国内ETF投资 AI 提示词
国内ETF投资 AI 提示词¶
改造的核心逻辑：从“分析公司”切换到“分析工具”¶
上一轮报告中的提示词以个股为默认对象，其底层假设是“公司有内在价值，分析的任务是判断价格与价值的关系”。ETF没有这一层假设。ETF分析的核心判断被概括为两条：指数便宜吗 + 产品好不好。前者指向所跟踪指数的估值与景气位置，后者指向跟踪质量、费率、流动性、集中度等工具属性。
因此，改造不是简单地把“股票”替换成“ETF”，而是重新设计每条提示词的任务目标、输入字段、判断标准和输出约束。以下按四类场景逐一给出可直接使用的版本，并在每条后注明改造要点
一、筛选与机会发现类：从“产业链荐股”改为“指数—产品双层收敛”¶
1.1 主题/行业ETF筛选（替代原“产业链延伸筛选”）¶
可直接使用的提示词：
你是一位熟悉A股ETF产品谱系的研究助理。围绕 {主题/行业} ，在排除该主题下规模最大的前3只ETF之后，从全市场筛选出3只值得进一步研究的场内ETF。对每只输出：
- 代码、名称、跟踪指数名称及代码；
- 跟踪指数近3年PE/PB历史分位（注明数据口径：近3年/近5年，周频/日频）；
- 最新规模（亿元），判断是否处于 >50亿 / 10—50亿 / 2—10亿 / <2亿 区间，<2亿须标注“清盘警戒”；
- 管理费+托管费合计费率，并与该类型ETF的行业均值对比（宽基/行业/主题/债券分别对照）；
- 该指数与同主题其他指数的差异在哪里（编制方式、成分股数量、加权方式、行业分布），用一句话说明“为什么是这个指数而不是那个”；
- 当前折溢价率，若为跨境ETF须单独标注“QDII溢价不适用常规阈值”。
不确定的数据必须写“数据缺失”，不得用“大约”“可能”替代。
改造要点： 原模板用“排除龙头”迫使AI进入非共识区域，这一技巧保留，但排除对象从“直接半导体制造”改为“规模最大的前3只ETF”——因为ETF的规模头部效应极强，头部产品往往已是市场共识的载体，排除它们才能触及真正有差异的选择。新增的第5项是ETF筛选的灵魂：同一个主题下跟踪不同指数的ETF，其风险收益特征可能截然不同，不追问指数差异的筛选等于没有筛选。规模区间阈值和清盘警戒线来自A股ETF的实务标准。
1.2 轮动方向候选筛选（替代原“Deep Research主题筛选”）¶
可直接使用的提示词：
基于截至 {日期} 的公开市场数据，从A股行业/主题ETF中筛选 5—8个下月值得关注的方向，要求兼顾进攻与防守。对每个方向输出：
- 对应ETF代码与跟踪指数；
- 该方向近1月、近3月、近6月涨跌幅在全部行业主题ETF中的排名分位；
- 近20日日均成交额（流动性门槛：≥5000万元，低于此值标注“流动性不足”）；
- 该方向当前的核心驱动逻辑（政策/景气/资金）与最大的反向风险各一条；
- 用一句话说明该方向与其余入选方向之间的相关性或对冲关系。
输出为表格。不给出“买入/卖出”判断，只做方向梳理与数据并列。
改造要点： 原模板的“预期年化回报区间”在ETF场景下应删除或弱化——ETF的回报几乎完全由指数决定，让AI给出“回报区间”极易滑向编造。替换为排名分位、流动性门槛和方向间相关性，这三者是可从公开数据复核的事实层信息。进攻/防守兼顾的要求在ETF轮动中通常通过“行业ETF+红利/债券ETF”的组合来实现，可让AI显式标注每个方向属于哪一侧。
二、深度基本面分析类：从“公司叙事拆解”改为“指数画像—产品画像”两阶段¶
2.1 第一阶段：指数画像（替代原“bring me up to date”的业务叙事部分）¶
可直接使用的提示词：
以一位指数研究员的审慎标准，分析 {指数名称/代码} 。不要把它当作ETF产品介绍，不要罗列基金公司信息。本轮只做指数本身：
