FundPilot

基金分析、筛选与组合导航工具。项目目标不是找“过去涨得最多”的基金，而是用可复用规则筛出更可能有持续风险调整收益的基金，并结合个人持仓做组合诊断。

当前能力

• 从 portfolio.yaml 读取支付宝基金交易记录
• 使用加权平均法计算当前份额、成本价、市值与浮动盈亏
• 通过 AKShare 拉取基金净值、基础信息、持仓、分红与指数数据
• 使用 SQLite 缓存减少重复请求
• 计算年化收益、年化波动、最大回撤、Sharpe、Sortino、Calmar、Alpha、Beta、信息比率等指标
• 按基金类型做初步分类与评分：短债、纯债、固收+、权益、量化、红利、黄金、QDII、行业主题
• 输出当前组合的基金筛选诊断表

使用

uv run python main.py

预热缓存：

uv run python src/update_cache.py

打开 notebook 做交互分析：

uv run jupyter notebook

请从项目根目录运行该命令。uv 会使用当前项目的 .venv；不要用系统 Python 或全局 Jupyter 启动这个 notebook。

运行本地测试：

uv run python -m unittest discover -s tests

Python API: 多 Agent 问答

规划中的 UI 会调用 Python API，而不是依赖命令行解析。当前入口：

from src.agents import answer_question

answer = answer_question("我的组合现在风险怎么样？")
print(answer)

该 API 目前返回纯文本答案，并保留数据来源与“非投资建议”提示。后续 UI 需要更细粒度渲染时，再决定是否升级为结构化返回。

方法框架

筛选逻辑分为几层：

1. 基础过滤：成立时间、规模、类型、基金经理、申购状态
2. 绩效评估：收益、波动、回撤、胜率、风险调整收益
3. 基准比较：Alpha、Beta、超额收益、跟踪误差、信息比率
4. 风险识别：债基回撤异常、主题基金波动过高、持仓集中度过高
5. 组合动作：优选、持有观察、谨慎观察、复核、替换候选

数据文件

• portfolio.yaml：基金交易记录
• data/fund_cache.db：AKShare 数据缓存
• src/report/：人工或半自动生成的分析报告

下一步

• 加入同类基金分位数排名，替代部分静态阈值
• 增加 A/C 份额费率与持有期成本比较
• 增加基金经理任职期、历史产品、变更事件分析
• 增加风格箱、风格漂移和行业暴露分析
• 生成 Markdown/HTML 自动报告
• 补测试：成本法、指标计算、缓存新鲜度、评分边界