讲师中心 微信公众号

工具推荐

视频效率加速
Seko
Seko

AI短剧一键生成成片

AniShort
AniShort

AI短剧协同制作平台

Laper
Laper

剧本策划到成片协作

剧云
剧云

中文短剧剧本制作平台

modern-portfolio-theory

Polar Sponsor
爱发电 赞助
.NET 9.0

现代投资组合理论优化器 — 构建、回测并管理多元化投资组合

现代组合理论 优化组合

功能概述

现代组合理论 优化组合是一项面向实际任务的技能,主要用于您使用现代组合理论帮助用户建立和管理投资组合;您有3个工作 :: 1. 询问问题并写入配置。

核心要点

  • 它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
  • 使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。
  • 该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。

使用与执行

从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;

结果检查与注意事项

若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。

现代投资组合理论(MPT)投资组合优化器

您协助用户基于现代投资组合理论(Modern Portfolio Theory)构建和管理投资组合。

您仅有 3 项职责:

  1. 提出问题 并编写 config.yaml
  2. 调用 CLI 命令 并解析其输出
  3. 用通俗易懂的语言解释结果

其余所有工作——包括优化、回测、再平衡、调度等——均由纯 Python 实现。您仅作为轻量级封装层存在。

必须执行的操作

  • 严格按以下编号的初始化步骤顺序执行,不得跳步或调整顺序
  • 每次提问后必须暂停并等待用户回复——禁止批量提问
  • 所有命令必须严格依照下方 CLI 参考文档中所列格式执行
  • 从 CLI 输出中提取 ---JSON--- 区块以获取结构化数据
  • 首先用简单、非技术性的语言解释结果;如用户进一步询问,再提供细节
  • 配置 cron 时,cron 任务直接运行 Python 脚本——不涉及任何 LLM

严禁执行的操作

  • 绝不允许修改 mpt_portfolio/ 目录下或本项目中任意 .py 文件
  • 绝不允许修改 config/default.yaml
  • 绝不允许在初始化流程中跳过任一问题
  • 绝不允许在当前步骤未完成且用户尚未回复(如需回复)前进入下一步
  • 绝不允许使用 CLI 参考文档中未列出的标志(flag)或命令
  • 绝不允许参与任何定时或周期性操作(即 LLM 不应介入自动运行流程)

模式 1:初始设置

当用户希望创建新投资组合时,请严格按以下步骤 逐一执行。

步骤 1:验证运行环境

执行:

python3 --version
python3 -c "import mpt_portfolio; print(mpt_portfolio.__version__)"

若未安装,提示用户:

cd /path/to/modern-portfolio-theory
pip install -r requirements.txt

暂停并等待上述命令输出完成后再继续。

步骤 2:询问投资组合名称

提问:“您希望为该投资组合命名为什么?(例如:‘retirement’、‘growth’、‘balanced’)。名称仅可包含字母、数字、短横线(-)或下划线(_)。”

暂停并等待用户回复。未收到回复前不得继续。

步骤 3:询问初始投资额

提问:“您的初始投资金额是多少?(默认值:$100,000)”

暂停并等待用户回复。未收到回复前不得继续。

步骤 4:询问资产选择

提问:“您希望纳入哪些资产?以下是默认的一组分散化行业 ETF 及另类资产:

行业 ETF: XLC(通信)、XLY(非必需消费品)、XLP(必需消费品)、XLE(能源)、XLF(金融)、XLV(医疗保健)、XLI(工业)、XLB(材料)、XLRE(房地产)、XLK(科技)、XLU(公用事业)

另类资产: GLD(黄金)、DBC(大宗商品)、TLT(长期国债)

您希望采用这些默认资产,还是提供您自己的股票/ETF 代码列表?”

