Communitygithub.com

vishnup22/FinSight-AI

对 2 至 10 只美国和/或印度股票进行投资组合分配分析。计算等权与最大夏普最优权重、相关性矩阵以及投资组合级别的风险指标。

FinSight-AI 是什么?

该技能基于 FinSight-AI 后端 API,自动完成投资组合优化分析。用户提供一组股票代码后,技能会首先解析并验证代码(2-10 只),然后提交优化任务,轮询状态直到完成,最后获取结果。结果包含等权与最大夏普(max-Sharpe)最优两种分配方案的权重、预期年化收益率、波动率、夏普比率以及 95% 置信度下的每日风险价值(VaR)。此外,还提供股票间相关性矩阵和优化器状态信息。 该技能专门用于回答关于资产配置、分散化和投资组合优化的明确请求,不生成个股叙事。它支持美国股票以及后缀为 `.NS` 或 `.BO` 的印度股票,并会对印度股票引入的汇率风险进行提示。最终输出格式化的 Markdown 报告和简短建议,帮助用户决定采用等权还是最优权重,并指出关键持仓和分散化注意事项。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/vishnup22/FinSight-AI/tree/HEAD/skills/portfolio

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

投资组合 —— 等权与最大夏普优化

请参阅 reference.md 了解股票代码格式。


前置条件

GET http://localhost:8000/health

必须返回 {"status": "ok"}。否则,请告知用户运行 python backend/run.py。


第一步 —— 解析股票代码

  • 从消息中提取所有股票代码符号。转换为大写,去除空白。
  • 最少 2 个,最多 10 个。API 会拒绝重复代码 —— 静默去重并记录。
  • 如果提供的股票代码少于 2 个,请先要求用户提供更多代码。

第二步 —— 提交投资组合任务

POST http://localhost:8000/api/v1/portfolio
Content-Type: application/json

{"tickers": ["T1", "T2", "..."], "query": "最大化风险调整后收益的资产配置。"}

响应:{"job_id": "<uuid>", "status": "pending", "message": "..."}

告知用户:

已为 {n} 只股票提交投资组合任务。正在获取 1 年价格历史并进行优化……通常需要 15–30 秒。


第三步 —— 轮询状态

GET http://localhost:8000/api/v1/status/{job_id}

每 5 秒一次,直到状态为 completed 或 failed。


第四步 —— 获取结果

GET http://localhost:8000/api/v1/result/{job_id}

错误情况

如果结果包含顶级 error 键(例如 "至少需要两只具有重叠价格历史的股票"),请用通俗语言解释问题并停止:

投资组合优化至少需要两只在过去一年内有重叠交易历史的股票。请检查所有股票代码是否有效并具有足够的历史数据。

字段映射表

字段路径说明
使用的股票代码tickers若某些股票无数据,可能与输入不同
价格行数price_rows重叠交易天数
等权权重equal_weight.weights{ticker: 小数} —— 乘以 100 得到百分比
等权收益equal_weight.annual_return_pct已经是百分比
等权波动率equal_weight.annual_volatility_pct已经是百分比
等权夏普比率equal_weight.sharpe_ratio年化,无风险利率 = 5%
等权 VaRequal_weight.var_95_daily_pct已经是百分比,每日
最优权重optimal.weights{ticker: 小数} —— 乘以 100 得到百分比
最优收益optimal.annual_return_pct已经是百分比
最优波动率optimal.annual_volatility_pct已经是百分比
最优夏普比率optimal.sharpe_ratio年化,无风险利率 = 5%
最优 VaRoptimal.var_95_daily_pct已经是百分比,每日
优化器成功标志optimal.optimizer_success布尔值
优化器信息optimal.optimizer_message仅在 success = false 时相关
相关性矩阵correlation_matrix嵌套字典 {ticker: {ticker: corr}}
投资组合 VaRportfolio_var_95_daily_pct最优投资组合每日 VaR,已经是百分比

