Communitygithub.com

baneeishaque/ljt-520_openclaw-backup

完整的投資組合風險管理系統。分析持倉、計算風險指標、壓力測試情境、優化資產配置,並生成機構級的風險報告——全部無需外部 API。

ljt-520_openclaw-backup 是什麼?

此技能是一個完整的投資組合風險管理系統,設計用於 AI 代理(如 Claude Code、Cursor、Codex),讓使用者能夠直接分析投資組合、計算關鍵風險指標、執行壓力測試、優化資產配置並生成詳細報告——全都在本地對話中完成,無需任何外部 API。 該工具透過結構化的 YAML 格式(包含股票代碼、單位數、成本基礎和目前市價)來擷取投資組合資料,並利用網路搜尋來取得即時價格和波動率。然後,它執行全面的風險分析,包括集中度風險、風險值 (VaR)、最大回撤估計、Beta 值、夏普比率和收入分析。 壓力測試模組會將六個標準歷史情境(例如 2008 年金融危機、COVID-19 崩盤、通膨飆升)套用於投資組合,並支援自訂情境。優化功能會將當前配置與標準模型進行比較,執行風險平價分析,提供再平衡建議,並評估相關性。 最後,該技能會產生一個統一的風險評分卡(0-100 分),包含監控範本和稅損收割掃描器。報告採用 Markdown 格式,易於閱讀,非常適合需要掌握投資組合風險的開發人員和財務分析師。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/baneeishaque/ljt-520_openclaw-backup/tree/HEAD/skills/1kalin/afrexai-portfolio-risk

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

投資組合風險分析器

完整的投資組合風險管理系統。分析持倉、計算風險指標、壓力測試情境、優化資產配置,並生成機構級的風險報告——全部無需外部 API。


1. 投資組合輸入

當使用者分享其投資組合(持倉、股票代碼、數量)時,將其結構化為此格式:

portfolio:
  name: "使用者投資組合"
  currency: USD
  as_of: "2026-02-15"
  positions:
    - ticker: AAPL
      shares: 50
      avg_cost: 185.00
      current_price: 228.50  # 透過網路搜尋查詢
      asset_class: US_EQUITY
      sector: Technology
    - ticker: BTC
      units: 0.5
      avg_cost: 42000
      current_price: 97500
      asset_class: CRYPTO
      sector: 數位資產
    - ticker: VOO
      shares: 100
      avg_cost: 410.00
      current_price: 535.00
      asset_class: US_EQUITY_ETF
      sector: 廣泛市場
  cash:
    amount: 15000
    currency: USD

價格查詢

對於每個持倉,使用網路搜尋尋找目前價格:

  • 搜尋:[TICKER] 股票價格今日
  • 加密貨幣:[COIN] 價格 USD 今日
  • 記錄來源和時間戳

投資組合摘要表

持倉股數成本基礎目前價值權重損益損益 %
AAPL50$9,250$11,42518.2%+$2,175+23.5%
.....................
總計$XX,XXX$XX,XXX100%±$X,XXX±X.X%

2. 風險指標計算器

對於每次投資組合分析,計算以下所有項目:

2.1 集中度風險

持倉集中度:
- 任何單一持倉 > 投資組合的 20% = 高風險 ⚠️
- 任何單一持倉 > 10% = 中等風險
- 前 3 大持倉 > 50% = 高度集中

產業集中度:
- 任何產業 > 30% = 超配
- 計算獨特產業數量 — 少於 4 個 = 分散不足

資產類別細分:
- 股票:X%
- 固定收益:X%
- 加密貨幣:X%
- 現金:X%
- 另類投資:X%

2.2 風險值 (VaR) — 參數法

計算在給定信心水準下的最大預期損失:

每日 VaR 計算:
1. 查詢每個持倉的歷史波動率(年化)
   - 使用網路搜尋:「[TICKER] 歷史波動率 30 天」
   - 典型範圍:大型股 15-25%,加密貨幣 50-80%,債券 5-10%

