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。
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;
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。
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:
config.yaml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。
---JSON--- 区块以获取结构化数据mpt_portfolio/ 目录下或本项目中任意 .py 文件config/default.yaml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。
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。
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。
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。
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。
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。
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。
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。
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。
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?
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。
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/。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。
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/ 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。
根据步骤 10 回测结果中的推荐策略,向用户说明:
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:
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
提问:“您是否需要自动化的绩效报告?可选项如下:
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”:
portfolios//config.yaml ,将 monitoring.frequency 设为所选值| 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。”
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:
| 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 |
以下命令可随时执行。LLM 的角色仅为调用命令并解释输出。
python -m mpt_portfolio status -p
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。
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。
python -m mpt_portfolio rebalance -p
python -m mpt_portfolio rebalance -p--execute
python -m mpt_portfolio report -p
python -m mpt_portfolio update-data -p
python -m mpt_portfolio compare -p name1 -p name2
python -m mpt_portfolio delete -p
python -m mpt_portfolio list
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。
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。
pip install --upgrade yfinanceledoit_wolf,或减少资产数量。lookback_years,或验证所选代码是否具备足够历史(最低 2 年)。相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134.3万人学习
共49课时 | 82.7万人学习
最新文章