Communitygithub.com

tradeblocks-org/tradeblocks-skills

投资组合分析,用于交易策略。探索相关性、多样化以及组合绩效特征。在需要了解策略间关系、探索多样化效果或分析投资组合构成时使用。

tradeblocks-skills 是什么?

该技能用于对交易策略组合进行全面分析,帮助用户理解策略间的关系、组合的多样化效果以及整体绩效特征。它支持TradeBlocks平台,通过MCP服务器调用一系列分析工具,包括投资组合健康检查、相关性矩阵、结构映射、边际贡献分析、制度分配建议、策略相似度检测以及假设场景缩放。用户可以通过一个或多个策略块加载数据,逐步深入分析,最终获得关于组合风险、相关性、盲区、冗余策略及调整建议的详细报告。该技能尤其适合需要优化交易组合、评估策略互补性或探索分配调整效果的用户。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/tradeblocks-org/tradeblocks-skills/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

投资组合分析

探索策略之间的关系以及组合对投资组合特征的影响。

本技能的作用

提供数据以帮助理解投资组合动态:

  • 健康检查:一次性全面的投资组合评估
  • 相关性:策略之间如何相互变动?
  • 结构:投资组合存在哪些重叠或盲区?
  • 边际贡献:哪些策略对风险调整后收益有帮助或损害?
  • 相似性:是否有策略是冗余的?
  • 假设缩放:改变配置将如何影响投资组合?

先决条件

  • 正在运行的TradeBlocks MCP服务器
  • 加载了多个策略块或多策略块
  • 建议为制度覆盖和分析准备策略配置文件

流程

步骤1:投资组合健康检查

从 portfolio_health_check 开始,进行一次性全面的评估。

关键参数:

  • blockId:块文件夹名称
  • correlationThreshold:标记高于此阈值的策略对(默认:0.5)
  • tailDependenceThreshold:标记高于此阈值的尾部依赖对(默认:0.5)
  • profitProbabilityThreshold:蒙特卡洛盈利概率警告(默认:0.95)
  • wfeThreshold:滚动窗口效率警告(默认:-0.15)

工具返回分层报告:

  • 判定:健康 / 中度关注 / 重大关注
  • 评分:9个维度的A-F等级:
维度评估内容
多样化策略对之间的相关性
尾部风险联合极端同向变动风险
稳健性滚动窗口效率(样本外 vs 样本内)
一致性蒙特卡洛盈利概率
制度覆盖策略在不同VIX制度下的表现
天数覆盖一周内交易日覆盖情况
集中度风险按结构、标的、DTE的配置
相关性风险配置文件感知的重叠(相同标的+DTE+天数)
缩放一致性回测与实盘每合约盈亏偏差
  • 标记:具体警告及详情(高相关对、尾部依赖对等)
  • 关键数字:夏普比率、索提诺比率、最大回撤、平均相关性、平均尾部依赖、蒙特卡洛统计、滚动窗口效率

展示判定,标记所有低于B的维度,并列出具体警告详情。

步骤2:相关性分析

使用 get_correlation_matrix 获取详细的成对相关性数据。

关键参数:

  • blockId:块文件夹名称
  • method:"kendall"(稳健、基于秩,默认)、"spearman"(秩)、"pearson"(线性)
  • alignment:"shared"(仅两个策略都交易的天数)或 "zero-pad"(缺失值填充为0)
  • timePeriod:"daily"、"weekly" 或 "monthly" 聚合
  • normalization:"raw"(绝对盈亏)、"margin"(盈亏/保证金)、"notional"(盈亏/名义价值)
  • minSamples:有效计算所需的最小共享周期数(默认:10)
  • highlightThreshold:标记高于此阈值的对(默认:0.7)

解读相关性值:

相关性含义
< 0.2极低——策略独立变动
0.2 - 0.4低——基本独立变动
0.4 - 0.6中等——存在一些共同行为
0.6 - 0.8高——显著共同变动
> 0.8极高——策略行为相似

更多信息请参见 references/correlation.md,了解为何Kendall tau通常比Pearson更适合交易收益分析。

步骤3:投资组合结构映射

使用 portfolio_structure_map 查看所有已配置策略的波动率制度 × 趋势方向矩阵。

关键参数:

  • blockId:可选——省略则聚合所有块
  • minTrades:数据稀疏警告阈值(默认:10)

工具返回:

  • 18格矩阵(6种波动率制度 × 3个趋势方向),包含每个策略的统计信息
  • 重叠检测:同一格中活跃的策略数超过2个
  • 盲区:所有策略在该格中均无交易
  • 数据稀疏警告:交易数低于阈值的格子

