lyra81604/who-is-the-best-manager

最强经理之争(其实都很强) • 四位中国权益基金经理(易方达郑希/张坤/武阳·财通金梓才)可溯源对比 Agent Skill:原话语料+真实持仓,5项核心功能,6项进阶玩法。仅研究学习辅助,不构成任何投资建议。

Compatible conClaude Code~Codex CLI~Cursor
npx skills add lyra81604/who-is-the-best-manager

Ask in your favorite AI

Open a new chat with this agent skill pre-loaded.

Documentación

最强经理之争 Skill

把四位风格差异极大的基金经理放进同一个擂台,既能引用他们各自说过的原话、讲清各自的投资方法, 又能用全部在管基金的真实数据做同口径对比、调仓追踪、行业透视,帮用户更全面地认识一个行业、一只基金、 以及"自己更适合哪一类打法"。

四位经理与定位(详见 references/arena/managers.json):

  • 郑希(易方达) —— 景气拼接 / 周期定位 / ROE 低位弹性 / 自上而下产业链。
  • 张坤(易方达) —— 价值投资 / 优质企业长持 / 极低换手 / "算私有化这笔账"。
  • 武阳(易方达) —— 产业周期中锚定成长 / AI 算力等成长方向前瞻 / 仓位集中。
  • 金梓才(财通) —— 景气度投资 / 行业中观配置轮动 / 产业研究驱动 / 高换手。

三块根基(都在 references/,都可溯源)

  • 原文语料 references/managers/{经理}/corpus/ —— 各经理公开观点原文:定期报告"投资运作/策略分析"、 基金经理手记、媒体采访;金梓才另有"天天基金动态"——他在天天基金个人主页高频发布的市场观点短文, 比季报更贴近当下(语料类型 天天基金动态search_corpus.py --type 天天基金动态 可单独搜)。 每篇 md 头部有标题/日期/来源/原文链接,正文在 --- 之后。
  • 投资方法 references/managers/{经理}/method.md —— 从各自语料蒸馏的方法框架,每条都配本人原话。 这是本 skill 与"凭印象总结风格"的根本区别。
  • 真实基金数据 references/fund_data/(郑希)与 references/fund_data_cache/(其余三人)—— 每只基金的季度前十大重仓、净值/区间收益/最大回撤/规模/资产配置/任职回报。
  • 擂台元数据 references/arena/managers.json —— 四人各自的在管基金、任职区间(start/end)、风格标签; references/arena/scorecard.md —— 六维对比评分口径。

运行脚本的方式(重要,否则会一直弹确认框)

脚本都用绝对路径自定位数据、并自带输出上限,调用时务必保持成一条最朴素的命令

  • ✅ 正确:python "<本skill目录>/scripts/compare_managers.py"
  • ❌ 不要用 cd … && python …(组合命令含 cd 会强制人工确认)
  • ❌ 不要加 2>/dev/null| head> 等重定向或管道
  • ❌ 不要用 ; / && 串多个命令——一次只跑一个脚本

<本skill目录> 是本 SKILL.md 所在目录(脚本在它的 scripts/ 子目录)。

四大用途怎么做

用途一:经理之争擂台(谁更强)

用户问"谁回撤控得好""谁收益最高""他们谁更厉害""张坤和金梓才比"时:

  1. 先取真实指标python scripts/compare_managers.py(四人代表基金擂台)。 要看全部基金加 --all;只比某几人 python scripts/compare_managers.py 张坤 金梓才; 指定基金对位 python scripts/compare_managers.py --fund 005827 720001
  2. 再按 references/arena/scorecard.md 的六维给"分场景结论":长期收益、回撤控制、风险调整后收益、 换手/策略类型、景气轮动把握、行业研究深度。不要下"绝对第一"的简单排名——讲清"要长期复利低折腾选谁、 要顺产业趋势博弹性选谁",并配证据。
  3. 关键提醒:张坤"不靠择时控回撤、靠选股",高仓位高集中下熊市账面回撤可能不小,要按其逻辑解释而非只看数字; 任职区间长短不同(张坤样本最长、跨完整牛熊),比较时要点明。

用途二:行业 / 个股透视(四个镜头看一个行业)

用户问"光通信谁在买""他们怎么看 AI 算力""谁持有中际旭创""贵州茅台四个人谁拿了"时:

  1. 先看真实持仓python scripts/sector_lens.py 光通信(内置常见主题词,会展开成一篮子个股); 或直接传个股名 python scripts/sector_lens.py 中际旭创;自定义个股包 --names 中际旭创,新易盛。 它给出四人各自:持有哪些相关股、何时首进、最新占比与峰值、当前是否仍在前十大。
  2. 再叠加各自观点:用 python scripts/search_corpus.py 光通信(四人全搜,看谁谈过、原话怎么说)+ 各自 method, 给"四个镜头"的综合看法:谁重仓押注、谁分散布局、谁在轮动、谁完全不碰,以及各自的理由。
  3. 这就是把"快速了解一个行业"做厚:既有真金白银的仓位证据,又有产业判断的原话。

用途三:持仓 / 调仓追踪

用户问"金梓才最近调了什么""张坤这几年动过吗""谁在减算力"时:

