Communitygithub.com

vishnup22/FinSight-AI

分析 2 至 10 檔美國及/或印度股票的投資組合配置。使用 FinSight-AI 計算等權重與最大化夏普比率的最佳權重、相關性矩陣及投資組合層級的風險指標。當使用者提供股票代碼清單並要求配置、分散化或投資組合最佳化時使用。

FinSight-AI 是什麼?

這是一個用於投資組合分析與最佳化的 AI 技能。它接受 2 到 10 個美國或印度股票代碼(例如 AAPL、RELIANCE.NS),並在等權重與最大化夏普比率(Max-Sharpe)之間進行比較。技能會透過一系列 API 呼叫,從後端服務取得一年的價格歷史資料,計算權重、年化報酬、波動率、夏普比率、風險值(VaR)以及相關性矩陣。它支援在技能描述或 SKILL.md 文件中提到的特定平台(如 Claude Code 或類似代理),並提供結構化的 Markdown 輸出,包含比較表格、相關性矩陣和個性化建議。此工具對於需要快速了解多資產投資組合的風險回報特徵、識別高度相關或不相關的資產,以及決定等權重或最佳權重是否更合適的開發者或投資者特別有用。

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

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

投資組合 — 等權重 vs 最大化夏普比率最佳化

請參閱 reference.md 了解股票代碼格式。


先決條件

GET http://localhost:8000/health

必須回傳 {"status": "ok"}。若否:請告訴使用者執行 python backend/run.py。


步驟 1 — 解析股票代碼

  • 從訊息中提取所有股票代碼。轉為大寫,移除空白。
  • 最少 2 個,最多 10 個。重複的代碼會被 API 拒絕 — 請靜默去重並記錄。
  • 如果提供的代碼少於 2 個,請在繼續前要求提供更多。

步驟 2 — 提交投資組合任務

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

{"tickers": ["T1", "T2", "..."], "query": "為最大化風險調整後報酬進行配置最佳化。"}

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

告訴使用者:

已為 {n} 個股票代碼提交投資組合任務。正在獲取 1 年價格歷史並進行最佳化… 通常需要 15–30 秒。


步驟 3 — 輪詢狀態

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

每 5 秒一次,直到狀態為 completed 或 failed。


步驟 4 — 取得結果

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

錯誤情況

如果結果包含頂層的 error 鍵(例如 "至少需要兩個具有重疊價格歷史的股票代碼"),請用白話解釋問題並停止:

投資組合最佳化需要至少兩個在過去一年內具有重疊交易歷史的股票代碼。請檢查所有股票代碼是否有效且具有足夠的歷史資料。

欄位對應表

欄位路徑備註
使用的股票代碼tickers可能與輸入不同,若某些代碼無資料
價格行數price_rows重疊交易日數
等權重equal_weight.weights{ticker: 十進位} — 乘以 100 即得 %
等權重報酬equal_weight.annual_return_pct已為 %
等權重波動率equal_weight.annual_volatility_pct已為 %
等權重夏普比率equal_weight.sharpe_ratio年化,無風險利率 = 5%
等權重風險值equal_weight.var_95_daily_pct已為 %,每日
最佳權重optimal.weights{ticker: 十進位} — 乘以 100 即得 %
最佳報酬optimal.annual_return_pct已為 %
最佳波動率optimal.annual_volatility_pct已為 %
最佳夏普比率optimal.sharpe_ratio年化,無風險利率 = 5%
最佳風險值optimal.var_95_daily_pct已為 %,每日
最佳化器成功與否optimal.optimizer_success布林值
最佳化器訊息optimal.optimizer_message僅在 success = false 時相關
相關性矩陣correlation_matrix巢狀字典 {ticker: {ticker: 相關係數}}
投資組合風險值portfolio_var_95_daily_pct最佳投資組合每日風險值,已為 %

