投資組合分析
探索策略之間的關係,以及組合它們對投資組合特性的影響。
此技能的功能
提供數據以幫助了解投資組合動態:
- 健康檢查:一次呼叫完成全面的投資組合評估
- 相關性:策略之間如何相對變動?
- 結構:投資組合在哪裡有重疊或盲點?
- 邊際貢獻:哪些策略有助於或損害風險調整後回報?
- 相似度:是否有任何策略是冗餘的?
- 假設縮放:改變配置會如何影響投資組合?
先決條件
- TradeBlocks MCP 伺服器正在執行
- 已載入多個策略區塊或一個多策略區塊
- 建議使用策略設定檔以進行制度覆蓋度和結構分析
流程
步驟 1:投資組合健康檢查
從 portfolio_health_check 開始,進行一次全面的單次呼叫評估。
關鍵參數:
blockId:區塊資料夾名稱correlationThreshold:標記超過此值的配對(預設:0.5)tailDependenceThreshold:標記尾部超過此值的配對(預設:0.5)profitProbabilityThreshold:蒙地卡羅獲利機率警告(預設:0.95)wfeThreshold:前進效率警告(預設:-0.15)
工具回傳分層報告:
- 判決:健康 / 中度疑慮 / 顯著疑慮
- 等級:9 個面向的 A-F 評分:
| 面向 | 衡量內容 |
|---|---|
| 分散化 | 策略配對間的相關性 |
| 尾部風險 | 聯合極端共同移動風險 |
| 穩健性 | 前進效率(樣本外 vs 樣本內) |
| 一致性 | 蒙地卡羅獲利機率 |
| 制度覆蓋度 | 策略在不同 VIX 制度下的表現 |
| 交易日覆蓋度 | 一週中各交易日的覆蓋情況 |
| 集中風險 | 按結構、標的、DTE 的配置 |
| 相關性風險 | 設定檔感知的重疊(相同標的 + DTE + 天數) |
| 縮放一致性 | 回測 vs 即時每合約損益偏差 |
- 標記:帶有詳細說明的特定警告(高相關性配對、尾部依賴配對等)
- 關鍵數字:夏普比率、索提諾比率、最大回撤、平均相關性、平均尾部依賴、蒙地卡羅統計數據、WFE
呈現判決,標記任何低於 B 的評分,並列出具體的警告細節。
步驟 2:相關性分析
使用 get_correlation_matrix 取得詳細的成對相關性數據。
關鍵參數:
blockId:區塊資料夾名稱method:"kendall"(穩健、基於排名,預設)、"spearman"(排名)、"pearson"(線性)alignment:"shared"(僅兩者都交易的日期)或 "zero-pad"(缺失值以 0 填補)timePeriod:"daily"、"weekly" 或 "monthly" 聚合normalization:"raw"(絕對損益)、"margin"(損益/保證金)、"notional"(損益/名目本金)minSamples:有效計算所需的最小共享週期數(預設:10)highlightThreshold:標記超過此值的配對(預設:0.7)
解讀相關性數值:
| 相關性 | 含義 |
|---|---|
| < 0.2 | 極低 – 策略獨立移動 |
| 0.2 - 0.4 | 低 – 大致獨立移動 |
| 0.4 - 0.6 | 中度 – 部分共同行為 |
| 0.6 - 0.8 | 高 – 顯著共同移動 |
| > 0.8 | 極高 – 策略行為相似 |
請參閱 references/correlation.md 了解為何 Kendall's tau 通常比 Pearson 更適合用於交易回報分析。
步驟 3:投資組合結構圖
使用 portfolio_structure_map 查看所有已設定檔策略的 Vol_Regime × Trend_Direction 矩陣。
關鍵參數:
blockId:可選 — 省略則彙總所有區塊minTrades:數據稀疏警告門檻(預設:10)
工具回傳:
- 18 宮格矩陣(6 個 Vol_Regimes × 3 個 Trend_Directions),包含每個策略的統計數據
- 重疊偵測:同一宮格中有 2 個以上策略活躍
- 盲點:所有策略皆無交易的宮格
- 數據稀疏警告:交易筆數少於門檻的宮格
這是了解投資組合構建的關鍵工具 — 了解投資組合涵蓋了哪些區域以及沒有涵蓋哪些區域。
步驟 4:邊際貢獻
使用 marginal_contribution 查看每個策略如何影響投資組合的風險調整後回報。
關鍵參數:
blockId:區塊資料夾名稱targetStrategy:僅計算特定策略(可選)topN:回傳的頂級貢獻者數量(預設:5)
工具回傳:
- 基準投資組合的夏普比率和索提諾比率
- 每個策略的邊際夏普比率和索提諾比率影響
