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 VaR | equal_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 VaR | optimal.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 VaR | portfolio_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 |