2. 轉換為每日波動率:
   每日波動率 = 年化波動率 / √252

3. 持倉 VaR(95% 信心水準):
   持倉 VaR = 持倉價值 × 每日波動率 × 1.645

4. 持倉 VaR(99% 信心水準):
   持倉 VaR = 持倉價值 × 每日波動率 × 2.326

5. 投資組合 VaR(簡化 — 假設股票相關係數 ≈ 0.5):
   投資組合 VaR ≈ √(Σ(持倉 VaR²) + 2×0.5×Σ(VaR_i × VaR_j))

報告:
- 1 天 95% VaR:$X,XXX(投資組合的 X.X%)
- 1 天 99% VaR:$X,XXX(投資組合的 X.X%)
- 10 天 95% VaR:$X,XXX(= 1 天 VaR × √10)
- 月 95% VaR:$X,XXX(= 1 天 VaR × √21)

2.3 最大回撤估計

根據資產類別歷史最大回撤:
- 美國大型股:-50%(2008-09),典型修正 -20%
- 美國小型股:-55%,典型修正 -25%
- 國際股票:-55%,典型 -25%
- 新興市場:-65%,典型 -30%
- 投資級債券:-15%,典型 -5%
- 高收益債券:-30%,典型 -10%
- REITs:-70%,典型 -25%
- 加密貨幣(BTC):-85%,典型 -50%
- 黃金:-45%,典型 -15%
- 現金:0%

投資組合最大回撤估計:
= Σ(持倉權重 × 資產類別最大回撤)

報告:
- 估計最差情況回撤:-$XX,XXX(XX.X%)
- 估計典型修正:-$XX,XXX(XX.X%)
- 恢復時間估計:X-X 個月(基於歷史平均值)

2.4 Beta 與市場敏感度

對於每個股票持倉:
- 透過網路搜尋查詢 beta:「[TICKER] beta」
- 投資組合 Beta = Σ(持倉權重 × 持倉 Beta)

解讀:
- Beta > 1.2:投資組合為**積極型**(放大市場波動)
- Beta 0.8-1.2:投資組合為**中性**
- Beta < 0.8:投資組合為**防禦型**
- Beta 為負的持倉:對沖價值

市場影響:
- 如果 S&P 500 下跌 10%,投資組合預期波動:Beta × -10%

2.5 夏普比率估計

投資組合預期報酬 = Σ(權重 × 預期報酬)
其中按資產類別的預期報酬:
- 美國大型股:每年 8-10%
- 美國小型股:9-11%
- 國際已開發市場:6-8%
- 新興市場:8-12%
- 投資級債券:4-5%
- 高收益債券:6-7%
- 加密貨幣:變異性高(保守估計使用 0%)
- REITs:7-9%
- 現金:目前貨幣市場利率(~4.5%)

無風險利率:目前 3 個月期國庫券利率(必要時搜尋)

夏普比率 = (投資組合預期報酬 - 無風險利率) / 投資組合波動率

評級:
- > 1.0:**極佳**的風險調整後報酬
- 0.5-1.0:**良好**
- 0-0.5:**平庸** — 考慮重新平衡
- < 0:**差勁** — 報酬無法證明風險合理

2.6 收入分析

對於支付股息的持倉:
- 查詢股息殖利率:「[TICKER] 股息殖利率」
- 年收入 = 股數 × 每股年股息
- 投資組合殖利率 = 總年股息 / 投資組合價值

報告:
- 月估計收入:$XXX
- 年估計收入:$X,XXX
- 成本殖利率:X.X%
- 目前殖利率:X.X%

3. 壓力測試

對投資組合執行以下情境並報告影響:

3.1 標準情境

scenarios:
  market_crash_2008:
    name: "2008 金融危機"
    impacts:
      US_EQUITY: -0.50
      INTL_EQUITY: -0.55
      EMERGING: -0.60
      BONDS: +0.05
      HIGH_YIELD: -0.30
      REITS: -0.70
      CRYPTO: -0.80  # 根據風險輪廓預測
      GOLD: +0.10
      CASH: 0

  covid_crash_2020:
    name: "COVID-19 崩盤(2020 年 2-3 月)"
    impacts:
      US_EQUITY: -0.34
      INTL_EQUITY: -0.35
      EMERGING: -0.35
      BONDS: +0.03
      HIGH_YIELD: -0.20
      REITS: -0.40
      CRYPTO: -0.50
      GOLD: -0.05
      CASH: 0