- 最有益和最不有益的策略
解讀:
- 負邊際夏普比率:移除該策略會降低投資組合的夏普比率 — 表示它貢獻正向
- 正邊際夏普比率:移除該策略會提高投資組合的夏普比率 — 表示它可能損害風險調整後回報
- 注意:邊際貢獻衡量的是風險調整後的影響,而非絕對損益。一個獲利的策略如果增加了波動性,仍可能損害夏普比率。
步驟 5:制度配置顧問
使用 regime_allocation_advisor 交叉比對策略設定檔的預期制度與實際表現。
關鍵參數:
blockId:可選 — 省略則彙總所有已設定檔的策略minTrades:每個制度宮格中可靠統計所需的最小交易筆數(預設:5)
工具對每個策略每個制度回傳:
- 該制度是預期的(來自設定檔)還是非預期的
- 勝率、損益、該制度中的交易筆數
- 分類:
thesis_aligned:策略在其目標制度中的表現符合預期thesis_violation:策略在其應能處理的制度中表現不佳hidden_edge:策略在未標記為預期的制度中表現良好
標示出任何 thesis violation(策略在不該失敗的地方失敗)和 hidden edge(設定檔未捕捉到的機會)。
步驟 6:策略相似度
使用 strategy_similarity 偵測可能冗餘的策略。
關鍵參數:
blockId:區塊資料夾名稱correlationThreshold:標記所需的最低相關性(預設:0.7)tailDependenceThreshold:標記所需的最低尾部依賴(預設:0.5)minSharedDays:最低共享交易日數(預設:30)topN:最相似配對數量(預設:5)
工具回傳:
- 依綜合相似度分數排序的最相似策略配對
- 每個配對的相關性、尾部依賴和交易日重疊
- 對可能只增加風險而無分散化效益的策略的標記
如果兩個策略高度相關且尾部依賴也很高,它們很可能會一起虧損 — 兩者之間的「分散化」只是假象。
步驟 7:假設縮放
使用 what_if_scaling 探索配置變更。
關鍵參數:
blockId:區塊資料夾名稱strategyWeights:每個策略的權重,例如{"5/7 17D": 0.5, "Pickle RIC": 1.5}。未指定的預設為 1.0。權重 0 = 排除。strategies:多策略模式 — 包含每個策略的區塊來源和縮放因子的陣列showUncapped:同時顯示不加 maxContractsPerTrade 上限的結果
工具回傳:
- 投資組合指標的前後比較
- 新權重下的每個策略細項
- 設定檔感知:尊重設定檔中的 maxContractsPerTrade 上限
- 設定 ignoreMarginReq 時的標記
常見情境:
- 「如果我移除這個策略會怎樣?」 → 將其權重設為 0
- 「如果我把這個配置加倍會怎樣?」 → 權重設為 2.0
- 「如果我把除了表現最好的策略之外的所有策略都減半會怎樣?」 → 相應調整權重
步驟 8:呈現發現
綜合所有數據:
投資組合健康狀況:
- 判決:[健康 / 中度疑慮 / 顯著疑慮]
- 需要注意的面向:[任何低於 B 的評分]
- 關鍵標記:[具體警告]
相關性發現:
- 配對間的平均相關性:[數值]
- 最高相關性配對:[配對] 為 [數值]
- 最低相關性配對:[配對] 為 [數值]
結構:
- 制度盲點:[無覆蓋的宮格]
- 重疊區域:[有 2 個以上策略的宮格]
- 集中度:[按標的、DTE、結構類型]
邊際貢獻:
- 最有益:[策略](邊際夏普比率:[數值])
- 最不有益:[策略](邊際夏普比率:[數值])
突出之處:
- [值得注意的模式]
- [任何冗餘的策略配對]
- [Thesis violation 或 hidden edge]
將這些呈現為基於歷史數據的見解。使用者可以根據自己的風險承受能力和投資組合目標來決定。
解讀參考
- references/correlation.md - 了解相關性方法
- references/diversification.md - 分散化概念與尾部風險
相關技能
投資組合分析後:
/tradeblocks:compare- 特定策略配對或區塊的深度比較/tradeblocks:risk- 部位規模與凱利分析/tradeblocks:health-check- 任何單一策略的完整指標
注意事項
- 相關性是基於聚合回報而非逐筆交易計算
- 過去的相關性模式可能在未來市場條件下不會持續
- 尾部相關性(危機行為)通常高於正常相關性
- 低相關性並不保證保護 – 兩者可能因不同原因同時虧損
- 樣本大小很重要 – 10 個共享數據點是最低要求,越多越好
- 需要策略設定檔才能進行制度覆蓋度、結構圖和縮放一致性分析