基金筛选与定投实战

概述

基于七年实战经验沉淀的五维基金筛选体系，覆盖完整闭环：初筛 → 精筛 → 深度分析 → 回测验证 → 组合配置 → 定投执行 → 定期检视。

完整策略文档：实战/基金/基金筛选投资策略.md

核心工作流

用户请求 → 判断任务类型
  ├─ A. 全流程筛选（从零开始选基）
  ├─ B. 单只基金深度分析
  ├─ C. 组合配置 / 调仓建议
  ├─ D. 定投执行与检视
  └─ E. 读取/更新已有筛选数据

A. 全流程筛选

依次执行以下 4 步，每步产出明确：

第 1 步：天天基金网初筛

• 搜索天天基金网，筛选混合型/股票型基金
• 条件：近 3 年、2 年、1 年、6 月、3 月涨幅同时进同类前 50
• 产出：初筛名单（~30-50 只）

第 2 步：晨星网精筛

• 搜索晨星网，交叉验证初筛名单
• 条件：三年评级 ≥ 三星，五年评级 ≥ 五星，夏普比率前 20~40，晨星风险系数低于同类平均
• 产出：候选池（~10 只）

第 3 步：五维深度分析（详见 references/five-dimensions.md）

• ① 过往业绩稳定性
• ② 基金经理评分、任期、最大回撤
• ③ 投资风格与晨星风格箱
• ④ 前 10 大持仓分析
• ⑤ 机构持有占比与资金流向
• 产出：每只基金的评分卡

第 4 步：定投回测验证

• 分别在牛市和熊市场景下回测
• 牛市年化 ≥ 30%，熊市年化 ≥ 10% 为达标
• 产出：最终精选 4 只入组合

B. 单只基金深度分析

对指定基金代码执行五维分析，输出结构化评分卡：

基金名称：XXX（代码）
─────────────────────
① 业绩：近3年/2年/1年/6月/3月 同类排名 → ⭐⭐⭐⭐⭐
② 经理：评分 X/10 | 任期 X年 | 最大回撤 X% → ⭐⭐⭐⭐
③ 风格：晨星风格箱 [X盘X] | 规模 X亿 → ⭐⭐⭐⭐
④ 持仓：前10持仓集中度 X% | 行业分布 → ⭐⭐⭐
⑤ 机构：机构占比 X% | 近1年净申购/赎回 → ⭐⭐⭐⭐
─────────────────────
综合评级：★★★★☆ | 建议：适合/不适合定投

C. 组合配置

参考晨星风格箱，从候选池中配置：

按市场环境调整：

• 牛市 → 全配股票型
• 震荡市 → 混合型为主 + 债券型
• 熊市 → 增加债券型、货币型

D. 定投执行与检视

定投纪律：

• 不止损、要止盈（20%）、不断供
• 大跌大买、小跌小买、不跌正常定投
• 买入时机：工作日 14:00~15:00

定期检视（每 2-3 个月）：

1. 同类排名是否仍前列
2. 基金经理是否更换
3. 投资风格是否漂移
4. 规模是否异常变动
5. 机构持有比例变化
6. 净赎回是否持续
7. 市场环境是否需调整配比

E. 读取已有数据

工作区已有筛选记录：

• 实战/基金/结果/天天基金筛选20201024.xlsx — 天天基金网筛选结果
• 实战/基金/结果/晨星网基金筛选.xlsx — 晨星网筛选结果
• 实战/基金/结果/基金定投记录表.xlsx — 定投跟踪记录

读取 XLSX 使用 uv run --with openpyxl python3 或 uv run --with pandas python3。

数据源

> 使用 tavily-search / tavily-extract / agent-browser 技能获取实时数据。

输出规范

• 所有输出使用中文
• 涉及具体基金推荐时必须声明：「仅供参考，不构成投资建议」
• 筛选结果保存为 Markdown 表格或 XLSX 到 实战/基金/结果/ 目录
• 文件命名遵循：{平台}筛选{YYYYMMDD}.xlsx 或 基金筛选结果{YYYYMMDD}.md

参考资料

• 五维分析详解: references/five-dimensions.md — 每个维度的具体评判标准与阈值
• 完整策略原文: 实战/基金/基金筛选投资策略.md — 从学习笔记提炼的完整策略文档