我的基金经理 Skill

> 🎯 全市场基金经理投资风格蒸馏与复刻工具（v2.1.0 稳定性升级）
>
> 覆盖公募4273+人（东方财富）+ 私募24万+产品（AMAC），配置最多100名经理，
> 自动蒸馏投资风格DNA -> 第一人称答疑 -> 策略复刻 -> 表格导出 -> 定期刷新。
> v2.0.0 新增言论能力/投资能力/投资风格三大能力层，多维量化建模每个经理。
> v2.1.0 修复风险指标准确性、余弦判别力、KMeans 稳定性等 8 处缺陷，189 测试全通过。
> 内置2025-2026知名经理种子库（80位）一键导入，支持智能增量更新。

<!-- DATA_STATS_START -->
- 已蒸馏基金经理：58/100 人
- 最后更新：2026-07-29 16:50
- 数据来源：东方财富/天天基金
<!-- DATA_STATS_END -->

Step 1: 环境检测

运行前自动检测依赖和数据源，缺什么装什么，零配置启动。

!`python -c "import requests; print('requests OK')" 2>/dev/null || echo "REQUESTS_MISSING"`

!`python -c "import openpyxl; print('openpyxl OK')" 2>/dev/null || echo "OPENPYXL_MISSING"`

!`python -c "import urllib.request; urllib.request.urlopen('https://fundf10.eastmoney.com/', timeout=5); print('EASTMONEY_OK')" 2>/dev/null || echo "EASTMONEY_UNREACHABLE"`

决策树：

Skill 根目录定位： 所有脚本位于 scripts/ 子目录。运行时先 cd 到 skill 根目录（含 SKILL.md 的目录），或用绝对路径。

Step 2: 路由

根据用户意图选择子流程。

共享默认值：

Sub-Skill A: 经理配置与名单维护

Goal: 搜索基金经理 -> 反问确认 -> 添加/删除/查看名单（上限100人）。支持知名经理种子库一键导入。

双源搜索，自动标注类型：
- 🏆 公募：东方财富全市场4273+人（含QDII），按姓名/产品/公司搜索
- 📈 私募：AMAC 24万+只产品，按管理人名/基金产品名搜索
- 结果按匹配度排序，自动区分公募/私募

1. 搜索： 用户提供姓名/产品/公司/管理人名 -> 运行 python scripts/manager_search.py "<关键词>" [name/product/company/auto]
   - 公募首次使用自动构建索引（约20秒），缓存7天
   - 私募通过AMAC API实时搜索（POST请求，无需Key）
2. 反问确认： 若多个匹配 -> 展示候选列表（序号+类型标签+姓名+公司+产品+回报），请用户选择序号确认
3. 添加： python scripts/roster_manager.py add <ID> <姓名> <公司> -> 校验上限100、去重
   - 公募ID：数字（如30189744）；私募ID：amac_前缀（如amac_101000002641）
4. 删除： python scripts/roster_manager.py remove <ID或姓名>
5. 查看： python scripts/roster_manager.py list

反问规则： 无法确认唯一经理时，必须反问。提示用户提供更准确的姓名/基金代码/产品名/管理人名。

私募搜索注意： AMAC搜索的是基金产品名和管理人名，非基金经理个人名。若用户提供私募基金经理个人名（如"邓晓峰"）未匹配，提示其提供管理人名称（如"高毅资产"）。

Sub-A 种子库：2025-2026 知名基金经理一键导入

Goal: 从内置种子库（80位知名经理）一键导入到名单，免去逐个搜索的繁琐。

种子库覆盖（data/famous_managers_2025_2026.json）：

命令：

python scripts/famous_manager_importer.py list                       # 列出全部种子经理(按分类)
python scripts/famous_manager_importer.py list <分类>                # 列出某分类(公募明星/私募百亿/QDII海外/当红经理)
python scripts/famous_manager_importer.py import_all                 # 一键导入全部(受100人上限约束)
python scripts/famous_manager_importer.py import_category <分类>     # 按分类导入
python scripts/famous_manager_importer.py import_one <姓名>          # 导入单位经理
python scripts/famous_manager_importer.py import_and_fetch <姓名>    # 导入并立即抓取+蒸馏(新增维护)

导入逻辑：
1. 读种子条目，若 id 已预填则直接用，否则调 manager_search 按姓名+公司自动补全ID
2. 调 roster_manager.add_manager() 加入名单（自动校验100人上限、去重）
3. 私募经理通过 AMAC 搜索管理人名补全ID
4. 导入后可用 import_and_fetch 立即抓取重仓/策略/业绩+蒸馏，等价于「新增维护」