  dot_com_2000:
    name: "網路泡沫破滅(2000-2002)"
    impacts:
      US_EQUITY: -0.45
      TECH: -0.75  # 特別適用於科技產業
      INTL_EQUITY: -0.40
      BONDS: +0.15
      CASH: 0

  rate_hike_shock:
    name: "快速升息(+300 基點)"
    impacts:
      US_EQUITY: -0.15
      BONDS: -0.15
      HIGH_YIELD: -0.10
      REITS: -0.25
      CRYPTO: -0.20
      GOLD: -0.10
      CASH: +0.01  # 更高的殖利率

  inflation_surge:
    name: "停滯性通膨(持續 8% 以上的通膨)"
    impacts:
      US_EQUITY: -0.20
      BONDS: -0.20
      CRYPTO: -0.10  # 有爭議的避險工具
      GOLD: +0.15
      REITS: -0.05
      COMMODITIES: +0.20
      CASH: -0.03  # 實際價值侵蝕

  crypto_winter:
    name: "加密貨幣寒冬(80% 回撤)"
    impacts:
      CRYPTO: -0.80
      US_EQUITY: -0.05  # 輕微傳染

3.2 壓力測試報告格式

對於每個情境:

📉 情境:[名稱]

| 持倉 | 目前價值 | 壓力測試價值 | 損失 |
|----------|--------------|----------------|------|
| AAPL     | $11,425      | $5,713         | -$5,712 |
| ...      | ...          | ...            | ...  |
| 總計     | $XX,XXX      | $XX,XXX        | -$XX,XXX (-XX.X%) |

你能承受這個嗎?[根據現金儲備和收入需求回答是/否]
恢復時間估計:X-X 個月

3.3 自訂情境建構器

如果使用者描述特定的擔憂,建立自訂情境:

使用者:「如果科技股崩跌 40% 但債券反彈怎麼辦?」
→ 建立自訂影響圖,套用至投資組合,報告結果

4. 投資組合優化

4.1 當前配置評估

將當前配置與標準模型進行比較:

積極型(年齡 <35,高風險承受能力):
  股票:80-90%,債券:5-10%,另類投資:5-10%,現金:2-5%

成長型(年齡 35-50):
  股票:60-75%,債券:15-25%,另類投資:5-10%,現金:5%

平衡型(年齡 50-60):
  股票:40-60%,債券:30-40%,另類投資:5-10%,現金:5-10%

保守型(年齡 60+,注重收入):
  股票:20-40%,債券:40-50%,另類投資:5%,現金:10-20%

當前配置符合:[模型] 輪廓
建議調整:[具體行動]

4.2 風險平價分析

風險平價目標:每個資產類別對投資組合貢獻**相等的**風險

步驟:
1. 計算每個持倉的風險貢獻:
   風險貢獻 = 權重 × 波動率 × 與投資組合的相關性

2. 為了相等的風險貢獻:
   目標權重_i = (1/波動率_i) / Σ(1/波動率_j)

3. 報告:
   當前權重 vs 風險平價權重
   重新平衡所需的交易
   對夏普比率的預期影響

4.3 重新平衡建議

檢查重新平衡觸發條件:
- 任何持倉偏離目標超過 5%?→ 重新平衡
- 任何資產類別偏離目標超過 10%?→ 重新平衡
- 上次重新平衡距今超過 6 個月?→ 審查

重新平衡方法:
1. 計算目標權重
2. 計算當前權重
3. 確定所需交易(最小化交易次數)
4. 稅務批次最佳化:先賣出成本最高的批次(最小化稅負)
5. 如果收割損失,考慮洗售規則

輸出交易清單:
| 動作 | 股票代碼 | 股數 | 估計價值 | 原因 |
|--------|--------|--------|-----------|--------|
| 賣出   | AAPL   | 15     | $3,428    | 科技股超配 |
| 買入   | BND    | 25     | $1,850    | 債券低配 |

4.4 相關性分析

評估分散投資品質:

