Communitygithub.com

tradeblocks-org/tradeblocks-skills

트레이딩 전략에 대한 포트폴리오 분석. 상관관계, 분산투자, 결합 성과 특성을 탐색합니다. 전략 간 관계 이해, 분산투자 효과 탐색, 포트폴리오 구성을 분석할 때 사용하세요.

tradeblocks-skills란 무엇인가요?

이 기술은 TradeBlocks MCP 서버를 통해 트레이딩 전략 포트폴리오를 종합적으로 분석합니다. 전략 간 상관관계, 포트폴리오 구조, 한계 기여도, 유사성, 그리고 다양한 가상 시나리오(What-If)를 분석하여 포트폴리오 특성을 깊이 이해할 수 있도록 돕습니다. 또한 포트폴리오 건강 상태 진단, 위험 집중도 파악, 은닉된 기회와 중복 전략을 식별하는 기능을 제공합니다. 특히 켄달 타우(Kendall's tau)와 같은 강건한 상관관계 방법을 지원하며, 변동성 국면(VIX)과 추세 방향을 고려한 정교한 포트폴리오 구조 맵을 제공합니다. 이 기술은 TradeBlocks 생태계의 다른 기술(비교, 위험 분석, 건강 진단)과 연계하여 사용할 수 있으며, 과거 데이터 기반의 인사이트를 제공하므로 사용자의 위험 허용 범위와 포트폴리오 목표에 맞게 해석해야 합니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/tradeblocks-org/tradeblocks-skills/tree/HEAD/skills/portfolio

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

포트폴리오 분석

전략 간의 관계와 결합이 포트폴리오 특성에 미치는 영향을 탐색합니다.

이 기술이 하는 일

포트폴리오 역학을 이해하는 데 도움이 되는 데이터를 제공합니다:

  • 건강 진단(Health Check): 한 번의 호출로 종합적인 포트폴리오 평가
  • 상관관계(Correlation): 전략들이 서로 어떻게 움직이는가?
  • 구조(Structure): 포트폴리오에 중복되거나 사각지대가 있는 곳은?
  • 한계 기여도(Marginal Contribution): 어떤 전략이 위험 조정 수익률에 도움이 되거나 해를 끼치는가?
  • 유사성(Similarity): 중복된 전략이 있는가?
  • 가상 시나리오 스케일링(What-If Scaling): 자산 배분을 변경하면 포트폴리오에 어떤 영향이 있을까?

전제 조건

  • TradeBlocks MCP 서버가 실행 중이어야 함
  • 여러 개의 전략 블록 또는 멀티-전략 블록이 로드되어 있어야 함
  • 국면(Regime) 범위 및 구조 분석을 위해 전략 프로파일(Strategy Profiles)이 권장됨

프로세스

1단계: 포트폴리오 건강 진단

portfolio_health_check를 사용하여 한 번의 호출로 종합 평가를 실시합니다.

주요 매개변수:

  • blockId: 블록 폴더 이름
  • correlationThreshold: 이 값을 초과하는 쌍에 플래그 지정 (기본값: 0.5)
  • tailDependenceThreshold: 이 값을 초과하는 꼬리(tail) 쌍에 플래그 지정 (기본값: 0.5)
  • profitProbabilityThreshold: MC 수익 확률 경고 (기본값: 0.95)
  • wfeThreshold: 워크-포워드 효율성 경고 (기본값: -0.15)

도구가 반환하는 계층형 보고서:

  • 평결(Verdict): HEALTHY / MODERATE_CONCERNS / SIGNIFICANT_CONCERNS
  • 등급(Grades): 9개 차원에 대한 A-F 등급:
차원측정 항목
분산투자(Diversification)전략 쌍 간의 상관관계
꼬리 위험(Tail Risk)극단적 동반 하락 위험
견고성(Robustness)워크-포워드 효율성 (OOS 대 IS)
일관성(Consistency)몬테카를로 수익 확률
국면 범위(Regime Coverage)VIX 국면별 전략 성과
거래일 범위(Day Coverage)주중 거래일 범위
집중 위험(Concentration Risk)구조, 기초자산, DTE별 배분
상관관계 위험(Correlation Risk)프로파일 인식 중복 (동일 기초자산 + DTE + 요일)
스케일링 정렬(Scaling Alignment)백테스트 대 실시간 계약당 P&L 편차
  • 플래그(Flags): 상세 정보가 포함된 특정 경고 (높은 상관관계 쌍, 꼬리 의존도 쌍 등)
  • 주요 수치(Key numbers): 샤프(Sharpe), 소르티노(Sortino), 최대 손실폭, 평균 상관관계, 평균 꼬리 의존도, MC 통계, WFE

평결을 제시하고, B 미만 등급에 플래그를 지정하며, 특정 경고 세부 정보를 표면화합니다.