第五步 —— 解释与展示

权重

将小数权重转换为百分比(权重 * 100,保留一位小数)。 如果最优投资组合中的任何权重为 0.0%,请指出优化器排除了该资产(收益不足或与其他资产高度相关)。

夏普比率

  • < 0:投资组合收益低于无风险利率(5%);重新考虑资产构成。
  • 0–1:风险调整后收益较差。
  • 1–2:良好。
  • 2:优秀。

比较等权夏普比率与最优夏普比率。如果最优夏普比率更高,则集中权重是合理的。如果两者相似(差异 < 0.1),则等权组合效率几乎相同且更易于再平衡。

相关性矩阵

解释成对相关性:

  • 0.80:高度相关 —— 这两只资产几乎同涨同跌;同时持有几乎没有分散化效果。

  • 0.50–0.80:中度相关 —— 存在一定联动,部分分散化收益。
  • < 0.30:低相关 —— 良好的分散化组合。
  • 接近 0 或负值:强分散化者。

找出最高相关对和最低相关对,并在叙述中指出。

VaR

95% 置信度下的每日 VaR:在最糟糕的每 20 个交易日中,投资组合历史上大约损失 {portfolio_var_95_daily_pct}%。仅在有助于理解时可粗略年化:将每日 VaR 乘以 √252 ≈ 15.9 以近似年化 VaR(注意这只是粗略估计)。

优化器失败

如果 optimal.optimizer_success = false,请说明:

优化器未收敛({optimal.optimizer_message})。最优权重回退为等权 —— 请将“最优”列视为等权。

投资组合中的印度股票

如果任何股票代码以 .NS 或 .BO 结尾,请说明以印度卢比计价的资产会给美元投资者带来汇率风险。相关性矩阵反映的是本币收益,不包含 INR/USD 的波动。


第六步 —— 建议

在展示数据后,给出 2–3 句话建议:

  • 说明应该使用等权还是最优权重及其原因(夏普比率比较)。
  • 指出最优投资组合中前 1–2 大持仓及其权重驱动因素。
  • 指出任何分散化问题(高度相关对)或汇率考虑因素。

输出格式

# 投资组合分析 —— {逗号分隔的股票代码}

价格历史:{price_rows} 个重叠交易日(约 {price_rows/252:.1f} 年)

---

## 配置比较

| 股票代码 | 等权 | 最优权重 |
|-----------|--------|------------|
| {ticker}  | {ew*100:.1f}% | {ow*100:.1f}% |
| …          | …      | …            |

---

## 投资组合指标

| 指标                     | 等权       | 最优(最大夏普) |
|--------------------------|------------|------------------|
| 预期年化收益率             | {eq_ret}%  | {opt_ret}%       |
| 年化波动率                 | {eq_vol}%  | {opt_vol}%       |
| 夏普比率                   | {eq_sh}    | {opt_sh}         |
| VaR(95%,1 日)          | {eq_var}%  | {opt_var}%       |

{如果 optimizer_success = false:
> ⚠ 优化器未收敛({optimizer_message})—— 最优权重等于等权权重。}

---

## 相关性矩阵

| 股票代码 | {t1} | {t2} | … |
|----------|------|------|---|
| {t1}     | 1.00 | …    | … |
| …        | …    | …    | … |

**最高相关对:** {t_a} / {t_b} 相关性为 {corr:.2f} —— 分散化收益有限。
**最低相关对:** {t_c} / {t_d} 相关性为 {corr:.2f} —— 最强的分散化收益。

---

## 建议

{2–3 句话:等权与最优的选择、关键持仓的理由、任何分散化或汇率风险提示。}

{如果包含任何以 .NS/.BO 结尾的股票代码:
> ⚠ 印度股票({列表})以印度卢比计价。相关性矩阵反映的是本币收益,不包含对于美元投资者的 INR/USD 汇率风险。}

错误恢复

情况措施
结果中出现顶级 error解释问题;要求用户验证股票代码并重试
有股票代码从 tickers 列表中去除说明该股票缺少历史数据或没有重叠价格历史
optimizer_success = false解释回退为等权;仍然展示指标
单只 .NS/.BO 股票代码提示汇率风险;照常在相关性矩阵中展示

相关技能