这是理解投资组合构成的关键工具——显示组合在哪些区域有覆盖,哪些区域没有。

步骤4:边际贡献

使用 marginal_contribution 查看每个策略如何影响投资组合的风险调整后收益。

关键参数:

  • blockId:块文件夹名称
  • targetStrategy:仅针对特定策略计算(可选)
  • topN:返回前N个贡献最大的策略(默认:5)

工具返回:

  • 基准投资组合的夏普比率和索提诺比率
  • 每个策略的边际夏普和索提诺影响
  • 最有益和最少有益的策略

解读:

  • 负边际夏普:移除该策略将降低组合夏普——表明其有正向贡献
  • 正边际夏普:移除该策略将提高组合夏普——可能损害风险调整后收益
  • 注意:边际贡献衡量的是风险调整后影响,而非绝对盈亏。一个盈利的策略如果增加波动性,仍可能降低夏普比率。

步骤5:制度配置顾问

使用 regime_allocation_advisor 交叉引用策略配置文件的预期制度与实际表现。

关键参数:

  • blockId:可选——省略则聚合所有已配置策略
  • minTrades:每个制度格子中用于可靠统计的最小交易数(默认:5)

工具按策略按制度返回:

  • 该制度是否被预期(来自配置文件)或非预期
  • 该制度下的胜率、盈亏、交易次数
  • 分类:
    • thesis_aligned:策略在其目标制度中表现符合预期
    • thesis_violation:策略在其应处理的制度中表现不佳
    • hidden_edge:策略在未标记为预期的制度中表现良好

揭示任何论文违反(策略在不该失败的地方失败)和隐藏优势(配置文件未捕捉到的机会)。

步骤6:策略相似度

使用 strategy_similarity 检测可能冗余的策略。

关键参数:

  • blockId:块文件夹名称
  • correlationThreshold:标记的最小相关性(默认:0.7)
  • tailDependenceThreshold:标记的最小尾部依赖(默认:0.5)
  • minSharedDays:最小共享交易天数(默认:30)
  • topN:最相似的策略对数(默认:5)

工具返回:

  • 按综合相似度评分排序的最相似策略对
  • 每对的相关性、尾部依赖和交易日重叠情况
  • 标记可能增加风险而无多样化收益的策略

如果两个策略高度相关且尾部依赖也高,它们很可能一起回撤——这时的“多样化”是虚幻的。

步骤7:假设缩放

使用 what_if_scaling 探索配置变化。

关键参数:

  • blockId:块文件夹名称
  • strategyWeights:每个策略的权重,例如 {"5/7 17D": 0.5, "Pickle RIC": 1.5}。未指定的默认权重为1.0。权重0表示排除。
  • strategies:多策略模式——包含每个策略的块来源和缩放因子的数组
  • showUncapped:同时显示不设maxContractsPerTrade上限的结果

工具返回:

  • 指标的前后对比
  • 新权重下每个策略的分解
  • 配置文件感知:尊重配置文件中的maxContractsPerTrade上限
  • 当设置ignoreMarginReq时发出标记

常见场景:

  • “如果移除这个策略会怎样?”——将其权重设为0
  • “如果加仓一倍会怎样?”——将权重设为2.0
  • “如果除了最佳表现者外全部减半会怎样?”——相应调整权重

步骤8:呈现发现

综合数据:

投资组合健康:

  • 判定:[健康 / 中度关注 / 重大关注]
  • 需要关注的维度:[所有低于B的等级]
  • 关键标记:[具体警告]

相关性发现:

  • 平均成对相关性:[值]
  • 最高相关性对:[对] 为 [值]
  • 最低相关性对:[对] 为 [值]

结构:

  • 制度盲区:[无覆盖的格子]
  • 重叠区域:[有2个以上策略的格子]
  • 集中度:[按标的、DTE、结构类型]

边际贡献:

  • 最有益:[策略](边际夏普:[值])
  • 最少有益:[策略](边际夏普:[值])

突出发现:

  • [值得注意的模式]
  • [任何冗余的策略对]
  • [论文违反或隐藏优势]

这些结论基于历史数据。用户可根据自身风险承受能力和投资目标做出决策。

解读参考

相关技能

投资组合分析之后:

  • /tradeblocks:compare - 特定策略对或块的深度比较
  • /tradeblocks:risk - 头寸规模和凯利分析
  • /tradeblocks:health-check - 单个策略的完整指标

注意

  • 相关性基于聚合收益计算,而非逐笔交易
  • 过去的相关性模式可能不会在未来的市场环境中持续
  • 尾部相关性(危机行为)通常高于正常相关性
  • 低相关性并不保证保护——两者可能因不同原因同时亏损
  • 样本量很重要——共享数据点至少10个,越多越好
  • 策略配置文件对于制度覆盖、结构映射和缩放一致性分析是必需的

相关技能