高相關性配對 (>0.7) — 這些**不能**互相分散風險:
- 科技股彼此之間
- 美國股票 ETF 彼此之間
- 高收益債券與股票

低相關性配對 (<0.3) — **真正的**分散投資工具:
- 股票 vs 國庫券
- 美國股票 vs 黃金
- 股票 vs 管理期貨

負相關性 — **對沖**:
- 多頭股票 + 賣權
- 股票 + VIX 產品
- 在某些體制下的成長股 + 價值股

為投資組合分散投資評級:A/B/C/D/F

5. 風險評分卡(0-100)

產生單一風險分數:

risk_scorecard:
  concentration_risk:
    weight: 20
    score: X  # 100 = 充分分散,0 = 單一股票
    details: "最大持倉為 X%,涵蓋 X 個產業"

  volatility_risk:
    weight: 20
    score: X  # 100 = 低波動,0 = 極度波動
    details: "投資組合年化波動率:X%"

  drawdown_risk:
    weight: 20
    score: X  # 100 = 最小回撤暴露,0 = 可能損失 50% 以上
    details: "最大估計回撤:X%"

  liquidity_risk:
    weight: 15
    score: X  # 100 = 全部高度流動,0 = 流動性差的持倉
    details: "X% 在流動性強的大型股中,X% 在流動性差的資產中"

  income_resilience:
    weight: 10
    score: X  # 100 = 強勁收入,0 = 無收益
    details: "投資組合殖利率:X%,X% 來自信譽良好的股息支付者"

  market_sensitivity:
    weight: 15
    score: X  # 100 = 低 beta/防禦型,0 = 高度積極
    details: "投資組合 beta:X.XX"

  overall_score: X/100
  rating: "[保守型|穩健型|積極型|投機型]"
  recommendation: "[關鍵行動項目]"

分數解讀

  • 80-100:堡壘 — 保護良好,可能過於保守,不利於成長
  • 60-79:穩健 — 良好的風險管理,可能有小幅改進空間
  • 40-59:中等 — 合理但存在顯著風險暴露
  • 20-39:升高 — 顯著弱點,建議重新平衡
  • 0-19:危險區域 — 極度集中或波動,需要緊急行動

6. 監控與警報

每日檢查範本(用於排程/心跳使用)

對於投資組合中的每個持倉:
1. 檢查價格與前收盤價的比較(網路搜尋)
2. 如果任何持倉單日波動 >3% 則標記
3. 如果任何持倉觸及停損水準則標記
4. 檢查未來 7 天是否有財報/事件

警報閾值:
- 單一持倉單日 -5% → 警報
- 投資組合單日 -3% → 警報
- 持倉觸及 52 週低點 → 觀察
- VIX > 25 → 提高警覺
- VIX > 35 → 高警報 — 審查對沖

每週審查範本

## 投資組合每週審查 — [日期]

### 績效
- 投資組合價值:$XX,XXX(週 ±X.X%)
- 最佳表現者:[TICKER] +X.X%
- 最差表現者:[TICKER] -X.X%
- 相較 S&P 500:[跑贏/跑輸] X.X%

### 風險變化
- VaR 變化:$X,XXX → $X,XXX
- 是否有新的集中度問題?[是/否]
- 是否需要重新平衡?[是/否]

### 即將發生的事件
- 財報:[股票代碼和日期]
- 除息日:[股票代碼和日期]
- 聯準會/宏觀事件:[列表]

### 行動項目
1. [具體建議]
2. [具體建議]

7. 稅損收割掃描器

對於每個具有未實現損失的持倉:
1. 計算未實現損失:(目前價格 - 平均成本)× 股數
2. 檢查損失是否 > $500(值得收割)
3. 找出稅務有效的替代品:
   - 同產業 ETF(避免洗售)
   - 相似因子曝險
   - 持有替代品 31 天以上,然後再換回

報告:
| 股票代碼 | 未實現損失 | 替代品 | 洗售清除日期 |
|--------|----------------|-------------|---------------------|
| XYZ    | -$2,500        | 相似 ETF | [日期 + 31 天]   |

估計稅務節省:$X,XXX(按 X% 邊際稅率)

8. 特殊資產類別

加密貨幣投資組合風險

額外的加密貨幣特定指標:

  • 比特幣主導地位相關性
  • 交易所風險(中心化 vs 自我保管)
  • DeFi 部位的協議風險
  • 穩定幣曝險與脫鉤風險
  • 質押/收益的稅務影響

