a-share-selection-strategy-skill은(는) 무엇을 하나요?
범용 주식 선택 전략 스킬: AI 에이전트를 위한 해석 가능한 다중 팩터 주식 선택 워크플로우
개요
이 스킬은 AI 에이전트가 A주 시장에서 해석 가능한 다중 팩터 주식 선택 전략을 실행할 수 있도록 합니다. 이는 인간의 전문 지식과 AI 자동화 간의 격차를 해소하며, 투명하고 감사 가능한 의사 결정을 제공합니다.
주요 특징
- 다중 팩터 모델: 가치, 모멘텀, 규모, 품질 등 여러 팩터를 통합하여 주식을 평가합니다.
- 해석 가능성: 각 단계가 로그와 설명을 생성하여 의사 결정 과정을 완전히 투명하게 만듭니다.
- 사용자 정의 가능: 구성 파일이나 자연어 프롬프트를 통해 팩터 가중치, 임계값, 필터를 손쉽게 수정할 수 있습니다.
- 워크플로우 자동화: 데이터 수집부터 최종 주식 선택까지 엔드투엔드 프로세스를 자동화합니다.
플랫폼 호환성
| 플랫폼 | 지원 여부 |
|---|---|
| Claude Code | ✅ |
| Cursor | ✅ |
| Codex | ✅ |
| 기타 AI 에이전트 | 테스트 필요 |
사용 방법
- 설정: 워크플로우의 루트 디렉터리에
config.yaml파일을 생성하여 팩터와 가중치를 정의합니다. - 실행: AI 에이전트에게 "A주 주식 선택 실행" 또는 "내 다중 팩터 전략 실행"과 같은 명령을 내립니다.
- 결과 검토: 에이전트가 각 주식에 대한 점수, 순위, 선택 이유를 포함한 상세 보고서를 생성합니다.
예제 프롬프트
"A주 시장에서 최고 10개 주식을 선택하세요. 가치 팩터 가중치를 30%, 모멘텀 25%, 품질 20%, 규모 15%, 변동성 10%로 설정하세요. 시가총액이 100억 위안 미만인 주식은 필터링하세요."
워크플로우 단계
- 데이터 수집: 지정된 소스에서 A주의 과거 및 실시간 데이터를 가져옵니다.
- 팩터 계산: 각 주식에 대해 구성된 모든 팩터를 계산합니다.
- 점수 산정: 팩터 점수에 가중 평균을 적용하여 종합 점수를 구합니다.
- 순위 지정: 종합 점수를 기준으로 주식 순위를 내림차순으로 정렬합니다.
- 필터링: 임계값 기반 필터(예: 최소 시가총액, 최대 부채비율)를 적용합니다.
- 선택: 최종 조건을 충족하는 상위 N개 주식을 출력합니다.
구성 예제
factors:
value:
weight: 0.3
metric: pe_ratio
momentum:
weight: 0.25
metric: return_6m
quality:
weight: 0.2
metric: roe
size:
weight: 0.15
metric: market_cap
volatility:
weight: 0.1
metric: beta
filters:
min_market_cap: 10000000000 # 100억 위안
max_debt_ratio: 0.6
top_n: 10
모범 사례
- 팩터 다양성: 단일 팩터에 과도하게 의존하지 않도록 서로 다른 팩터 범주를 혼합하여 사용하세요.
- 시장 상황: 시장 환경(강세장, 약세장, 횡보장)에 따라 가중치를 조정하세요.
- 백테스트: 실시간 배포 전에 항상 과거 데이터로 전략을 백테스트하세요.
- 위험 관리: 손실 제한을 위한 중단 조건과 이상 징후 감지를 위한 알림을 포함하세요.
라이선스
이 프로젝트는 MIT 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 LICENSE 파일을 참조하세요.
연락처
질문이나 기여는 MisonL에게 문의하세요.