2단계: 상관관계 분석

get_correlation_matrix를 사용하여 상세한 쌍별 상관관계 데이터를 얻습니다.

주요 매개변수:

  • blockId: 블록 폴더 이름
  • method: "kendall" (강건, 순위 기반, 기본값), "spearman" (순위), "pearson" (선형)
  • alignment: "shared" (두 전략 모두 거래한 날짜만) 또는 "zero-pad" (누락된 부분을 0으로 채움)
  • timePeriod: "daily", "weekly", 또는 "monthly" 집계
  • normalization: "raw" (절대 P&L), "margin" (P&L/증거금), "notional" (P&L/명목금액)
  • minSamples: 유효한 계산을 위한 최소 공유 기간 (기본값: 10)
  • highlightThreshold: 이 값을 초과하는 쌍에 플래그 지정 (기본값: 0.7)

상관관계 값 해석:

상관관계의미
< 0.2매우 낮음 - 전략이 독립적으로 움직임
0.2 - 0.4낮음 - 대체로 독립적인 움직임
0.4 - 0.6보통 - 일부 공유 행동
0.6 - 0.8높음 - 상당한 공유 움직임
> 0.8매우 높음 - 전략이 유사하게 행동

트레이딩 수익률의 경우 Kendall의 타우가 Pearson보다 더 유용한 이유는 references/correlation.md를 참조하세요.

3단계: 포트폴리오 구조 맵

portfolio_structure_map을 사용하여 프로파일된 모든 전략에 걸친 Vol_Regime x Trend_Direction 매트릭스를 확인합니다.

주요 매개변수:

  • blockId: 선택사항 — 생략하면 모든 블록을 집계
  • minTrades: 데이터 부족 경고 임계값 (기본값: 10)

도구가 반환하는 항목:

  • 전략별 통계가 포함된 18개 셀 매트릭스 (6 Vol_Regimes x 3 Trend_Directions)
  • 중복 탐지(Overlap detection): 동일 셀에서 활성화된 2개 이상의 전략
  • 사각지대(Blind spots): 모든 전략에서 거래가 0건인 셀
  • 데이터 부족 경고(Thin-data warnings): 임계값보다 적은 거래의 셀

이것이 포트폴리오 구성을 이해하기 위한 핵심 도구입니다. 포트폴리오가 어떤 부분에 범위를 가지고 있고, 어디에 그렇지 않은지 알려줍니다.

4단계: 한계 기여도

marginal_contribution을 사용하여 각 전략이 포트폴리오의 위험 조정 수익률에 미치는 영향을 확인합니다.

주요 매개변수:

  • blockId: 블록 폴더 이름
  • targetStrategy: 특정 전략에 대해서만 계산 (선택사항)
  • topN: 반환할 상위 기여자 수 (기본값: 5)

도구가 반환하는 항목:

  • 기준 포트폴리오 샤프 및 소르티노
  • 전략별 한계 샤프 및 소르티노 영향
  • 가장 유익한 전략과 가장 덜 유익한 전략

해석:

  • 음의 한계 샤프(Negative marginal Sharpe): 이 전략을 제거하면 포트폴리오 샤프가 낮아집니다. 즉, 긍정적으로 기여하고 있다는 뜻입니다.
  • 양의 한계 샤프(Positive marginal Sharpe): 이 전략을 제거하면 포트폴리오 샤프가 높아집니다. 즉, 위험 조정 수익률을 저해할 수 있다는 뜻입니다.
  • 참고: 한계 기여도는 위험 조정된 영향을 측정하며, 절대 P&L을 측정하지 않습니다. 수익성 있는 전략이라도 변동성을 추가한다면 샤프를 낮출 수 있습니다.

5단계: 국면별 자산 배분 조언

regime_allocation_advisor를 사용하여 전략 프로파일의 예상 국면과 실제 성과를 교차 참조합니다.

주요 매개변수:

  • blockId: 선택사항 — 생략하면 모든 프로파일된 전략을 집계
  • minTrades: 신뢰할 수 있는 통계를 위한 국면 셀당 최소 거래 수 (기본값: 5)

도구가 국면별 전략별로 반환하는 항목:

  • 해당 국면이 예상되었는지(프로파일 기준) 또는 예상치 못했는지 여부
  • 해당 국면에서의 승률, P&L, 거래 수
  • 분류:
    • thesis_aligned: 전략이 목표 국면에서 예상대로 성과를 냄
    • thesis_violation: 전략이 처리해야 할 국면에서 성과 저조
    • hidden_edge: 전략이 예상으로 표시되지 않은 국면에서 좋은 성과를 냄

논의 위반(thesis violation) 사례(전략이 예상과 달리 실패하는 경우)와 은닉된 기회(프로파일이 포착하지 못한 기회)를 표면화합니다.

