fund-cli 3.4.0

专业基金分析CLI工具 - 面向机构客户

Fund CLI

专业基金分析CLI工具 - 面向机构客户

---

简介

Fund CLI 是一款面向机构客户的专业基金分析命令行工具，提供基金筛选、业绩分析、组合对比、风险监控等功能。基于开源技术栈构建，支持多数据源接入和AI辅助分析。

v3.2 新特性

五层数据质量治理架构

• Layer 1 数据采集层: Gateway路由 + 熔断器/重试/降级机制
• Layer 2 数据标准化管道: Pydantic模型验证 + 重复检测 + 净值范围校验
• Layer 3 质量检查引擎: 8项Expectation风格自动化检查
• Layer 4 计算验证层: 12项指标合理性边界验证 + 交叉验证
• Layer 5 输出合规层: 报告完整性验证 + 免责声明检查

新增质量模块

• QualityGate: 分析入口强制执行数据质量检查
• CalcValidator: Sharpe/回撤/波动率等12项指标合理性验证
• CrossValidator: PerformanceAnalyzer与RiskAnalyzer交叉验证
• AIOutputValidator: AI生成内容与源数据一致性校验
• ReportValidator: 报告必需字段和合规性检查
• AuditLogger: 质量检查/分析操作/报告生成审计日志

v3.1 新特性

多数据源架构

• 统一适配器接口: 支持 Tushare、AKShare、Wind 三大数据源
• 数据源网关: 熔断器 + 降级 + 重试机制，保障数据获取稳定性
• 数据标准化: 跨数据源字段映射、日期格式统一、基金代码标准化

报告引擎增强

• 5种报告格式: HTML、Markdown、PDF、Word、PowerPoint
• 4类报告模板: 单基金研究、投资组合、市场资金流向、合规风控
• Jinja2模板引擎: 支持自定义模板和过滤器

AI分析增强

• 双后端支持: 规则引擎（零配置）+ OpenAI API（高精度）
• 智能分析: 基金/组合摘要、风险提示、投资建议、亮点/风险点提取

v3.0 新特性

• AI Agent 对话 - 基于 LangGraph 的智能对话系统
  • 12+ 数据接口工具自动调用
  • 多轮对话上下文保持
  • 记忆系统（可选 ChromaDB）
• MCP 协议支持 - Model Context Protocol 集成
• 持仓分析 - 行业分布、集中度、风格分析
• 基金经理分析 - 业绩、稳定性、管理规模
• 组合优化 - 均值方差/最大夏普/风险平价
• 归因分析 - Brinson 归因模型
• 监控预警 - 净值变动监控和预警
• 交互式模式 - REPL 交互式命令行

核心功能

• 基金筛选 - 多维度筛选条件，支持业绩、风险、规模等指标
• 业绩分析 - 收益率、夏普比率、最大回撤等专业指标
• 基金对比 - 多基金横向对比分析
• 组合优化 - 基于现代投资组合理论的资产配置优化
• AI分析 (V2.0) - AI辅助投资分析和报告生成
• 多数据源架构 (v3.1) - Tushare/AKShare/Wind 统一接入，熔断降级机制
• 报告引擎 (v3.1) - HTML/Markdown/PDF/Word/PPT 5种格式报告
• AI增强 (v3.1) - 规则引擎 + OpenAI 双后端智能分析
• 数据质量治理 (v3.2) - 五层质量架构 + 审计日志 + 合规验证

---

安装指南

系统要求

• Python 3.10 或更高版本
• pip 包管理器

使用 pip 安装

pip install fund-cli

从源码安装

git clone https://github.com/jarrey-0804/fund-cli.git
cd fund-cli
pip install -e ".[dev]"

验证安装

fund --version
fund --help

Docker 部署

# 拉取镜像并运行
docker run --rm -e FUND_DATA_TUSHARE_TOKEN=your_token fund-cli:latest fund --help

# 使用 docker-compose
docker compose up fund-cli

---

使用教程

基本命令

# 查看帮助
fund --help

# 筛选基金
fund filter --type 股票型 --min-scale 10

# 分析基金
fund analyze 000001

# 对比基金
fund compare 000001 000002 000003

# 查看基金信息
fund info 000001

AI分析功能 (V2.0)

# 配置AI服务
fund ai config --provider qwen --api-key YOUR_API_KEY

# AI基金分析
fund ai summarize 000001

# AI投资建议
fund ai advice --risk-level 中等

# AI风险评估
fund ai risk 000001

报告生成功能 (v3.1)