房地產(REITs/物業)

  • FFO 殖利率 vs 股息殖利率
  • 利率敏感度
  • 地理集中度
  • 物業類型多元化(住宅/商業/工業)

選擇權部位

如果投資組合包含選擇權:

  • Delta 曝險(等效股票部位)
  • Theta 衰減(每日時間價值損失)
  • 隱含波動率 vs 歷史波動率
  • 最大損失計算
  • 損益兩平價格

9. 報告生成

完整風險報告(應要求提供)

生成一份完整的、可輸出為 PDF 的 Markdown 報告:

# 投資組合風險報告
## 準備日期:[日期]
## 投資組合:[名稱]

### 執行摘要
[2-3 句概述:總價值、風險評級、首要建議]

### 1. 持倉摘要
[來自第 1 節的持倉表]

### 2. 風險指標
[來自第 2 節的所有計算]

### 3. 壓力測試結果
[來自第 3 節的所有情境]

### 4. 優化建議
[來自第 4 節]

Individual skills in this repo

This repo contains 13 individual skills — each has its own dedicated page.

baneeishaque/ljt-520_openclaw-backup

Balance tracking, order overview, and market data across exchanges using OpenMM.

baneeishaque/ljt-520_openclaw-backup

Balance tracking, order overview, and market data across exchanges using OpenMM.

baneeishaque/ljt-520_openclaw-backup

An investment portfolio tracker that runs entirely locally. All data stays in ~/.portfolio-tracker/.

baneeishaque/ljt-520_openclaw-backup

Discover and register autonomous AI agents. Use when: browsing the agent registry, submitting an agent for verification, or embedding agent badges. NOT for: general web search or agent capability analysis.

baneeishaque/ljt-520_openclaw-backup

Connect to a user's investment accounts via SnapTrade SDK and generate portfolio reports (e.g., daily total value). Use when the user wants SnapTrade-based brokerage connectivity (Webull, E*TRADE, etc.), connection portal links, account registration, or automated portfolio summaries.

baneeishaque/ljt-520_openclaw-backup

Query land ownership, leases, landlord info, and land payments. Write operations for payment management and lease renewals.

baneeishaque/ljt-520_openclaw-backup

Build high-converting landing pages and product sales pages using proven 10-section conversion frameworks. Includes Hero → Social Proof → Benefits → CTA flow for both lead capture and e-commerce pages.

baneeishaque/ljt-520_openclaw-backup

Generate complete, responsive HTML landing pages from a product name, tagline, and description. Clean CSS, mobile-ready, with hero, features, CTA, and footer sections.

baneeishaque/ljt-520_openclaw-backup

Optimize conversion pages for paid traffic from Meta (Facebook/Instagram), Google Ads, TikTok Ads, YouTube Ads, Amazon Ads, and Shopify Ads journeys.

baneeishaque/ljt-520_openclaw-backup

Perform a structured conversion rate optimization (CRO) audit of a landing page. Use when a user shares a landing page URL, pastes their page copy, describes their page content, or uploads a screenshot and asks for a conversion audit, CRO review, conversion analysis, landing page feedback, or wants to know why their page isn't converting. Produces a scored 8-factor audit (0–80 total), prioritized fix list with quick wins and strategic recommendations, and an executive summary. Covers: headline clarity, supporting copy, social proof, CTA effectiveness, visual hierarchy, trust signals, mobile/speed signals, and offer clarity.

baneeishaque/ljt-520_openclaw-backup

Generate landing page content from PRD — hero section, features, A/B headline variants, CTA, and SEO meta tags. Use when user says "create landing page", "write landing copy", "hero section", "A/B headlines", or "landing content". Can scaffold actual pages for astro-static. Do NOT use for SEO auditing (use /seo-audit).

baneeishaque/ljt-520_openclaw-backup

Build high-converting landing pages with proven structure, persuasive copy, and conversion optimization.

baneeishaque/ljt-520_openclaw-backup

Track a crypto portfolio across Binance, Hyperliquid, and Polymarket. Calculates NAV, unrealized P&L, daily drawdown, win rate, and equity curve. Use when you need portfolio tracking, NAV calculation, drawdown monitoring, or multi-venue position management.

相關技能