shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

量化指增基金周度业绩分析报告

【指增基金周度业绩分析报告】从 IMA「点睛焱究所」共享知识库逐周采集指增业绩榜，累积成周度超额收益序列，按 300/500/1000/2000/A500 五个板块分别生成自包含交互式 HTML 报告（区间超额、区间超额回撤、超额波动率/跟踪误差、信息比率、聚类气泡图、管理人定位按钮），支持滚动窗口与每周自动更新。Invoke when the user asks for 指增/指数增强基金周度业绩分析、超额收益与超额回撤报告、超额波动率/跟踪误差/信息比率、板块聚类与管理人定位，或需要每周一自动生成指增周报。

personAuthor: user_186b4ea5hubcommunity
downloadDownload package

指增基金周度业绩分析报告

| 项 | 值 | |---|---| | 中文名 | 指增基金周度业绩分析报告 | | 英文名 | index-enhance-weekly-report | | 技能目录 | C:/Users/HT/.workbuddy/skills/index-enhance-weekly-report | | 产物 | 单文件自包含 HTML（内置 ECharts，可离线打开） |

跑完得到一份按板块分章的交互式报告：300 / 500 / 1000 / 2000 / A500 各一章，每章含 KPI 卡、聚类气泡图、管理人定位按钮、聚类结果表、各簇特点、板块分析、产品明细表。

何时使用

  • 用户要分析「指增 / 指数增强」基金的周度业绩：超额收益、超额回撤、超额波动率、跟踪误差、信息比率。
  • 要求分板块分析（不要把 5 个板块混在一张排名里）。
  • 要求气泡图（纵轴超额收益、横轴超额回撤、气泡大小＝超额波动）＋ 聚类分簇 ＋ 管理人维度定位。
  • 需要每周自动更新（配合自动化任务）。

快速开始

python "C:/Users/HT/.workbuddy/skills/index-enhance-weekly-report/scripts/make_report.py" \
  --wkdir    "C:/Users/HT/.workbuddy/skills/index-enhance-weekly-report/data/wk" \
  --snapshot "C:/Users/HT/.workbuddy/skills/index-enhance-weekly-report/data/snapshot.txt" \
  --out      "C:/Users/HT/Desktop/指增基金分板块业绩分析_超额收益与超额回撤_近六个月.html" \
  --window 26 --min-weeks 12

| 参数 | 说明 | |---|---| | --wkdir | 周度 CSV 目录（一文件一周），必填 | | --snapshot | 最新一期快照 TSV（12 字段），补充「管理规模」「今年以来超额」两列，必填 | | --out | 输出 HTML 路径，必填 | | --window | 滚动窗口周数，只取最近 N 周；默认 26（约 6 个月）；0 = 全部 | | --min-weeks | 纳入门槛，产品至少 N 周有有效记录；默认 12 | | --win-label | 覆盖报告内窗口文案（默认按周数自动推断：24~28 周→「近六个月」，否则「近 N 周」） | | --warn | 往页头注入 HTML 警示横条（数据异常时用） |

滚动机制：每次执行自动只取最近 N 周，窗口终点随最新一期周报前移，无需人工干预。跨年（如 1229-0102 与 0106-0110）已按自然时间修正排序。

目录结构

index-enhance-weekly-report/
├─ SKILL.md
├─ scripts/
│  ├─ make_report.py       报告生成器（自包含，优先读 lib/echarts.min.js）
│  └─ check_weekly.py      周度数据体检（量级/缺失/重复/连续性）
├─ data/
│  ├─ wk/                  周度序列库，一文件一周：<周标签>.csv
│  └─ snapshot.txt         最新一期快照（12 字段 TSV，含表头）
├─ lib/echarts.min.js      内置图表库（1.0 MB），保证技能可独立迁移
└─ references/
   └─ collection.md        IMA 采集细则（文件夹 ID 对照、字段下标、单位陷阱）

