# Fund Compare

> 对比多只基金的历史回报表现。按逐年、滚动2年、滚动3年维度对比，分析熊市抗跌能力和风险收益特征。

- Skill: `cloud26/fund-compare` (Agent Skill)
- Install (CLI): `npx skillmds@latest add cloud26/fund-compare`
- Raw SKILL.md: https://api.skillmd.com/api/skills/cloud26/fund-compare/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: cloud26 (https://skillmd.com/u/cloud26)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/cloud26/fund-compare

---


用户想要对比多只基金的历史回报，从多个时间维度分析谁更优。

## 输入

用户会提供若干基金代码（如 `160615 005788 217027`），通过 `$ARGUMENTS` 传入。

## 步骤

### 1. 获取基金基本信息

对每只基金，用 WebFetch 抓取概况页确认成立日期：
```
https://fundf10.eastmoney.com/jbgk_{基金代码}.html
```

确定可比较的年份范围（取所有基金都有完整年度数据的交集）。

### 2. 获取历史净值

用 WebFetch 获取每年最后一个交易日的累计净值。对每个需要的年份：
```
https://fundf10.eastmoney.com/F10DataApi.aspx?type=lsjz&code={基金代码}&sdate={YYYY}-12-25&edate={YYYY}-12-31&per=10
```

返回格式是 JS 变量包裹 HTML 表格。提取最后一个交易日的 **累计净值**（不是单位净值，累计净值已包含分红再投资）。

也需要获取前一年12月底的净值作为基准，以计算年度回报。

**注意**：
- 一定要用 **累计净值**（第三列），而非单位净值（第二列），否则有分红的基金回报会被低估
- 如果某年年底没有数据，往前找最近的交易日

### 3. 计算年度回报

```
年度回报 = (当年末累计净值 / 上年末累计净值 - 1) × 100%
```

### 4. 多维度对比分析

用 Python 脚本生成完整对比报告，包含以下维度：

#### a. 逐年回报
每年的回报率并排对比，标注每年谁最优。统计各基金获胜年数。

#### b. 滚动2年累计回报
从每个起始年开始的连续2年复合收益。

#### c. 滚动3年累计回报
从每个起始年开始的连续3年复合收益。

**重要**：用户明确要求不要只看"最近X年"的回报（因为一个好年份会使最近几年都好看），而是要看每个独立的时间窗口。

#### d. 全区间汇总
可比年份的累计回报和年化回报排名。

#### e. 熊市抗跌能力
找出下跌年份（多数基金亏损的年份），对比各基金的跌幅。统计2-3年连续熊市的累计表现。

#### f. 风险收益特征
- 年均回报
- 波动率（年度回报的标准差）
- 最差年 / 最好年
- 亏损年数
- 收益/波动比（简化版夏普比率）

### 5. 输出 — 可视化图表 + 文字结论

**必须用 matplotlib 生成图表**，不要输出纯文本表格。图表保存到工作目录下，然后用 Read 工具展示给用户。

#### 绘图环境设置

```python
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np

# 中文字体（macOS）
plt.rcParams['font.sans-serif'] = ['PingFang HK', 'STHeiti', 'Heiti TC', 'SimHei']
plt.rcParams['axes.unicode_minus'] = False
```

#### 需要生成的图表

**图1：累计净值走势（归一化）** `fund_compare_cumulative.png`
- 将所有基金以可比起始年末净值为基准归一化到1.0
- 折线图，每只基金一条线，不同颜色
- 清晰的图例、网格线
- 尺寸 `figsize=(12, 6)`

**图2：逐年回报对比** `fund_compare_annual.png`
- 分组柱状图，X轴为年份，每只基金一组柱子
- 在每个年份标注最优者（如加★）
- 零线用虚线标出
- 底部附注获胜年数统计

**图3：滚动3年累计回报** `fund_compare_rolling3y.png`
- 分组柱状图，X轴为滚动窗口区间
- 标注每个窗口的最优者

**图4：风险收益散点图** `fund_compare_risk_return.png`
- X轴：波动率（标准差），Y轴：年化回报
- 每只基金一个点，标注名称
- 右上方为最优区域（高收益低波动）
- 可选：画出等夏普比率线

**图5：熊市抗跌对比** `fund_compare_bear.png`
- 仅含下跌年份的分组柱状图
- 柱子向下延伸（负值），越短越抗跌
- 如果有连续熊市（如2021-2023），额外标注累计跌幅

#### 图表风格要求

- 配色方案：使用 `tab10` 或类似的高对比度色板，保证多只基金时颜色可区分
- 所有图表加标题、坐标轴标签
- 百分比数值格式化为 `+X.X%` 或 `-X.X%`
- 柱状图上方/下方标注具体数值（字体小一号）
- DPI 设为 150，确保清晰度
- 图表保存后，用 `Read` 工具将图片展示给用户

#### 文字输出

图表之外，仍需输出简洁的**文字结论**（不超过10行），包括：
- 综合排名
- 最适合3-5年投资的推荐
- 关键风险提示

**不要再输出大段纯文本表格**，所有数据对比都通过图表呈现。

## 复合收益率计算

```python
def compound(rates):
    r = 1.0
    for x in rates:
        r *= (1 + x / 100)
    return (r - 1) * 100
```

## 注意事项

- 如果基金成立时间不同，明确说明可比年份范围的限制
- 对于可比年份少于5年的对比，提醒用户数据区间较短，结论可能不够稳健
- ETF联接基金会因为现金拖累略微跑输母ETF，如需更长历史可考虑用母ETF数据补充