---
name: aifinlab/a-share-fund-holding
source: https://app.decimal.ai/s/aifinlab-a-share-fund-holding@1/SKILL.md
source_sha256: 6f45adf9eb22
---

### 数据源
```bash
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

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

### 示例 2: 命令行使用

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