数据源

bash SCRIPTS=$SKILLS_ROOT/cn-stock-data/scripts

各持仓股行情

python $SCRIPTS/cnstockdata.py quote --code [CODE1],[CODE2],[CODE3],...

各持仓股财务指标

python $SCRIPTS/cnstockdata.py finance --code [CODE]

各持仓股K线（组合收益计算）

python $SCRIPTS/cnstockdata.py kline --code [CODE] --freq daily --start [起始日期]

大盘指数（基准对比）

python $SCRIPTS/cnstockdata.py kline --code SH000300 --freq daily --start [起始日期]

北向资金（外资对持仓的态度）

python $SCRIPTS/cnstockdata.py north_flow

工作流程（6步）：

第1步：持仓信息确认

收集用户持仓信息：
| 代码 | 名称 | 持仓数量(股) | 成本价(元) | 买入日期 |
|------|------|------------|----------|---------|

如果用户只给出股票代码和大致比例，也可以基于比例分析。

第2步：持仓快照

通过 cn-stock-data quote 获取最新行情，计算：
| 代码 | 名称 | 现价 | 成本价 | 持仓市值(元) | 占比(%) | 盈亏(%) | 盈亏额(元) |
|------|------|------|--------|------------|---------|---------|-----------|

汇总：总市值、总盈亏、加权平均收益率

第3步：组合特征分析

集中度分析：

• - 前3大持仓占比
• 前5大持仓占比
• HHI指数（持仓集中度）
• 判断：过度集中 / 适度集中 / 分散

行业暴露：
| 行业 | 持仓占比(%) | 沪深300权重(%) | 超配/低配 |
|------|----------|-------------|----------|

风格暴露：

维度	组合加权平均	沪深300	偏向
PE(TTM)			价值/成长
PB

| | |
| 市值(亿) | | | 大盘/中小盘 |
| ROE(%) | | | 质量 |
| 股息率(%) | | | 红利 |

第4步：风险分析

个股风险：

• - 任一持仓占比 > 30%：集中风险
• 持仓股的资产负债率 > 70%：财务风险
• 持仓股近期大幅下跌 > 20%：回撤风险
• ST或负面新闻：特殊风险

组合风险：

• - 行业集中度：前1行业占比 > 50% = 高风险
• 相关性风险：多只持仓属同一板块/主题 = 分散不足
• 估值风险：组合加权PE显著高于市场 = 估值偏高

第5步：优化建议

基于分析结果给出建议：

• - 减仓：过度集中的个股/行业
• 加仓：低配的行业/补充分散性
• 替换：基本面恶化的持仓
• 再平衡：偏离目标配置的调整

第6步：输出

风格说明

维度	formal（机构组合报告）	brief（个人持仓复盘）
篇幅	4-8页	1-2页
持仓明细

完整表格 + 各股核心指标 | 持仓快照表 |

| 行业暴露 | 完整 vs 基准对比 | Top 3行业 | | 风格分析 | 多维度雷达图描述 | PE/市值一句话 | | 风险分析 | 详细（个股+组合+情景） | 核心风险2-3条 | | 优化建议 | 详细再平衡方案 | 简要建议 | | 免责声明 | 需要 | 不需要 |

关键规则

1. 1. 用户数据保密：持仓信息是敏感数据，分析仅在当前会话中进行
2. 基准对比：默认基准为沪深300，用户可指定其他基准（中证500/创业板指等）
3. 不做精确收益预测：给出风险提示和优化方向，不预测组合未来收益
4. 区分建议的优先级：高风险问题（过度集中/财务风险）优先于优化建议（再平衡）
5. 尊重用户策略：如果用户有明确的投资策略（如集中持仓），不强行建议分散
6. 与其他技能联动：对组合中个股可用 a-share-earnings-analysis 深入分析、a-share-technical 看技术面、a-share-thesis 梳理持仓逻辑

使用示例

示例1：基本使用

python

调用技能

result = run_skill({
param1: value1,
param2: value2
})

示例2：命令行使用

bash
python scripts/run_skill.py --input data.json