采集流程：增量补漏（每周执行的标准动作）

数据是逐周累加的，本地 data/wk/ 就是历史库，所以永远不要全量重抓—— 每次只补「远端有、本地没有」的那几周（正常 1 周）。

  1. 列远端周标签集合 R： mcp__ima-mcp__get_knowledge_list（knowledge_base_id="7337674910215195"、 folder_id="folder_7354341090423503" = 「周度业绩」文件夹，ID 已实测确认、 cursor=""、limit=50、sort_type="UPDATE_TS_DESC_SORT_TYPE"） → knowledge_list[].title 即周标签（形如 0907-0911），media_id 即该周的 folder_id。 is_end=false 时用 next_cursor 翻页取完（该目录 total_size 约 36，大于单页条数）。
  2. 列本地周标签集合 L：data/wk/*.csv 的文件名去掉 .csv。
  3. 缺失 = R − L（只处理最近 30 周内的）。对每个缺失周： a. get_knowledge_list（folder_id = 该周）→ 找 title 含 「量化股票策略业绩榜」 的条目，取 media_id b. fetch_media_content（约 4 万字符 Markdown）→ ⚠️ 不要贴进回复，只本地抽取 c. 只抽 5 个指增板块（跳过 [量化选股]、[市场中性]），每行取 策略类型 | 基金管理人 | 近一周超额（字段下标 1 / 2 / 6） d. 写 data/wk/<周标签>.csv：UTF-8 无 BOM、LF 行尾、无表头，格式 周标签|策略类型|基金管理人|近一周超额，数值统一为小数（0.0151 = 1.51%） e. 用该期内容刷新 data/snapshot.txt（12 字段 TSV，第一行表头 type|manager|scale|wk_exc|ytd_ret|ytd_exc|ytd_dd|ytd_exc_dd|ann_ret|ann_vol|sharpe|ret2025）
  4. 缺失为空 → 本期无新数据，不写任何文件，直接用现有数据出报告。
  5. 跑 check_weekly.py 体检（含周次跳空检测，是漏抓的唯一哨兵）→ 通过后跑 make_report.py。

若某次执行没能跑成（电脑关机 / ima 掉线），下次执行会因为第 3 步按「集合差」计算， 自动把落下的那几周一起补回来；check_weekly.py 的跳空检测用于二次确认。

批量回补历史（窗口不足 26 周时）：把周文件夹按 6~7 周分 4 组，用 Agent（general-purpose）并行派发， 子代理各自「查文件夹 → 取文件 → 只抽三列 → 写 CSV」，只回报行数。 不要在主上下文串行抓 26 周——26 × 4 万字符会撑爆上下文。

指标口径

  • 区间超额 = Π(1 + 周超额) − 1
  • 年化超额 = (1 + 区间超额)^(52 / 观测周数) − 1
  • 年化超额波动率（＝年化跟踪误差）= 周超额标准差 × √52，来自真实周度超额序列，不是「成立以来年化波动率」代理口径
  • 信息比率 = 年化超额 ÷ 年化超额波动率
  • 区间超额最大回撤 = 累计超额曲线相对前期高点的最大回撤
  • 周胜率 = 周超额 > 0 的周数占比

⚠️ 窗口短于 20 周时不要看年化类指标：年化系数 √(52/n)，n = 6 时放大约 2.94 倍，IR 会虚高到 6~8，属失真。

报告结构与交互（用户明确要求，别做偏）

气泡图：纵轴＝区间超额收益，横轴＝区间超额最大回撤，气泡大小默认＝超额波动率 （可切换：波动率 / 回撤 / 信息比率 / 统一大小），着色可切「按簇 / 按管理规模」。 标签只显示管理人简称（如「衍复」，不是「衍复1000P-XXX」）。

管理人定位按钮（在原有聚类气泡图正下方）：

  • ✅ 正确：气泡图下方放一整面管理人按钮（按区间超额排序）；点击 → 图中其余点淡出、 该管理人气泡放大 2.1 倍并保留名称标签，按钮下方出一行「📍 当前位置」： 管理人全名 + 所属簇 + 所在象限 + 区间超额 / 区间超额回撤 / 超额波动率 / 信息比率
    • 与板块中位的对比结论。再点一次或点「清除定位」复位。
  • ❌ 不要：另外新建第二张图（走势图、折线图等），也不要堆一排指标卡。 用户明确反馈过「不是让你重新做一个交互图」。