导入后抓取全量数据：

# 导入后对全部经理执行智能增量更新（首次会全部视为变化）
python scripts/monthly_updater.py smart_update

Sub-Skill B: 风格蒸馏与答疑

Goal: 蒸馏投资风格DNA → 第一人称口吻答疑 → 复刻投资策略。

B1. 一站式数据抓取

python scripts/monthly_updater.py update_one <经理ID> auto

自动完成：重仓抓取 → 投资策略 → 业绩数据 → 风格蒸馏，全程无需手动干预。

B2. 蒸馏投资风格

两级 fallback 引擎，自动选择最佳可用（完整 prompt 见 references/distill-prompts.md）：

• 引擎检测： python scripts/distill_manager.py detect
• 规则引擎输出： 风格码（如 GROWTH-MED_POS-SECTOR_CONCENTRATED-LOW_TURNOVER-HK_STOCK）+ 擅长领域 + 季报人话摘要

B3. 经理口吻答疑

基于蒸馏档案（bio + style_dna + viewpoint_human + top_holdings），以经理第一人称口吻回答投资问题。System prompt 见 references/distill-prompts.md 第三节。

B4. 策略复刻与产品定制

基于风格DNA + 重仓数据，为用户量身定制投资组合：
- 提取行业偏好、持仓集中度、风格标签
- 按用户风险偏好和资金量生成配置方案
- 自动标注"基于XX经理风格的参考配置，不构成投资建议"

Sub-Skill C: 重仓与业绩

Goal: 十大重仓（股票/债券/基金）+ 历史业绩 + 投资策略 + 季报公告。

数据呈现： 重仓按总占比排序，显示股票名/代码/占比/出现次数/覆盖基金数；业绩显示近1月/3月/6月/1年/3年/今年以来收益率，成立不足3年自动标注。

Sub-Skill D: 表格导出

Goal: 一键导出名单/风格/重仓/业绩，Excel 或 CSV 自适应。

python scripts/export_table.py auto     # 自动选择（Excel优先，CSV fallback）
python scripts/export_table.py excel    # 强制 Excel（4个sheet）
python scripts/export_table.py csv      # 强制 CSV（3个文件）

Excel 4个Sheet：
1. 基金经理名单（姓名/公司/状态/风格标签/任职回报）
2. 投资风格（bio/擅长领域/风格码/思维DNA/季报观点）
3. 十大重仓（代码/名称/总占比/出现次数/持股数/市值）
4. 业绩数据（近1月/3月/6月/1年/3年/今年以来/管理费率）

Step 3: 定期更新与自我迭代

Goal: 批量刷新数据，自动 bump 版本号，保持知识库常新。支持三种更新模式 + 新增维护。

三种更新模式对比

智能增量更新（smart_update）—— 变化检测四维度

对名单中每位经理，抓取最新数据并与存档对比，只对有变化的经理执行蒸馏，无变化的仅刷新时间戳。变化日志写入 data/change_log/YYYY-MM-DD.json。

新鲜阈值： 在 days_threshold（默认7天）内已刷新的经理跳过抓取，避免重复劳动。

python scripts/monthly_updater.py smart_update           # 智能增量更新（默认7天新鲜阈值）
python scripts/monthly_updater.py smart_update 14        # 14天内已刷新的跳过

首次运行说明： smart_update 首次运行时，所有经理都无"上次状态"可对比，会全部视为变化，等价于全量更新。后续运行才会真正增量。

全量更新（update_all）

python scripts/monthly_updater.py update_all auto       # 更新全部经理（含蒸馏）
python scripts/monthly_updater.py stale 30              # 仅更新 >30天 的过期数据

新增维护 vs 增量维护

定时任务

• ZCode： 用户说"设置每月定时更新" -> CronCreate 创建 0 9 1 * *（每月1日9点），默认执行 smart_update
• 其他环境： python scripts/monthly_updater.py schedule 查看设置说明（含 Linux crontab / Windows 任务计划示例）

自我迭代

每次更新完成后自动执行：
1. version 小版本号 +1
2. updated 日期刷新
3. <!-- DATA_STATS_START --> 统计区块同步更新（含 count/100）

v2.0.0 自动快照： update_single_manager 完成后自动调用 _post_update_hooks：

• 持仓快照 → data/track_records/{id}.jsonl
• 观点时序 → data/viewpoints_history/{id}.jsonl
• 风格雷达 → data/style_history/{id}.jsonl
• 能力评分/归因/风险/言论指纹 → 写回 managers/{id}.json

任一 hook 失败不影响其他 hook。

Sub-Skill E: 言论能力（v2.0.0 新增）

Goal: 把每位经理的言论量化成 6 维指纹 + 时序观点 + 对话记忆，让 skill 能"听懂"经理在说什么、立场是否漂移、之前讨论过什么。

自动化： monthly_updater.smart_update 每次更新自动追加 viewpoints_history/{id}.jsonl。

存储： data/viewpoints_history/{id}.jsonl + data/qa_history/{id}.jsonl（每期一行 JSONL）。

Sub-Skill F: 投资能力（v2.0.0 新增）

Goal: 把每位经理的业绩量化成 4 维评分 + 业绩归因 + 风险调整指标，回答"这个经理厉害在哪里？"