  1. python scripts/holdings_diff.py 金梓才(该经理代表基金逐季:新进/清仓/加仓/减仓); 指定基金 python scripts/holdings_diff.py 720001;看更长 --quarters 12;指定某经理某基金 武阳 --fund 011891
  2. 解读时落到风格:金梓才整组切换=中观轮动;张坤几乎不动=买入持有;对照他同期季报原话印证"为什么这么调"。

用途四:多视角参考(校准你自己的判断,不替你决定)

用户问"我该怎么看这只基金/这个行业""我自己拿着 XX,这几位会怎么看"时:

  1. 把上面三件事组合起来:先 compare_managers 看这类打法的收益/回撤画像,再 sector_lens 看四人在该方向的真实仓位, 再用各自 method 给"四种视角"的判断,让用户看到同一问题的不同打法与取舍。
  2. 落脚到校准认知而不是给指令:呈现"张坤会怎么想、金梓才会怎么做"的对照,帮用户想清自己的风险偏好与时间维度, 不替用户做买卖决定

进阶玩法(创新工具,按需调用)

这些把"原文可溯源 + 真实持仓"双底座用出花样,是本 skill 的独家点:

  • 风格雷达 + 人设卡 —— 用户想"一眼看懂四人风格差异/谁是什么型"时跑 python scripts/style_radar.py: 输出四人六维(收益弹性/回撤控制/风险调整/轮动换手/持仓集中/长跑年限)的相对分 + 一句话人设,并生成 references/arena/style_radar.svg。可直接把这张 SVG 展示给用户;若环境支持,也可据六维分用 show_widget 渲染交互雷达。
  • 本季调仓快报 —— "这季四人都调了啥/谁在反向" 跑 python scripts/rebalance_brief.py--all 看全部基金): 汇总各自最新季加减仓,并提炼【共识加仓/共识减仓/明显分歧】。适合配 /schedule 在季报披露后定期产出。
  • 言行一致性核对 —— "X 嘴上看好 Y、真买了吗" 跑 python scripts/consistency_check.py <经理> <主题/个股>: 把"说的"(语料表态、最早提及)与"买的"(前十大真实持仓、进场季)并列,给一致性判读。强调是证据对照、非定论。
  • 观点时间机器 —— "光通信谁最早看到/谁后知后觉" 跑 python scripts/opinion_timeline.py <主题> [--manager X]: 把四人历年原话按时间轴排出来,标"最早提及",看谁更早布局、谁中途转向。
  • 四人会诊 —— "我拿着 XX 行业/这只股,四个人会怎么看" 跑 python scripts/consult.py <行业/主题/个股>: 一次性给出四人各自的【真实持仓暴露 + 本人原话 + 方法定位】证据单,据此合成"四种视角"的结构化点评 (原话忠于原文、语料没谈的用其方法推演并声明、持仓标季度)。
  • 自定义擂台 —— 用户想"把某只基金/某位经理也拉进来一起比"时跑 python scripts/compare_managers.py --add <代码或经理名…>: 可加任意基金代码,也可点名加外部经理(脚本内 EXTRA_MANAGERS 表,如朱少醒/刘彦春/葛兰…,本地缺数据自动联网抓)。 注意:外部经理只在擂台层比数字、没有语料,所以不能进会诊/言行对照/时间机器;要让某人进语料层,得正式抓他的语料建成第 5 人。

溯源 / 方法 / 风格化(单经理能力,沿用)

  • "X 怎么看 Y / 他什么观点" —— search_corpus.py "关键词" --manager X 找原文,引用并自然点明出处;有演变就串年份。
  • "X 的投资方法/框架" —— 读 references/managers/X/method.md(每条带原话)。
  • "用 X 的风格写一段" —— 先读两三篇他真实季报/手记体会笔法,再写,不编造数字/持仓,结尾注明风格化模拟。
  • "X 说看好 Y,买了吗"(言行对照) —— 语料拿表态 + holdings_diff/基金数据拿对应季度真实持仓,两相对照, 务必只用其任职区间内的季度(见下)。

引用与诚实(这部分别松)

  • 忠于原文:引某经理的话,必须和其 corpus 文字一致,不改写、不缩写后当原话;别张冠李戴把 A 的话安到 B 头上。
  • 出处自然干净:用人话点出处("张坤在 2012 年的手记里写道""金梓才在 2026 年一季报里说")。 不要把内部记号写进回答——[张坤 | 定期报告 | …]method.md、文件路径、季度标签格式等都不要出现在给用户的文字里。 不要报收录数量("共多少篇")。
  • 分清三种话:①本人原话(忠实引用+自然出处)②按其方法的推演(讲清是推的)③需核实的事实(具体公司/价格/数字)。
  • 季度颗粒度,不是逐笔:中国公募只季度(前十)/半年(全部)披露,没有逐笔买卖时点。 调仓/持仓都是季度快照,引用带季度与数据日期;别把"季度间变化"说成"某天买入卖出"。
  • 任职区间过滤:持仓/净值数据可能覆盖整只基金历史(含别的经理任期)。managers.json 标了每人每只基金的 start/end, 脚本已按区间裁剪;人工解读时也只算其任内的季度,别把别人的持仓/业绩算到他头上。
  • 指标是估算:回撤/波动用净值估算、换手为前十大近似、金梓才部分基金 start 为保守推断——都要说明局限。
  • 不杜撰:编造没说过的话、或凭空捏造持仓/业绩/目标价是最大禁区;语料和数据都没有的,如实说没有。

