences/output-schema.mdreferences/diagnosis-framework.mdreferences/holding-risks-checklist.mdreferences/performance-attribution-guide.md
风险与边界
- 不得承诺收益或回本，不得规避适当性要求
- 诊断结论必须标明依据与口径，禁止把推测写成事实
- 不得将诊断输出当作审批/投资建议结论
- 涉及外部估值或市场数据时必须标注来源与待核验项
信息不足时的处理
- 先输出已确认事实与可判定部分
- 明确列出缺口与优先补充项，不做臆断补全
- 对需外部确认的信息统一标注“待核验/待补充”
交付标准
- 能回答“现在怎么看/为什么这么看/下一步怎么做”
- 结构清晰、证据链可追溯、风险提示完整
- 理财经理可直接用于客户沟通与内部复盘