portfolio-risk-manager

Portfolio Risk Manager (投资组合风险管理器)

像专业的风险会议（Risk Meeting）一样汇总投资组合：分析集中度（Concentration）、敞口（Exposure）、贝塔（Beta）、波动率（Volatility），识别组合在哪些领域过度倾斜。本技能旨在将杂乱的持仓清单转化为具有前瞻性的风险视图，辅助投资经理在调仓前进行全方位的“健康体检”。

安装与前提条件

# 确保已安装投资组合分析与统计库
pip install pandas numpy pyportfolioopt scipy
# 准备持仓数据
npx clawhub install portfolio-risk-manager

触发条件 / When to Use

• 每周 PM 评审 (Weekly PM Review)：在每周一开盘前，对整个组合的风险暴露进行全量扫描。
• 调仓前风险核查 (Pre-trade Sanity Check)：在大幅增加某个标的或行业的权重前，评估其对组合整体风险的影响。
• 致投资者信准备 (Investor Letter Prep)：需要向投资者清晰地说明目前持仓的风险属性（如：低 Beta、高分红、区域倾斜）。
• 仓位规模讨论 (Position Sizing)：根据波动率逆向计算每个标的应占的最优权重。
• 极端行情复盘：当市场发生剧烈波动时，快速计算组合的 VaR（在职风险值）并制定防御方案。

核心能力 / Core Capabilities

1. 集中度与多维敞口分析 (Exposure Analysis)

• 操作步骤：
  1. 统计前 10 大持仓的权重（Top 10 Weight）。
  2. 按 行业 (Sector)、地区 (Region)、市值 (Market Cap) 及 风格 (Style) 进行穿透式汇总。
  3. 识别“非意图敞口”（Accidental Exposure），即由于多个标的同属一个子行业而导致的隐性集中风险。
• 最佳实践：单一标的权重通常不应超过 10%，单一行业敞口不应超过 25%，除非该策略是高集中度的特定风格。

2. 系统性与特有风险测算 (Beta & Volatility)

• 操作步骤：
  1. 运行 scripts/portfolio_risk.py。
  2. 计算加权贝塔（Weighted Beta）：评估组合对大盘波动的敏感度。
  3. 拆解风险来源：区分 系统性风险 (Systematic Risk) 和 特有风险 (Idiosyncratic Risk)。
  4. 计算 跟踪误差 (Tracking Error)：衡量组合相对于基准的偏离程度。
• 最佳实践：在熊市环境下，重点关注 Beta 的漂移情况。

3. 相关性矩阵与多元化分析 (Correlation Analysis)

• 操作步骤：
  1. 计算所有持仓之间的相关性矩阵（Correlation Matrix）。
  2. 识别“假多元化”：表面上买了 20 只股票，但如果它们的相关系数都在 0.8 以上，实质上是一个高风险头寸。
• 最佳实践：通过寻找相关性低于 0.3 的资产来优化夏普比率。

4. 压力测试与情景模拟 (Stress Testing)

• 操作步骤：
  1. 模拟极端情景：如“利率上升 100bp”、“纳斯达克回调 10%”、“原油价格翻倍”。
  2. 预估组合在这些情景下的最大跌幅。
  3. 输出“VaR (Value at Risk)”报告。

常用命令/模板 / Common Patterns

投资组合 JSON 模板 (Portfolio JSON)

{
  "portfolio_name": "Growth_Strategy_2026",
  "base_currency": "USD",
  "holdings": [
    { "ticker": "NVDA", "weight": 0.12, "beta": 1.65, "sector": "Semiconductors" },
    { "ticker": "MSFT", "weight": 0.10, "beta": 1.15, "sector": "Software" },
    { "ticker": "JPM", "weight": 0.08, "beta": 0.95, "sector": "Finance" }
  ],
  "benchmark": "S&P 500"
}