- 编制画像：编制方（中证/国证/交易所等）、加权方式（市值/等权/因子）、成分股数量、调样频率、单一样本权重上限；
- 结构画像：前10大成分股合计权重，前3大行业及各自占比，判断属于“高度集中（>70%）/ 中等集中（50—70%）/ 较分散（30—50%）/ 高度分散（<30%）”；
- 估值画像：当前PE、PB及近5年历史分位（注明口径），说明当前估值在历史上的位置意味着什么、不意味着什么；
- 收益—风险画像：近3年年化收益、年化波动率、最大回撤，并与沪深300对比；
- 这个指数“不包含什么” ：明确列出该指数在行业或风格上的系统性遗漏，以及这种遗漏在什么市场环境下会构成显著拖累。
本轮不评价任何具体ETF产品。数据缺失处标注“数据缺失”。
改造要点： 原模板的核心技巧是“从当前价格隐含的预期切入，逆向拆解什么已经定价”。ETF版本将这一逻辑移植到指数层面：估值分位回答“贵不贵”，结构画像回答“暴露了什么”，第5项回答“没暴露什么” 。“不包含什么”这一问是对ETF叙事偏差的直接对冲——主题ETF的宣传材料天然倾向于强调指数“包含了哪些热门赛道”，而系统性遗漏往往是回撤的主要来源。集中度阈值来自A股ETF的通行分析标准。
2.2 第二阶段：产品画像（替代原“建模输入交接”）¶
可直接使用的提示词：
承接上一步对 {指数} 的分析，现在比较跟踪该指数的 {2—4只ETF} ，回答“如果通过ETF表达这个指数观点，产品层面要付出多少代价”。逐项输出：
维度 ETF-A ETF-B ETF-C 管理费+托管费合计 最新规模（亿元）及区间判断 年化跟踪误差（近1年） 近1年跟踪偏差（ETF收益 − 指数收益） 近3月日均成交额 当前折溢价率 前10大持仓合计权重 对跟踪误差给出定性判断：<0.3% 优秀 / 0.3—0.8% 良好 / 0.8—1.5% 一般 / 1.5—2.5% 较差 / >2.5% 跟踪失效（行业ETF可适当放宽半档）。
最后用一段话回答：如果只选一只长期持有，代价最小的选择是哪一只，代价在哪里；如果做波段，流动性和折溢价的重要性如何改变排序。
改造要点： 原模板要求“留下可用于后续交互式估值模型的建模输入”，ETF版本替换为产品层面的代价比较。ETF不存在“估值建模”的空间，它的“成本”体现在费率损耗、跟踪误差、买卖价差和折溢价中。跟踪偏差与费率的关系是一个被广泛使用的检查点：TD 应接近 −（管理费+托管费），显著差于该值意味着存在额外损耗。A股股票ETF的合同标准通常是日均跟踪偏离度绝对值不超过0.2%、年化跟踪误差不超过2%，提示词中要求AI将实际值与这一合同基准对照，比笼统的“跟踪误差大不大”更可复核。当前A股宽基/行业ETF的最低费率档为管理费0.15%+托管费0.05%，提示词不预设“越低越好”，而是让AI给出费率与行业均值的对比，保留判断空间。
三、量化研究框架类：从“四段式个股框架”改为“ETF轮动策略定义框架”¶
3.1 月频行业ETF轮动策略提示词¶
可直接使用的提示词：
角色：你是一位熟悉A股ETF轮动研究的研究助理，任务是把策略定义翻译为可回测的规格，不评价策略优劣，不预测收益。
输入约束：
- 调仓频率：月频（每月最后一个交易日信号，下一交易日执行）；
- 备选池：{列出ETF代码或“全部A股行业ETF，剔除规模<2亿及日均成交额<3000万者”}；
- 持仓数量：{N}只，等权或按{权重规则}；
- 交易限制：单边换手不超过{ X% }，计入单边{ Y }bps交易成本。
策略逻辑需明确以下信号的定义与参数：
- 动量信号：{如“近20日涨跌幅排名”}；
- 趋势过滤：{如“收盘价是否高于60日均线”}；
- 波动率调整：{是否按近20日年化波动率倒数加权}；