# 生成单基金研究报告
fund report --type single_fund --fund 000001 --format pdf

# 生成投资组合报告
fund report --type portfolio --funds 000001,000002 --format html

# 列出可用模板
fund list-templates

组合优化

# 均值方差优化
fund optimize mean-variance 000001 000002 000003

# 风险平价优化
fund optimize risk-parity 000001 000002 000003

# 最大夏普比率优化
fund optimize max-sharpe 000001 000002 000003

数据管理

# 更新基金数据
fund data update

# 查看数据缓存
fund data cache info

# 清理缓存
fund data cache clear

---

API文档

Python API 使用

from fund_cli import FundClient

# 创建客户端
client = FundClient()

# 获取基金信息
fund_info = client.get_fund("000001")

# 分析基金
analysis = client.analyze("000001")

# 筛选基金
funds = client.screen(type="股票型", min_scale=10)

# 对比基金
comparison = client.compare(["000001", "000002", "000003"])

AI分析 API

from fund_cli.ai import AIAnalyzer

# 创建分析器
analyzer = AIAnalyzer(provider="qwen", api_key="YOUR_API_KEY")

# 基金摘要
summary = analyzer.summarize_fund("000001")

# 投资建议
advice = analyzer.investment_advice(risk_level="中等")

# 风险评估
risk = analyzer.risk_assessment("000001")

---

开发指南

开发环境设置

# 克隆仓库
git clone https://github.com/jarrey-0804/fund-cli.git
cd fund-cli

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Linux/macOS
# 或 venv\Scripts\activate  # Windows

# 安装开发依赖
pip install -e ".[dev]"

# 安装 pre-commit 钩子
pre-commit install

运行测试

# 运行所有测试
pytest tests/

# 运行带覆盖率
pytest --cov=src/fund_cli tests/

# 运行特定测试
pytest tests/unit/test_core/ -v

代码质量

# 代码格式化
black src tests

# Lint检查
ruff check src tests

# 类型检查
mypy src

项目结构

fund-cli/
├── src/fund_cli/          # 源代码
│   ├── cli.py             # CLI入口
│   ├── config.py          # 配置管理
│   ├── core/              # 核心模块
│   ├── data/              # 数据层
│   │   ├── adapters/      # 数据源适配器 (v3.1)
│   │   ├── gateway.py     # 数据源网关 (v3.1)
│   │   └── normalizer.py  # 数据标准化 (v3.1)
│   ├── analysis/          # 分析模块
│   ├── ai/                # AI模块 (V2.0/V3.1)
│   ├── report/            # 报告引擎 (v3.1)
│   ├── commands/          # CLI命令
│   └── utils/             # 工具函数
├── tests/                 # 测试代码
├── docs/                  # 文档
└── examples/              # 示例脚本

架构设计

多数据源架构

┌─────────────────────────────────────────────────────────────┐
│                      DataSourceGateway                       │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────────────┐  │
│  │  熔断器     │  │  降级策略   │  │  重试机制           │  │
│  └─────────────┘  └─────────────┘  └─────────────────────┘  │
└─────────────────────────────────────────────────────────────┘
                              │
        ┌─────────────────────┼─────────────────────┐
        ▼                     ▼                     ▼
┌───────────────┐    ┌───────────────┐    ┌───────────────┐
│ TushareAdapter│    │ AKShareAdapter│    │  WindAdapter  │
└───────────────┘    └───────────────┘    └───────────────┘

报告引擎架构

┌─────────────────────────────────────────────────────────────┐
│                      ReportEngine                            │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────────────┐  │
│  │  Template   │  │  Data       │  │  Export             │  │
│  │  Engine     │  │  Provider   │  │  Adapters           │  │
│  └─────────────┘  └─────────────┘  └─────────────────────┘  │
└─────────────────────────────────────────────────────────────┘
                              │
        ┌─────────────────────┼─────────────────────┐
        ▼                     ▼                     ▼
┌───────────────┐    ┌───────────────┐    ┌───────────────┐
│  HTML/Markdown│    │  PDF (Weasy)  │    │ Word/PPT      │
└───────────────┘    └───────────────┘    └───────────────┘

---

技术栈

类别	技术
CLI框架	Typer, Rich
数据处理	Pandas, NumPy
数据源	AKShare, Tushare
量化分析	QuantStats, PyPortfolioOpt
可视化	Plotly, Matplotlib
AI集成	LiteLLM, Qwen

---

更多文档

• 安装指南
• 使用教程
• API参考
• 开发指南

---

许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件。

贡献

欢迎贡献！请查看 贡献指南 了解详情。

联系方式

• 问题反馈: GitHub Issues
• 功能建议: GitHub Discussions