步驟 5 — 解讀與呈現

權重

將十進位權重轉換為百分比(權重 * 100,取小數點一位)。 如果最佳投資組合中某權重為 0.0%,請指出最佳化器排除了該資產(報酬不足或與其他資產高度相關)。

夏普比率

  • < 0:投資組合報酬低於無風險利率 (5%);應重新考慮配置。
  • 0–1:風險調整後報酬較差。
  • 1–2:良好。
  • 2:極佳。

比較等權重夏普比率與最佳夏普比率。如果最佳夏普比率較高,則集中權重是合理的。如果相似(差異 < 0.1),則等權重投資組合幾乎同樣有效且更容易再平衡。

相關性矩陣

解讀成對相關係數:

  • 0.80:高度相關 — 這兩個資產幾乎同向變動;同時持有幾乎沒有分散化效益。

  • 0.50–0.80:中度相關 — 存在部分共同變動,有部分分散化效益。
  • < 0.30:低度相關 — 良好的分散化組合。
  • 接近 0 或負值:強烈的分散化效果。

找出相關性最高的配對和相關性最低的配對,並在敘述中標明。

風險值 (VaR)

95% 信心水準下的每日風險值:在最差的 20 個交易日中,投資組合歷史上大約損失了 {portfolio_var_95_daily_pct}%。僅在必要時年化:將每日 VaR 乘以 √252 ≈ 15.9 以近似年化 VaR(請注意這僅是粗略估計)。

最佳化器失敗

如果 optimal.optimizer_success = false,請說:

最佳化器未收斂({optimal.optimizer_message})。最佳權重回退為等權重 — 請將「最佳」欄位視為等權重。

投資組合中包含印度股票

如果任何股票代碼以 .NS 或 .BO 結尾,請指出以印度盧比計價的資產會為美元投資者帶來外匯風險。相關性矩陣反映的是本國貨幣報酬,並未捕捉 INR/USD 的波動。


步驟 6 — 建議

在呈現資料後,提供 2–3 句建議:

  • 說明應該使用等權重還是最佳權重,以及原因(夏普比率比較)。
  • 指出最佳投資組合中前 1–2 大持股及其權重背後的驅動因素。
  • 指出任何分散化隱憂(高度相關的配對)或外匯考量。

輸出

# 投資組合分析 — {逗號分隔的股票代碼}

價格歷史:{price_rows} 個重疊交易日(≈ {price_rows/252:.1f} 年)

---

## 配置比較

| 股票代碼 | 等權重 | 最佳權重 |
|----------|-------------|----------------|
| {ticker} | {ew*100:.1f}% | {ow*100:.1f}% |
| …        | …            | …              |

---

## 投資組合指標

| 指標                   | 等權重 | 最佳(最大化夏普比率) |
|--------------------------|-------------|----------------------|
| 預期年化報酬   | {eq_ret}%   | {opt_ret}%           |
| 年化波動率        | {eq_vol}%   | {opt_vol}%           |
| 夏普比率             | {eq_sh}     | {opt_sh}             |
| 風險值 (95%, 1 天)         | {eq_var}%   | {opt_var}%           |

{若 optimizer_success = false:
> ⚠ 最佳化器未收斂({optimizer_message})— 最佳權重等於等權重。}

---

## 相關性矩陣

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

**相關性最高的配對:** {t_a} / {t_b},相關係數 {corr:.2f} — 分散化效益有限。
**相關性最低的配對:** {t_c} / {t_d},相關係數 {corr:.2f} — 最強的分散化效益。

---

## 建議

{2–3 句:等權重 vs 最佳選擇、主要持股理由、任何分散化或外匯注意事項。}

{若存在任何 .NS/.BO 股票代碼:
> ⚠ 印度股票({list})以印度盧比計價。相關性矩陣反映的是本國貨幣報酬,並未捕捉對美元投資者的 INR/USD 匯率風險。}

錯誤復原

情況處理方式
結果中有頂層 error解釋問題;請使用者驗證股票代碼並重試
某股票代碼從 tickers 列表中移除指出其歷史資料不足或無重疊交易歷史
optimizer_success = false解釋回退為等權重;仍顯示指標
單一 .NS/.BO 股票代碼指出外匯風險;照常顯示在相關性矩陣中

相關技能