- 市场状态过滤：{如“沪深300低于200日均线时，权益ETF总仓位上限降至X%，剩余配置债券ETF或现金”}；
- 现金/防御资产：{债券ETF代码或“现金”}。
输出要求：先输出一张“策略规格表”，包含上述全部参数的可回测定义；再输出一段伪代码或Python框架代码（使用backtrader或vectorbt），代码须包含数据清洗、信号计算、调仓执行和净值计算四段。不输出任何回测收益数字，回测由用户自行运行。
改造要点： 西南证券的Codex实践表明，ETF轮动策略的自然语言提示词需要覆盖调仓频率、备选范围、持仓数量、交易限制，以及动量、趋势、波动率、市场过滤、权重和现金仓位等构件。这一结构被完整保留。关键改造在于明确禁止AI输出回测收益数字。让AI“顺手跑一个回测”在ETF场景下风险极高——它可能调用错误的数据源、忽略交易成本、或直接编造净值曲线。提示词的定位应当是规格定义器，而不是回测执行器；把执行交给用户可控的本地环境，是可复现性的基本前提。
A股ETF轮动还需要一个原模板中不突出的构件：现金/防御资产。行业ETF轮动在A股的一个常见失败模式是满仓穿越下行区间，而“市场过滤 + 债券ETF/现金仓位”是比单纯选行业更底层的风控开关。
四、风险管理与决策审计类：从“个股下单检查”改为“ETF交易前置检查”¶
4.1 下单前ETF结构化检查清单¶
可直接使用的提示词：
我计划买入 {ETF代码} ，方向 {买入/加仓} ，计划价 {价格} ，数量 {份数/金额} 。请按以下规则逐项检查并输出 PASS / WARN / BLOCK：
A. 产品层
- 最新规模是否 <2亿元？是 → BLOCK（清盘风险）。
- 近20日日均成交额是否 <3000万元？是 → WARN；<1000万元 → BLOCK（流动性不足以执行计划数量）。
- 当前折溢价率：A股ETF绝对值 >0.5% → WARN；>1% → BLOCK（追高溢价）。跨境ETF（QDII）溢价 >2% → BLOCK（QDII溢价回归风险显著高于境内ETF）。
B. 计划层 4. 单笔最大亏损 = |计划价 − 止损价| × 数量。若未提供止损价 → WARN（计划不完整）。 5. 该笔金额占总资金比例是否超过 {用户预设单票上限} ？超过 → BLOCK。 6. 该ETF所属行业/主题是否与现有持仓中的某只ETF高度重叠（跟踪同一指数或前10大持仓重合度>50%）？是 → WARN（伪分散）。
C. 纪律层 7. 是否处于用户预设的 连亏冷静期？是 → BLOCK。 8. 本次交易的理由是否可以用一句话写成 “如果……那么……” 的可证伪形式？不能 → WARN（理由不可检验）。
输出表格：检查项 | 结果 | 触发规则 | 一句话说明。最后给出汇总判定。不输出“该不该买”的判断。
改造要点： 原模板的核心设计——AI检查的是“已经形成的交易计划是否违反用户自己定的纪律”，而不是替用户做买卖决定——被完整保留。ETF场景下增加了产品层的硬性前置条件：规模和流动性是ETF独有的“可执行性”问题，一只跟踪误差很低的ETF如果日均成交额不足，计划数量本身就无法以合理价格成交。折溢价阈值区分了境内ETF和QDII：境内ETF的正常折溢价范围通常在 ±0.2% 左右，超过0.5%即需警惕；而QDII因海外市场时差，持续溢价是结构性问题，不能简单套用境内阈值，设定2%的BLOCK线是对这一差异的显式承认。“伪分散”检查是ETF组合中一个容易被忽略的集中度来源：持有三只不同名称的ETF但跟踪同一指数或持仓高度重合，并没有增加分散，只是增加了交易成本。
4.2 ETF持有期偏差审计（替代原“认知偏误审计”）¶
可直接使用的提示词：
以下是我对 {ETF代码} 的持有理由和当前状态。请以偏差审计员的角色，对照以下清单逐项检查，指出我的推理在何处可能被扭曲：
