---
name: china-fund-strategy
description: "中国基金/ETF年度走势分析与投资策略生成技能（增强版）：支持 AKShare 数据获取、增量分析、目录结构管理，生成包含年度统计、买卖时机分析、预估收益率、三种操作方案及风险管理建议的结构化报告。"
---

# china-fund-strategy Skill

中国基金/ETF年度走势分析与投资策略生成技能（增强版）

## 目录结构
```
china-fund-strategy/
├── SKILL.md              # 本文件，描述技能用途和使用方法
├── scripts/
│   ├── fund_strategy.py            # 增强版脚本（支持 akshare、增量分析、目录管理）
│   └── fund_strategy_csv.py        # CSV 版脚本（使用本地 CSV 数据源）
├── references/           # 可选：详细文档（按需加载）
└── assets/               # 可选：模板/资源/示例
```

## 核心功能

### 1. 自动目录管理
- 在 `./investment_analysis/<基金代码>/` 下创建工作目录（可通过环境变量 `FUND_ANALYSIS_BASE_PATH` 自定义基础路径）
- 每次分析自动创建日期子目录：`<基金代码>/YYYY-MM-DD/`
- 所有分析产物（中间数据、最终报告）均存放在对应日期目录中
- 同时在 `./investment_analysis/` 根目录保留一份兼容性报告（向后兼容）

### 2. 增量分析能力
- 自动检测并加载历史分析结果
- 在报告中提供“增量分析”章节，对比历史数据变化
- 支持基于历史分析优化投资策略建议

### 3. 多数据源支持
- **AKShare 接口**: 自动从 AKShare 获取基金历史行情数据（推荐）
- **本地CSV文件**: 支持 UTF-8 和 UTF-8-SIG 编码
- 智能降级：当 AKShare 不可用时可使用本地CSV

### 4. 完整分析流程
- 年度高低点、收益率、波幅计算
- 走势特点和季节性规律分析
- 买入/卖出时机分析框架
- 预估收益率情景分析
- 三种操作方案（保守型/平衡型/激进型）
- 风险管理建议

## 使用方法

### 基本使用（AKShare 数据源 - 推荐）
```bash
# 使用 AKShare 自动获取数据并分析
python3 scripts/fund_strategy.py <基金代码> <基金名称> --use-akshare

# 示例
python3 scripts/fund_strategy.py sz159768 "房地产ETF银华" --use-akshare
```

### 使用本地 CSV 文件
```bash
# 使用本地 CSV 文件分析
python3 scripts/fund_strategy_csv.py <CSV文件路径> [基金代码] [基金名称]

# 示例
python3 scripts/fund_strategy_csv.py investment_analysis/sz159768/sz159768.csv sz159768 "房地产ETF银华"
```

### 环境变量
- `FUND_ANALYSIS_BASE_PATH`: 指定投资分析数据的基础目录，默认为 `investment_analysis`（相对于当前工作目录）

### 输出位置
脚本将生成以下文件：
- 日期目录报告：`./investment_analysis/<基金代码>/YYYY-MM-DD/<基金代码>_analysis.md`
- 兼容性报告：`./investment_analysis/<基金代码>_analysis.md`（保持向后兼容）

## 工作流程

1. **首次分析**：
   - 获取数据（AKShare 或 CSV）
   - 执行年度分析
   - 生成基础分析报告
   - 保存至日期目录

2. **增量分析**（再次分析同一基金）：
   - 自动加载历史分析结果
   - 对比新旧数据变化
   - 在报告中添加“增量分析”章节
   - 基于历史模式优化策略建议
   - 保存新报告至新日期目录

## 报告内容

生成的Markdown报告包含以下章节：

1. **基金基本信息**
   - 分析日期、数据期间、交易天数
   - 首日开盘价、最新价格、累计涨跌
   - 历史分析次数和上次分析日期

2. **年度走势特点分析**
   - 各年度高低点统计表（价格、日期、收益率、波幅）
   - 长期表现、波动特征、季节性规律

3. **增量分析**（当有历史数据时）
   - 数据变化：新增交易日数、价格变化、期间价格范围
   - 策略调整建议：基于最新数据的具体操作建议

4. **买入时机分析**
   - 历史低点回顾（包括距前一年高点跌幅、反弹幅度等指标）
   - 最佳买入时机：左侧交易（抄底）、右侧交易（趋势跟随）、季节性策略

5. **卖出时机分析**
   - 历史高点回顾（包括距前一年低点涨幅、持续天数、后续最大回撤等指标）
   - 最佳卖出时机：目标收益率止盈、技术止盈信号、时间止盈策略

6. **预估收益率**
   - 基于历史数据的情景分析（保守/中性/乐观/极端乐观）

7. **投资策略建议**
   - 三种操作方案（保守型/平衡型/激进型）
   - 适用人群和预期年化收益率说明

8. **风险管理**
   - 仓位控制、单笔最大亏损、持仓时间、再评估周期、止损纪律等建议

9. **关键时间节点提醒**
   - 每月末、季度末、半年度、年末等时间窗口的操作建议

10. **综合建议**
    - 当前最优策略摘要和需要关注的风险信号

11. **免责声明**
    - 本分析仅基于历史数据，不构成投资建议。市场有风险，投资需谨慎。

## 目录结构示例

分析 sz159768 后的目录结构（假设当前工作目录为项目根）：
```
/current/workdir/
├── investment_analysis/
│   └── sz159768/
│       ├── 2026-08-15/                 # ← 首次分析目录
│       │   ├── raw_data_*.json         # ← 中间数据
│       │   └── sz159768_analysis.md    # ← 首次分析报告
│       └── 2026-08-16/                 # ← 次日分析目录
│           ├── raw_data_*.json         # ← 新数据
│           └── sz159768_analysis.md    # ← 包含增量分析的报告
└── sz159768_analysis.md                # ← 向后兼容性报告（根目录）
```

## 依赖要求

- Python 3.6+
- 必需：csv, json, datetime, pathlib, os (标准库)
- 可选但推荐：akshare (用于自动数据获取)
  ```bash
  pip install akshare
  ```

## 注意事项

1. **数据源选择**：
   - 优先使用 AKShare 获取最新完整数据（需要预先安装 akshare）
   - 本地CSV适用于已有数据或特殊数据源
   - 两种方式任选其一即可

2. **增量分析限制**：
   - 首次分析无历史数据可比较
   - 建议至少进行2次分析以体验增量功能
   - 历史分析兼容根目录和日期目录两种存放方式

3. **报告解读**：
   - 报告中的“N/A”表示该指标在当前数据范围内无法计算（如历史数据不足）
   - 投资策略仅为框架建议，需结合个人风险承受能力
   - 市场变化快，建议定期更新分析

4. **免责声明**：
   本分析仅基于历史数据，不构成投资建议。市场有风险，投资需谨慎。
   历史表现不代表未来结果，请根据自身风险承受能力谨慎决策。

---
*技能增强时间：2026年8月16日*