6단계: 전략 유사성

strategy_similarity를 사용하여 잠재적으로 중복된 전략을 탐지합니다.

주요 매개변수:

  • blockId: 블록 폴더 이름
  • correlationThreshold: 플래그 지정할 최소 상관관계 (기본값: 0.7)
  • tailDependenceThreshold: 플래그 지정할 최소 꼬리 의존도 (기본값: 0.5)
  • minSharedDays: 최소 공유 거래일 (기본값: 30)
  • topN: 가장 유사한 쌍의 수 (기본값: 5)

도구가 반환하는 항목:

  • 결합 유사성 점수로 순위가 매겨진 가장 유사한 전략 쌍
  • 각 쌍에 대한 상관관계, 꼬리 의존도, 거래일 중복
  • 분산 효과 없이 위험만 추가할 수 있는 전략에 대한 플래그

두 전략이 높은 상관관계를 가지면서 동시에 높은 꼬리 의존도를 보인다면, 함께 하락할 가능성이 높습니다. 이 경우 두 전략 사이의 '분산투자'는 환상에 불과합니다.

7단계: 가상 시나리오 스케일링

what_if_scaling을 사용하여 자산 배분 변경의 영향을 탐색합니다.

주요 매개변수:

  • blockId: 블록 폴더 이름
  • strategyWeights: 전략별 가중치, 예: {"5/7 17D": 0.5, "Pickle RIC": 1.5}. 지정되지 않은 전략은 기본값 1.0. 가중치 0 = 제외.
  • strategies: 멀티-전략 모드 — 전략별 블록 소스와 스케일 팩터가 포함된 배열
  • showUncapped: maxContractsPerTrade 상한 없이 결과도 표시

도구가 반환하는 항목:

  • 포트폴리오 메트릭의 변경 전/후 비교
  • 새 가중치에서의 전략별 분석
  • 프로파일 인식: 프로파일의 maxContractsPerTrade 상한을 준수
  • ignoreMarginReq가 설정된 경우 플래그

일반적인 시나리오:

  • "이 전략을 빼면 어떻게 될까?" → 가중치를 0으로 설정
  • "이 전략의 배분을 두 배로 늘리면?" → 가중치를 2.0으로 설정
  • "가장 좋은 성과를 내는 전략을 제외하고 나머지를 절반으로 줄이면?" → 그에 맞게 가중치 조정

8단계: 결과 제시

데이터를 종합합니다:

포트폴리오 건강:

  • 평결: [HEALTHY / MODERATE_CONCERNS / SIGNIFICANT_CONCERNS]
  • 주의가 필요한 차원: [B 미만 등급]
  • 주요 플래그: [특정 경고]

상관관계 결과:

  • 쌍별 평균 상관관계: [값]
  • 가장 높은 상관관계 쌍: [쌍] at [값]
  • 가장 낮은 상관관계 쌍: [쌍] at [값]

구조:

  • 국면 사각지대: [범위가 없는 셀]
  • 중복 영역: [2개 이상 전략이 있는 셀]
  • 집중도: [기초자산, DTE, 구조 유형별]

한계 기여도:

  • 가장 유익함: [전략] (한계 샤프: [값])
  • 가장 덜 유익함: [전략] (한계 샤프: [값])

눈에 띄는 점:

  • [주목할 만한 패턴]
  • [중복된 전략 쌍]
  • [논의 위반 또는 은닉된 기회]

이를 과거 데이터로부터의 인사이트로 제시합니다. 사용자는 자신의 위험 허용 범위와 포트폴리오 목표에 맞게 결정할 수 있습니다.

해석 참고자료

관련 기술

포트폴리오 분석 이후:

  • /tradeblocks:compare - 특정 전략 쌍 또는 블록의 심층 비교
  • /tradeblocks:risk - 포지션 사이징 및 켈리 분석
  • /tradeblocks:health-check - 개별 전략의 전체 메트릭

참고사항

  • 상관관계는 거래별이 아닌 집계된 수익률로 측정됩니다.
  • 과거의 상관관계 패턴이 미래 시장 상황에서 지속되지 않을 수 있습니다.
  • 꼬리 상관관계(위기 상황에서의 행동)는 일반적으로 정상 상관관계보다 더 높습니다.
  • 낮은 상관관계가 보호를 보장하지는 않습니다. 두 전략이 다른 이유로 동시에 손실을 볼 수 있습니다.
  • 표본 크기가 중요합니다. 최소 10개의 공유 데이터 포인트가 필요하며, 더 많을수록 좋습니다.
  • 국면 범위, 구조 맵, 스케일링 정렬 분석을 위해서는 전략 프로파일이 필요합니다.

관련 스킬