语料外话题怎么办

某位经理没公开谈过的话题:先 search_corpus.py --manager X 确认确实没有;回答第一句加粗声明 (如 "张坤没有公开谈过创新药,以下是按他一贯方法的推演,不代表他本人观点。"),再用其 method.md 框架推演; 推演里的具体公司/数字标"需核实"。

工具一览

  • scripts/compare_managers.py —— 经理之争量化擂台(--all 全部基金 / 经理名… 选人 / --fund 代码… 对位 / --add 代码或经理名… 自定义并入)。 --add 可加基金代码,也可点名加外部经理(朱少醒/刘彦春/谢治宇/葛兰/萧楠/傅鹏博/刘格菘/周蔚文/劳杰男/胡昕炜,见脚本内 EXTRA_MANAGERS 表,含代表基金与来源); 但外部经理只进"擂台比数字",没有语料,不进言行对照/会诊/时间机器/雷达,且按基金全历史口径(非任职区间裁剪)。
  • scripts/sector_lens.py <行业/个股> —— 行业/个股透视:四人谁持有/加减/早布局(--names 自定义个股包)。
  • scripts/holdings_diff.py <经理或代码> —— 逐季调仓追踪(--quarters N--fund 代码)。
  • scripts/search_corpus.py "词" —— 四人语料检索(--manager--type天天基金动态--any--context)。
  • scripts/style_radar.py —— 风格雷达+人设卡(六维相对分,生成 SVG)。
  • scripts/rebalance_brief.py —— 本季调仓快报(共识/分歧,--all)。
  • scripts/consistency_check.py <经理> <主题> —— 言行一致性核对(说的 vs 买的)。
  • scripts/opinion_timeline.py <主题> —— 观点时间机器(历年原话时间轴,--manager)。
  • scripts/consult.py <行业/主题/个股> —— 四人会诊证据单(持仓+原话+方法)。
  • references/managers/{经理}/method.md —— 各自方法框架(带原话)。
  • references/arena/managers.json —— 四人在管基金、任职区间、风格标签。
  • references/arena/scorecard.md —— 六维对比口径。
  • scripts/fund_lookup.py 关键词 / scripts/fetch_any_fund.py <代码> —— 全市场任意基金查代码 / 抓数据(联网,做扩展对比用)。
  • 数据刷新:易方达三人语料 python scripts/scrape_manager.py 张坤 zhangkun 721(武阳 wuyang 717、郑希 zhengxi 462); 金梓才季报语料 python scripts/fetch_caitong_corpus.py、动态短文 python scripts/fetch_jin_dynamics.py(可加数字只取最新 N 条); 基金数据 python scripts/fetch_any_fund.py <代码> --force

边界

研究与学习辅助,不构成投资建议,不预测涨跌、不给买卖指令、不承诺收益。"最强"是分场景、看标准的,不下绝对排名。 语料与数据均来自四位经理及其基金的公开披露内容。

Skills relacionados

qaynaq/qaynaq

The fastest way to connect your data to AI - scale as you need, without the hassle.

community

coreyhaines31/competitor-profiling

When the user wants to research, profile, or analyze competitors from their URLs. Also use when the user mentions 'competitor profile,' 'competitor research,' 'competitor analysis,' 'profile this competitor,' 'analyze competitor,' 'competitive intelligence,' 'competitor deep dive,' 'who are my competitors,' 'competitor landscape,' 'competitor dossier,' 'competitive audit,' or 'research these competitors.' Input is a list of competitor URLs. Output is structured competitor profile markdown files. For creating comparison/alternative pages from profiles, see competitors. For sales-specific battle cards, see sales-enablement.

community

agricidaniel/seo-sxo

Search Experience Optimization: reads Google SERPs backwards to detect page-type mismatches, derives user stories from search intent signals, and scores pages from multiple persona perspectives. Identifies why well-optimized pages fail to rank by analyzing what Google rewards for each keyword. Use when user says "SXO", "search experience", "page type mismatch", "SERP analysis", "user story", "persona scoring", "why isn't my page ranking", "intent mismatch", or "wireframe".

community

Greenrestlessness223/alpha-skills

Turn any AI coding assistant into a quant researcher for factor discovery, alpha testing, decay tracking, and backtests in natural language

community

Dragooz/Simple-AI-Agent-Skills

Customized useful skills that's clear, simple to use

community

parallel-web/parallel-deep-research

ONLY use when user explicitly says 'deep research', 'exhaustive', 'comprehensive report', or 'thorough investigation'. Slower and more expensive than parallel-web-search. For normal research/lookup requests, use parallel-web-search instead. Supports multi-turn: pass --previous-interaction-id from a prior research or enrichment to continue with context.

community