Token导航 LogoToken导航TokenDH.com
开发操作浏览器github未标认证来源可访问许可证需确认审计提醒

fund-screener基金筛选器

Agent Skill

fund-screener 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

2,564

周安装

109

GitHub Stars

3

下载量

898
CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

unknown

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:fund-screener(基金筛选器)
来源仓库:https://github.com/sososun/mutual-fund-skills
仓库路径:skills/fund-screener
安装命令:
npx skills add https://github.com/sososun/mutual-fund-skills --skill fund-screener
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/sososun/mutual-fund-skills --skill fund-screener

简介

fund-screener 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中围绕仓库状态、代码变更或协作事项进行整理。

  • 它可结合来源仓库、安装命令和原始 README 继续核验具体用法。
  • 安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。
  • 当前顶部介绍已提供,底部简介为空,原始 SKILL.md 摘录缺失。
  • 适用宿主包括 Codex、Claude、Cursor、Gemini CLI,接入前应确认版本、权限和运行环境要求。

SKILL.md

基金分析技能 (Fund Screener)

通过 AkShare 获取中国公募基金实时数据,基于量化指标筛选优质基金产品。

功能

  1. 单基金深度分析: 对单只基金进行全方位诊断,包括风险指标、阶段收益、年度收益、资产配置、基金经理、持仓信息
  2. 全市场批量筛选: 从全市场开放式基金中智能筛选,支持多种模式
  3. 结果导出: 自动保存 CSV 文件

使用方法

运行此技能需要 Python 3.8+ 和依赖: pip install akshare pandas numpy

# 单基金分析
python fund_screener.py <基金代码> [基金名称]

# 纯债基金筛选(低风险)
python fund_screener.py --bond

# 固收+基金筛选
python fund_screener.py --gushou-plus

# 股票类基金筛选
python fund_screener.py --stock

# Alpha策略筛选(卡玛比率)
python fund_screener.py --stock-alpha

# 自定义参数
python fund_screener.py --bond --min-sharpe 1.0 --max-dd 2 --min-return 2.5
python fund_screener.py --gushou-plus --min-sortino 1.5
python fund_screener.py --stock-alpha --min-calmar 0.8 --min-return 10

# 数量控制
python fund_screener.py --bond --max 50

筛选模式与指标

模式参数核心指标默认筛选标准
纯债基金--bond夏普比率夏普>=1.0, 回撤<2%, 收益>2.5%
固收+--gushou-plus索提诺比率夏普>=0.8, 索提诺>=1.2, 回撤<5%, 收益>3.5%
股票Alpha--stock-alpha卡玛比率卡玛>=1.2, 回撤<30%, 收益>10%
默认/股票无/--stock夏普比率夏普>=0.5, 回撤<15%, 收益>3%

自定义参数

参数说明
--min-sharpe <value>最小夏普比率
--min-sortino <value>最小索提诺比率
--min-calmar <value>最小卡玛比率
--max-dd <value>最大回撤百分比(正数,如5表示<5%)
--min-return <value>最小年化收益率(%)
--max <value>最大分析数量(50-500)

作为 Python 模块使用

from fund_screener import get_fund_metrics, analyze_single_fund, calculate_sharpe_ratio

# 分析单只基金
metrics = get_fund_metrics('004010', '华泰柏瑞鼎利混合A')

# 深度分析
analysis = analyze_single_fund('004010')

数据来源

  • 基金净值: 东方财富网 (via AkShare)
  • 基金经理/规模: 基金经理持仓数据
  • 资产配置: 基金季度持仓报告
  • 数据验证: 百度股市通 (via BrowserMCP,可选增强)

浏览器数据验证(BrowserMCP)

AkShare的部分数据存在已知偏差(基金规模为经理总规模而非单只基金规模、持仓数据可能滞后、收益率计算口径差异)。当BrowserMCP可用时,应在Python筛选生成CSV后,自动通过浏览器访问百度股市通进行数据交叉验证和修正。