- 叙事偏差：我是否在用“这个赛道长期有前景”替代“这个指数当前估值已经反映了多少前景”？
- 锚定效应：我的止损/止盈参考点是否锚定在买入价或某个历史高点，而不是指数估值分位或基本面变化？
- 处置效应：我是否倾向于卖出盈利的ETF、保留亏损的ETF，而两者的指数逻辑并没有发生对应的变化？
- 规模/流动性忽视：我是否因为某只ETF“费率最低”而选择了流动性不足的产品，实际上把费率节省消耗在了买卖价差上？
- 主题混淆：我是否把“行业景气”等同于“ETF必然上涨”，忽略了指数编制方式（如等权 vs 市值加权）对收益路径的巨大影响？
对每项给出：是否触发（是/否/信息不足） + 触发依据（引用我提供的内容或指出缺失信息）+ 一条可执行的复核动作（不是“再想想”，而是“查什么数据、看什么指标”）。
改造要点： 原模板的偏误清单来自一般投资心理学，ETF版本将每一条偏误锚定到ETF特有的决策陷阱上。叙事偏差在ETF场景中尤其隐蔽，因为主题ETF的营销语言天然鼓励“赛道叙事”；处置效应的ETF版本表现为“卖宽基、留主题”，而两者的风险特征完全不同；规模/流动性忽视直接对应“最低费率陷阱”——在费率差距不过0.1—0.2个百分点的情况下，买卖价差和冲击成本可能轻易吞噬这一优势。每项偏误要求输出可执行的复核动作，是把审计从“提醒”变成“工作流”的关键一步，与原报告中“规则优先于目标”的原则一脉相承。
五、贯穿性的ETF提示词原则（替代原“元规则”）¶
第一，ETF提示词必须同时约束“指数层”和“产品层”，不可偏废。 只问“这个ETF怎么样”得到的输出，要么滑向基金公司介绍，要么滑向行业前景散文。有效的ETF提问天然是两段式的：先让AI把指数拆开（估值分位、结构、遗漏），再让它比较产品（费率、跟踪、流动性、溢价）。
第二，把“数据缺失”设为合法的、被要求的输出。 A股ETF的规模、成交额、跟踪误差、折溢价都是高频变动的数据，AI在离线状态下极易用训练数据中的陈旧值冒充当前值。提示词中应显式写入“数据缺失时写‘数据缺失’，不得用‘大约’‘可能’替代”，并把时效和口径（“截至{日期}”“近20日”“近1年”）写进输入约束。简书的ETF模板将“不允许使用‘可能’‘大约’”“缺少数据时写明‘数据缺失’”作为输出规则，是可直接复用的纪律条款。
第三，ETF提示词应尽量把判断转化为可对照的阈值，而不是留给AI“发挥”。 跟踪误差的“优秀/良好/一般/较差”分档、规模区间的“健康/警戒/清盘”、折溢价的“正常/警惕/BLOCK”，这些阈值本身可以讨论，但有阈值远胜于无阈值。没有阈值的“跟踪误差大不大”得到的是形容词；有阈值的“与0.3%/0.8%/1.5%分档对照”得到的是可复核的判断。
第四，跨境ETF和行业ETF需要独立的约束条款，不能与宽基ETF共用一套提示词。 QDII的溢价机制、时差导致的净值滞后、外汇额度对申赎的影响，与境内宽基ETF是完全不同的风险结构；行业/主题ETF的集中度判断标准（前10大权重>70%属常见）也不同于宽基（>70%则属异常集中）。上一轮报告的“通用最优提示词”预设，在ETF领域尤其不成立——提示词的专业性恰恰体现在对产品类型差异的显式承认上。
小结： 将投资提示词从个股迁移到国内ETF，最关键的改造不在于术语替换，而在于承认ETF是一种“双层决策工具” ：第一层判断指数值不值得暴露，第二层判断哪只产品以最小的代价提供这种暴露。四类提示词分别对应这一双层结构的不同切面——筛选类做双层收敛，深度分析类分两阶段执行，量化框架类把策略规格化而不代替回测，风控类在下单前同时检查产品可执行性和计划纪律。贯穿始终的原则与原报告一致：约束越清晰，输出越可验证；越是试图让AI“大胆判断”，越容易得到流畅而不可靠的叙事。