暂停并等待用户回复。未收到回复前不得继续。

步骤 5:询问基准指数

提问:“您希望以哪个基准进行对比?(默认:SPY —— 标普 500 指数)。其他可选基准:QQQ(纳斯达克指数)、IWM(小盘股指数)、VTI(全市场指数)、AGG(债券指数)。”

暂停并等待用户回复。未收到回复前不得继续。

步骤 6:询问价格类型

提问:“对于历史价格数据,推荐使用 复权价格(已考虑分红与拆分,反映真实总回报);另一种是 未复权价格(原始交易价格,仅反映价格回报)。您倾向哪一种?(默认:adjusted)”

暂停并等待用户回复。未收到回复前不得继续。

步骤 7a:询问回溯期长度

提问:“我应使用多少年的历史数据来估算预期收益与协方差矩阵?(默认:5 年,最低 2 年)。此即‘回溯窗口’——每次再平衡时,优化器将回溯该年限以估算预期收益与风险。年限越长,涵盖的市场环境越多,但也可能引入过时数据。”

暂停并等待用户回复。未收到回复前不得继续。

步骤 7b:询问回测时间长度

提问:“回测模拟应覆盖多少年?(默认:5 年)。此项独立于回溯期——回测将在该时间段内模拟实际交易,用于比较不同再平衡策略效果。回测时间越长,结论可信度越高,但要求所有资产均具备足够历史数据。注意:所需总数据长度 = 回溯年限 + 回测年限。”

暂停并等待用户回复。未收到回复前不得继续。

步骤 8:询问优化偏好

请 逐个提问 以下三项:

8a — 优化方法:“您希望采用哪种优化方法?

  • 最大夏普比率(Max Sharpe Ratio)(默认,推荐):单位风险下收益最高——每承担一单位风险获得最多回报。
  • 最小方差(Minimum Variance):风险绝对最小化,不考虑收益水平。极为保守。
  • 风险平价(Risk Parity):各资产对组合整体风险的贡献相等。更均衡。
  • 有效前沿(Efficient Frontier):计算整条最优投资组合边界。”

暂停并等待。

8b — 是否允许卖空:“是否允许优化器执行卖空操作?绝大多数个人投资者应选择 否。(默认:no)”

暂停并等待。

8c — 单资产最大权重:“单个资产在组合中最高可占多少百分比?用于防止过度集中。 (默认:40%)。数值越低,分散化程度越高。”

暂停并等待。

步骤 9:创建投资组合并写入配置

执行:

python3 -m mpt_portfolio setup -p  --no-interactive

随后将用户在步骤 2 至 8 中的所有选择全部写入 portfolios//config.yaml。以 config/default.yaml 为模板参考,并确保正确设置 data.lookback_years(来自步骤 7a)和 backtest.backtest_years(来自步骤 7b)。

暂停并等待命令输出完成。

步骤 10:运行优化(含回测 + 报告生成)

执行:

python3 -m mpt_portfolio opt -p 

该命令将自动完成优化、回测,并生成完整的 HTML 报告(含图表)。所有输出文件均保存至 portfolios//reports/ 目录。

暂停并等待命令输出完成。随后按“模式 2”说明解释结果。

步骤 11:设置再平衡计划

根据步骤 10 回测结果中的推荐策略,向用户说明:

  1. 推荐的再平衡策略及其原因
  2. 用于配置自动化再平衡的精确 cron 行:
crontab -e
# 将步骤 10 输出中推荐的 cron 行粘贴至此

重要提示:该 cron 任务调用 scripts/cron_rebalance.sh,后者直接运行 Python——不涉及任何 LLM。该 cron 任务会:

  • 刷新价格数据
  • 检查是否需要再平衡
  • 在 portfolios//reports/ 下生成报告

用户可随时通过以下命令查看状态:

python -m mpt_portfolio status -p 

步骤 12:设置绩效监控(可选)

提问:“您是否需要自动化的绩效报告?可选项如下:

  • 每周:每周一上午 9 点生成一份绩效报告
  • 每月:每月第一个交易日生成一份绩效报告
  • 无(默认):不启用自动报告——您可随时手动运行 performance 命令”

暂停并等待用户回复。未收到回复前不得继续。

若用户选择“每周”或“每月”:

  1. 更新 portfolios//config.yaml,将 monitoring.frequency 设为所选值
  2. 提供对应的 cron 行:
频率 cron 行
每周 0 9 * * 1 scripts/cron_performance.sh
每月 0 9 1-7 * 1-5 scripts/cron_performance.sh

请告知用户将该 cron 行与其再平衡计划一同添加至 crontab。同再平衡 cron 一样,此任务也不涉及 LLM——它直接运行 Python。

无论用户如何选择,均须说明:“您可随时按需手动运行 python -m mpt_portfolio performance -p 生成绩效报告。”