前置条件

  • .mcp.json 中已配置 BrowserMCP

完整工作流

Step 1: 运行Python筛选 → 生成初始CSV
Step 2: 读取CSV,识别A/C份额对,去重
Step 3: 逐只基金通过BrowserMCP访问百度股市通
Step 4: 验证并修正三大数据:规模、持仓、收益
Step 5: 更新CSV + 保存验证缓存JSON
Step 6: 输出修正摘要

Step 2: A/C份额去重

同一基金的A/C份额共享相同的持仓和规模,无需重复验证。去重规则:

  • 去掉基金名称末尾的A/B/C/E/H后缀进行分组
  • 每组只验证一个份额(代码数字较小的优先)
  • 验证后的持仓和规模数据复制到同组所有份额
  • 近1年收益因费率差异不同,每个份额单独取值(或仅验证A份额)

Step 3: 浏览器验证协议

对每只唯一基金,访问两个页面:

3a. 持仓页 — 获取前5大持仓

URL: https://gushitong.baidu.com/fund/ab-{code}?mainTab=%E6%8C%81%E4%BB%93

使用 browser_navigate 访问后 browser_snapshot 获取快照。在快照文本中查找:

十大重仓股票  更新日期:YYYY-MM-DD
股票A名 X.XX% 股票B名 X.XX% 股票C名 X.XX% ...

提取前5个股票名称,用 , 连接作为"前5大持仓"。

异常处理

  • 若显示 十大重仓股票 暂无数据 → 保留CSV原值(港股通基金常见)
  • 若页面超时 → 重试1次,仍失败则跳过
  • 若显示 服务异常 → 等待2秒后重试

3b. 简况页 — 获取规模和近1年收益

URL: https://gushitong.baidu.com/fund/ab-{code}?mainTab=%E7%AE%80%E5%86%B5

使用 browser_navigate 访问后 browser_snapshot 获取快照。在快照文本中查找:

  • 近1年收益: 寻找 近一年 附近的百分比数值,如 +53.47% 近一年 → 提取 53.47
  • 基金规模: 寻找 规模 附近的数值,格式如 X.XX亿 → 提取 X.XX
注意:部分基金的规模在简况页未直接显示数值,可尝试从持仓页的快照中查找。

Step 4: 修正CSV

对每只验证过的基金:

  • 若百度的"前5大持仓"与CSV不同 → 用百度数据覆盖CSV
  • 若百度的"基金规模"与CSV不同 → 用百度数据覆盖CSV
  • 若百度的"近1年收益"与CSV不同 → 用百度数据覆盖CSV
  • 对A/C份额对:将A份额的持仓和规模数据同步到C份额

Step 5: 保存验证缓存

更新 baidu_fund_data.json 文件,Schema如下:

{
  "004814": {
    "规模": "189.25",
    "近1年": "53.63",
    "前5大持仓": "紫金矿业, 徐工机械, 新华保险, 中国重汽, 三一重工",
    "持仓更新日期": "2025-12-31",
    "验证时间": "2026-02-24"
  }
}

Step 6: 输出修正摘要

验证完成后打印汇总表:

=== 数据验证摘要 ===
总计检查: 25 只(去重后)
规模修正: 18 只
持仓修正: 14 只
收益修正: 4 只
跳过(暂无数据): 2 只

性能优化

  • 每次页面加载后等待1-2秒,避免触发反爬
  • 25只唯一基金约需50次页面加载,预计耗时5-8分钟
  • 可利用缓存JSON:若当天已验证过,跳过重复验证

风险提示

历史业绩不代表未来表现。本工具仅供学习研究,不构成投资建议。

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

Codex

34.25%
按下载量换算308

Claude

30.54%
按下载量换算274

Cursor

19.46%
按下载量换算175

Gemini CLI

10.33%
按下载量换算93

安全审计

Gen Agent Trust Hub

通过

Socket

可疑

Snyk

可疑

权限和风险

操作浏览器

该 Skill 可能涉及浏览器控制能力,使用时可能读取或操作网页内容,需要在受控环境中确认权限边界。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果,不能写成本站确认安全。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills