aifinlab/a-share-fund-holding

数据源

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

# 个股行情（被重仓的股票）
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE1],[CODE2],...

# 个股财务指标
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]

# K线（持仓变动期间的股价走势）
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [季报期末日期]

核心数据来源为 web 搜索（基金持仓数据无法从 cn-stock-data 直接获取）：

• 公募基金季报重仓股数据（东方财富/天天基金/Wind）
• 基金净值和规模数据
• 基金经理持仓明细
• 行业配置数据

Workflow (5 steps):

Step 1: 确定分析维度

根据用户需求选择分析角度：

• 个股视角："XX被哪些基金持有" → 分析单只股票的机构持仓
• 基金视角："XX基金买了什么" → 分析单只基金的持仓组合
• 市场视角："基金在买什么" → 分析全市场公募基金的持仓偏好
• 变动视角："机构最近在加仓什么" → 分析最新季度持仓变化

Step 2: 数据获取

通过 web 搜索获取最新季报数据（每季度披露一次）：

• 基金季报披露时间：Q1 在 4 月底前、半年报 8 月底前、Q3 在 10 月底前、年报 3 月底前
• 季报仅披露前十大重仓股，半年报和年报披露全部持仓

个股视角需获取： | 基金名称 | 基金经理 | 规模(亿) | 持股数(万股) | 持仓市值(亿) | 占基金净值(%) | 较上期变动 |

市场视角需获取： | 股票代码 | 名称 | 被持有基金数 | 合计持仓市值(亿) | 占流通股(%) | 较上期变化 |

Step 3: 持仓分析

抱团度分析：

• 机构持仓集中度：Top 10/20/50 重仓股占全部持仓的比例
• 抱团股特征：PE/PB/ROE/市值分布
• 与上季度对比：加仓/减仓/新进/退出

行业配置： | 行业 | 配置比例(%) | 标准配置(%) | 超配/低配 | 较上期变化 |

• 标准配置 = 行业在沪深300/中证800中的权重
• 超配/低配 = 实际配置 - 标准配置

个股层面（通过 cn-stock-data 补充）：

• 被增持股的共性（行业/估值/增速特征）
• 被减持股的共性
• 新进重仓股分析

Step 4: 明星基金经理跟踪（可选）

如用户关注特定基金经理：

• 持仓前 10 大重仓股
• 本季度调仓方向
• 历史持仓风格（价值/成长/均衡）
• 业绩表现

Step 5: 输出

风格说明

| 维度 | formal（机构持仓研究） | brief（个人跟踪笔记） | |------|---------------------|---------------------| | 篇幅 | 3-5 页 | 1 页 | | 持仓明细 | 完整（Top 20 + 行业配置 + 变动分析） | Top 10 + 关键变动 | | 抱团分析 | 抱团度量化 + 历史对比 | 一句话判断 | | 行业配置 | 完整超配/低配表 | Top 3 超配/低配 | | 基金经理 | 可含多位重点经理 | 1-2 位代表性的 | | 投资启示 | 客观分析配置趋势 | 可加个人判断 | | 免责声明 | 需要 | 不需要 |

关键规则

1. 数据滞后性：基金持仓数据来自季报，滞后 1-2 个月。分析时必须标注数据截止日期（如"基于2025Q4季报数据"）
2. 季报 vs 半年报/年报：季报仅披露前 10 大重仓股，半年报和年报披露全部持仓，分析时需注意覆盖范围
3. 不等于实时持仓：季报数据是报告期末的快照，基金可能在此后已调仓
4. 抱团≠好：高度抱团的股票在市场风格切换时可能出现踩踏
5. 区分主动和被动：指数基金（ETF/指数增强）的持仓由指数成分决定，应分开分析
6. 与其他 skill 联动：
   • 对机构大幅增持的股票用 a-share-earnings-analysis 分析基本面
   • 对行业配置变动用 a-share-sector 做行业研究
   • 对机构偏好变化用 a-share-northbound 交叉验证（国内机构 vs 外资）

使用示例

示例 1: 基本使用

# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})

示例 2: 命令行使用

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