aifinlab 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
{
"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