聚类：每个板块内部独立聚类，按「区间超额 × 区间超额回撤」二维特征 Z-Score 标准化后 K-Means（k=3，确定性 maximin 初始化），按「平均超额 − 平均超额回撤」降序命名 优选梯队 / 中游梯队 / 落后梯队，同时标注该簇均值在气泡图中所处象限。 聚类属描述性分组，不代表统计显著性。

数据体检

python "C:/Users/HT/.workbuddy/skills/index-enhance-weekly-report/scripts/check_weekly.py" \
  --wkdir "C:/Users/HT/.workbuddy/skills/index-enhance-weekly-report/data/wk"
  • 逐周行数 + 板块分布 + 中位/最大 |近一周超额| → 抓「漏抓」和「单位错」
  • 周次跳空检测（漏抓哨兵）：相邻两期起始日相差 > 11 天 即判为缺期并指出"约缺 N 期"。 实测 2026 年正常间隔为 5~10 天（五一等假期造成 5 天与 9~10 天），缺一期会跳到约 14 天，故阈值 11 可安全区分。 可用 --max-gap 调整。
  • 量级红线：中位 |近一周超额| 应落在 0.003 ~ 0.03；出现 0.3~3 说明该周原表是百分比格式，漏了 ÷100
  • 重复 (周,板块,管理人)、整段窗口缺失板块、产品出现周数不足窗口一半的清单
  • 有告警时加 --strict 可让返回码为 1（自动化里可用于中断出报告）

跳空检测本身只负责"报警"，不负责修。修法是回到「采集流程」第 3 步按集合差补抓； 缺的周若较久远，可直接查 references/collection.md 的 folder_id 对照表。

已知的行数结构性断点（不是 bug）

各期榜单收录产品数会变，且不同板块变化不同步。实测 2026 年：

  • 0420-0424 之前：300指增 20 只、2000指增 11~13 只、A500指增 15~16 只
  • 0420-0424 起：300指增 38、2000指增 37、A500指增 39
  • 500 / 1000 指增全程稳定在 56~71 只

已用「表头列结构 + 序号连续性」核验为原表如此，不是解析漏行。遇到类似跳变先核验再下结论。

自动化

技能已全参数化，可被定时任务直接调用。每周执行时的标准动作：

  1. 增量采集：列远端周标签 − 本地 data/wk/ 已有周标签 = 缺失集合，只补缺失的周 （正常 1 周；若上次漏跑会自动补齐多周）→ 追加 data/wk/<周标签>.csv + 刷新 data/snapshot.txt
  2. 数据体检：跑 check_weekly.py → 看「量级异常」与「周次跳空」两类告警，有问题先补数据
  3. 跑 make_report.py --window 26 --min-weeks 12 → 输出到桌面
  4. 用 present_files 把 HTML 交给用户（说明里点出本次新增了哪一期）

幂等性：按集合差采集，已存在的周不会重复抓；同名 CSV 重复写入只覆盖、不污染窗口。 失败处理：ima 不可用或当期榜单未发布 → 不写空文件，直接用已有数据出报告并在页头加 --warn 说明。 唯一原则：本地 data/wk/ 是历史数据的唯一载体，只增不减；窗口滚动由 --window 控制，不删数据。

常见坑

  1. ima 连接器断开：工具不可见时报 not found in any connected connector。让用户在设置页重连， 并新开一个会话（中途连上的连接器本会话加载不到）。这是运行时的连接掉线，不是配置问题。
  2. 不要走 ~/.config/ima/api_key：本地 ima-skills 1.1.9 缺知识库子模块，且该 Key 常已失效 （401 / code 200002 skill auth failed）。正确前缀是 openapi/wiki/v1/...，但优先用 MCP 工具。
  3. 单位陷阱：早期周报是百分比格式，近期是小数格式，必须统一折算为小数。
  4. 路径：本机 bash 的 PATH 偶尔异常（ls/grep/head 找不到），优先用 Python 或 PowerShell 做文件操作。
  5. Python 依赖：仅标准库（无需 numpy / sklearn / pandas）。