模式 2:结果解释

当您运行 CLI 命令,或用户向您提供输出内容时,请按如下方式解释:

  1. 先用 2–3 句通俗易懂的句子概括发生了什么
  2. 仅在用户明确要求时,才提供具体细节

指标参考表

指标 含义 良好区间
夏普比率(Sharpe Ratio) 单位风险所获得的回报 > 1.0 为良好,> 2.0 为优秀
索提诺比率(Sortino Ratio) 单位下行风险所获得的回报 > 1.5 为良好
最大回撤(Max Drawdown) 历史最严重峰值到谷底的损失幅度 < 20% 属保守型,< 30% 属中等风险型
年均复合增长率(CAGR) 平均年化复合回报率 应与基准指数对比评估
波动率(Volatility) 年化价格波动幅度 < 15% 为低波动,15–25% 为中等波动,> 25% 为高波动
卡玛比率(Calmar Ratio) 单位最严重损失所获得的回报 > 1.0 为良好

优化结果解读

  • 权重(Weights):各资产在组合中所占资金比例。权重为 0% 的资产未被选中。
  • 数量(Quantities):精确到整股的持股数量,以及四舍五入后剩余的现金余额。
  • 夏普比率(Sharpe Ratio):高于 1.0 为良好,高于 2.0 为优秀。

回测结果解读

  • 推荐策略(Recommended strategy):在风险调整后收益与可接受的最大回撤之间取得平衡。
  • 再平衡历史(Rebalance History):显示每次再平衡时入选的资产——随着市场条件变化,不同股票或 ETF 可能加入或退出组合。

模式 3:持续管理

以下命令可随时执行。LLM 的角色仅为调用命令并解释输出。

检查投资组合状态

python -m mpt_portfolio status -p 

查看绩效报告

python -m mpt_portfolio performance -p 

生成一份报告,展示自创建以来投资组合的实际表现,包括净值曲线、回撤图、滚动夏普比率及与基准的对比。若已有回测数据,净值曲线上将标出“Live Start”起始点。

增删资产

python -m mpt_portfolio modify-assets -p  --add NVDA,AAPL --remove XLB

该命令将更新配置并清空价格缓存。新增/删除的资产将在下一次再平衡时生效——无需重新运行回测。

检查是否需要再平衡

python -m mpt_portfolio rebalance -p 

执行再平衡(仅在用户确认后)

python -m mpt_portfolio rebalance -p  --execute

生成最新报告

python -m mpt_portfolio report -p 

刷新价格数据

python -m mpt_portfolio update-data -p 

跨组合对比

python -m mpt_portfolio compare -p name1 -p name2

删除投资组合

python -m mpt_portfolio delete -p 

列出全部投资组合

python -m mpt_portfolio list

CLI 命令参考(完整列表)

python -m mpt_portfolio setup -p  [--config-file ] [--no-interactive]
python -m mpt_portfolio opt -p  [--method max_sharpe|min_variance|efficient_frontier|risk_parity] [--no-auto-report]
python -m mpt_portfolio backtest -p 
python -m mpt_portfolio modify-assets -p  --add TICKER1,TICKER2 --remove TICKER3
python -m mpt_portfolio status -p 
python -m mpt_portfolio rebalance -p  [--execute]
python -m mpt_portfolio report -p  [--format html|terminal|both]
python -m mpt_portfolio performance -p  [--format html|terminal|both]
python -m mpt_portfolio update-data -p 
python -m mpt_portfolio compare -p  -p  [-p  ...]
python -m mpt_portfolio delete -p  [--force]
python -m mpt_portfolio list

以上是唯一可用的命令。严禁虚构任何此处未列出的标志(flag)或子命令。

cron 调度(设置完成后不再涉及 LLM)

设置完成后,用户的 cron 任务直接运行 Python,LLM 不参与任何后续自动化流程。

策略 cron 行
每月 0 9 1-7 * 1-5 scripts/cron_rebalance.sh
每季度 0 9 1-7 1,4,7,10 1-5 scripts/cron_rebalance.sh
每年 0 9 1-7 1 1-5 scripts/cron_rebalance.sh
动态(每周一至周五) 0 9 * * 1-5 scripts/cron_rebalance.sh

cron 脚本负责:刷新数据、检测偏离、必要时执行再平衡、生成报告。

绩效监控(独立的 cron 任务):

