aifinlab 风险收益匹配计算 Skill
数据来源
本 Skill 支持多种金融数据输入格式，核心数据来源包括：
1. 产品数据
- 产品收益率：历史收益率序列、预期收益率
- 产品风险指标：波动率、最大回撤、VaR等
- 产品特征：产品类型、投资范围、风险等级
- 产品评级：风险评级、收益评级
2. 客户数据
- 客户风险承受能力：风险测评结果、风险等级
- 客户投资目标：收益目标、投资期限
- 客户投资经验：投资经验年限、投资品种经验
- 客户财务状况：资产规模、收入水平
3. 匹配规则数据
- 适当性规则：监管规定的适当性匹配规则
- 风险等级映射：产品风险等级与客户风险承受能力映射
- 匹配阈值：风险收益匹配的阈值标准
4. 数据格式要求
- CSV格式：标准产品和客户数据
- Excel格式：支持多工作表数据
- JSON格式：结构化匹配数据
- 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产品和客户数据。建议数据完整且符合监管要求，以便进行准确的风险收益匹配。
功能
本 Skill 提供全面的风险收益匹配计算能力，涵盖多种匹配方法：
1. 风险匹配计算
- 风险等级匹配：产品风险等级与客户风险承受能力匹配
- 风险指标匹配：基于风险指标的匹配度计算
- 风险偏好匹配：基于客户风险偏好的匹配分析
- 风险限额匹配：基于客户风险限额的匹配检查
2. 收益匹配计算
- 收益目标匹配：产品预期收益与客户收益目标匹配
- 收益风险比匹配：基于收益风险比的匹配分析
- 历史收益匹配：基于历史收益的匹配度计算
3. 综合匹配计算
- 综合匹配度：综合考虑风险和收益的匹配度
- 匹配评分：计算匹配评分和匹配等级
- 匹配建议：生成匹配建议和不匹配原因
4. 匹配报告生成
- 匹配报告：生成详细的匹配分析报告
- 匹配清单：生成匹配和不匹配的清单
- 可视化图表：生成匹配结果的可视化图表
5. 数据处理能力
- 缺失值处理：支持前向填充、默认值填充等方法
- 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
- 规则验证：自动验证匹配规则的有效性
使用示例
输出示例
{
"customer_id": "CUST001",
"product_id": "PROD001",
"matching_result": {
"risk_matching": {
"product_risk_level": "R4",
"customer_risk_tolerance": "R4",
"risk_match": true,
"risk_match_score": 1.0
},
"return_matching": {
"product_expected_return": 8.5,
"customer_return_target": 8.0,
"return_match": true,
"return_match_score": 0.95
},
"comprehensive_matching": {
"overall_score": 0.975,
"match_level": "high",
"match_status": "matched",
"recommendation": "推荐"
}
},
"matching_details": {
"strengths": ["风险等级匹配", "收益目标匹配"],
"warnings": [],
"mismatches": []
}
}
注意事项与限制
1. 数据质量要求
- 产品和客户数据需要经过清洗和验证
- 风险等级需要符合监管标准
- 匹配规则需要符合监管要求
2. 匹配方法选择
- 不同匹配方法的结果可能不同
- 匹配规则需要定期更新
- 匹配结果需要人工复核
3. 监管合规要求
- 匹配计算需要符合适当性管理要求
- 匹配结果需要可追溯和可审计
- 不匹配情况需要记录和报告
4. 综合判断原则
- 单一匹配指标不能全面反映匹配情况
- 需要结合客户具体情况进行分析
- 应结合专业判断和监管要求进行判断
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，建议咨询专业合规顾问
参考资料
- 见 references/ 目录中的相关文档，包括：
- 风险收益匹配计算方法手册
- 适当性管理规则说明
- 匹配规则配置指南
- 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