评分权重： 选股 35% + 择时 25% + 风控 20% + 稳定 20% → composite (0-100)。

归因拆解： 行业暴露 + 选股超额 + 择时 三项贡献。

存储： managers/{id}.json 新增 capability_scores / attribution / risk_metrics 字段。

Sub-Skill G: 投资风格（v2.0.0 新增）

Goal: 把每位经理的风格量化成 6 维雷达 + 漂移检测 + 同风格聚类 + 季度调仓，回答"这位经理风格最近怎么演化？谁跟他最像？"

风格 6 维： 价值/成长 · 大盘/中小盘 · 高动量/低动量 · 质量 · 集中度 · 换手率

漂移算法： 两期 style_radar 12 维向量 Euclidean 距离 > 15 报警。

存储： data/style_history/{id}.jsonl + data/track_records/{id}.jsonl（每期一行 JSONL）。

Final Step: 输出模板

回答用户时，按以下结构组织输出（按需裁剪，不必每项都有）：

1. 📋 经理档案 — 姓名、公司、管理产品数、任职回报、管理规模
2. 🧬 投资风格DNA — 决策框架、风格标签、行业偏好、风格码
3. 💬 季报人话观点 — 蒸馏后的第一人称投资观点
4. 📊 十大重仓 — 排名/代码/名称/占比/出现次数（表格）
5. 📈 业绩数据 — 近1月/3月/6月/1年/3年/今年以来收益率
6. ⚠️ 免责声明 — "以上数据仅供辅助参考，不构成投资建议。数据可能滞后1-2天，持仓每季度更新。"

答疑/定制产品时： 以经理第一人称口吻回答，结合具体持仓和风格DNA，结尾加免责声明。

参考文档

关键脚本与数据文件

维护与更新日志

• 当前版本：2.1.0（2026-08-23）— 稳定性升级：修复 8 处计算/解析缺陷 + 原子写入加固
• 测试覆盖：189 个测试全部通过（含 18 个 v2.1 回归测试）
• v2.1.0（2026-08-23）：BUG 修复 + 算法质量升级（详见 tests/test_v210_fixes.py）
• BUG 修复：
  1. risk_metrics 滚动窗口收益量纲错误：近1月/3月/6月/1年为重叠窗口，旧版直接累加构造净值/混合算标准差；改为累计增长因子反推不重叠区间收益并按 (30/区间天数) 幂次月化，回撤/波动率/下行波动率全部修正。
  2. _common.http_get_jsonp 盲目 replace("'", '"') 破坏值内合法撇号（如 "O'Hara"）；改为先尝试原文解析，失败后用状态机转换单引号定界符。
  3. style_cluster._cosine 对 0-100 全正雷达向量恒 ~0.99+ 无判别力；改为中心化余弦（减 50），返回 -1~1。
  4. style_cluster._kmeans 前 k 点重复时产生重复中心；改为 kmeans++ lite 确定性初始化，代表成员改选组内最接近中心者。
  5. distill_manager 持仓代码为空串时误判海外市场；加空值守卫。
• 优化升级：qa_memory 相似度从纯 Jaccard 升级为 0.6×Jaccard + 0.4×包含度混合（对后缀追加/重述型问题更敏感）；monthly_updater.bump_skill_version 改原子写入（临时文件 + os.replace）；viewpoint_tracker.render_timeline 省略号仅在截断时添加；style_radar 删除死代码。
• 测试 148→189：新增 test_v210_fixes.py（18 用例覆盖全部修复点），零回归。
• v2.0.0（2026-08-07）：言论/能力/风格 三大能力层 + BUG 修复
• BUG 修复：manager_search.build_manager_index() 缓存过期但 HTTP 失败时不再返回空 list（silent failure），降级到过期缓存。同时 tests/test_bug_fixes.py 5 个失败用例的硬编码日期 2026-07-29 改为动态 _today()，避免下次过期。
• 言论能力 3 模块：speech_fingerprint（6 维关键词字典）/ viewpoint_tracker（JSONL 时序+漂移检测）/ qa_memory（Jaccard 检索）
• 投资能力 3 模块：capability_score（4 维 0-100 评分）/ performance_attribution（简化 Brinson 归因）/ risk_metrics（最大回撤+夏普+Calmar+Sortino）
• 投资风格 4 模块：style_radar（6 维 0-100 雷达图）/ style_drift（Euclidean 漂移检测）/ style_cluster（KMeans+余弦相似聚类）/ turnover_tracker（持仓快照+换手率）
• 自动化：monthly_updater._post_update_hooks 在每次 update_one 后自动调用：写 capability_scores/attribution/risk_metrics/speech_fingerprint/style_radar 到 manager.json，追加 viewpoints_history/style_history/track_records 三份 JSONL。
• 测试 92→148：新增 58 个测试覆盖 10 个新模块 + 2 个回归测试。
• v1.2.28 历史：97 测试 / v1.2.26 历史：86 测试
• git log：见 git log -- SKILL.md（每次运行 monthly_updater.smart_update 都会在 data/change_log/YYYY-MM-DD.json 追加 runs 数组）