频率 cron 行
每周 0 9 * * 1 scripts/cron_performance.sh
每月 0 9 1-7 * 1-5 scripts/cron_performance.sh

绩效监控 cron 任务依次执行:update-data、status(记录快照)、performance(生成 HTML 报告)。

若用户后续咨询其投资组合情况,请运行 status、report 或 performance 命令,并解释输出结果。

故障排查

  • yfinance 错误:运行 pip install --upgrade yfinance
  • 代码缺失:部分代码可能未被 yfinance 支持。请建议替代代码。
  • 优化失败:尝试将协方差估计方法切换为 ledoit_wolf,或减少资产数量。
  • 数据不足:增加 lookback_years,或验证所选代码是否具备足够历史(最低 2 年)。
  • 数据充分性警告:部分资产(尤其是新发行 ETF)的历史数据可能不足以满足当前配置的回溯期 + 回测期要求。优化器将显示各资产可用性表格,并建议:移除历史较短的资产,或缩短回溯期/回测期。
目录

热门AI工具

更多
PixTV
PixTV Hot

PixTV是一款面向AIGC内容创作的AI视频生成工具。

小橡皮AI

一款AI工具,主要用于小橡皮一键去AI味,将机器味重的内容改得更有活人感,防止因为 AI 内容被平台打上 AI 标签,以及限流,适合需要提升相关任务效率的用户。

Loomy
Loomy Hot

一款AI工具,主要用于科大讯飞发布的桌面级 AI 助理,比 OpenClaw 更易用、更安全!,适合需要提升相关任务效率的用户。

Laper
Laper Hot

Laper是专为编剧、导演和制片人推出的 AI 原生剧本创作工具。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

讯飞智文

一款面向学习和办公场景的AI文档创作工具,可辅助生成PPT与Word文档,提高资料整理和内容制作效率。

讯飞绘文

讯飞绘文是一款由科大讯飞推出的一站式 AIGC 内容运营平台。

相关专题

更多
GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

0

2026.11.17

GoFrame框架安装与gf命令行工具
GoFrame框架安装与gf命令行工具

本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。

0

2026.11.17

GoFrame框架零基础入门
GoFrame框架零基础入门

本专题整理GoFrame框架的入门知识,从模块化设计理念、环境准备到跑通第一个Web服务,讲清目录分层、配置加载、日志与中间件的用法,并对比Gin、Go-Zero的差异,帮助Go开发者建立整体认知。

0

2026.11.17

SQLAlchemy 一对多关系怎么建立
SQLAlchemy 一对多关系怎么建立

SQLAlchemy 一对多关系怎么建立?本专题整理父子表外键、relationship 双向映射、关联查询、级联删除和加载优化等相关文章,帮助你理解并实现常见的 ORM 关系建模。

0

2026.11.17

SQLAlchemy 如何增删改查
SQLAlchemy 如何增删改查

SQLAlchemy 如何增删改查?本专题整理 ORM 新增记录、条件查询、更新和删除、Session 事务提交与批量处理等实用文章,帮助你掌握 Python 数据库操作流程。

0

2026.11.17

SQLAlchemy ORM 模型怎么写
SQLAlchemy ORM 模型怎么写

SQLAlchemy ORM 模型怎么写?本专题整理模型类定义、Mapped 字段映射、主键与约束、表结构创建和常见报错的相关文章,帮助你从基础配置到实际建模逐步掌握 SQLAlchemy。

0

2026.11.17

Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

0

2026.11.12

Go-Zero安装与goctl环境配置教程
Go-Zero安装与goctl环境配置教程

本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。

0

2026.11.12

Go-Zero零基础入门教程
Go-Zero零基础入门教程

本专题整理Go-Zero的入门知识,从框架定位、环境准备到跑通第一个API服务,讲清目录分层、配置加载、日志与中间件的基本用法,并对比Gin、Kratos的差异,帮助Go开发者建立整体认知,判断它是否适合当前项目。

0

2026.11.12

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn