基金组合配置 - 智能基金组合构建与优化工具。 当用户需要构建基金组合、资产配置、投资组合优化、战略/战术资产配置、风险平价配置时使用此技能。 支持Markowitz均值方差优化、Black-Litterman模型、风险平价、目标日期/目标风险策略。 触发关键词：基金组合、资产配置、组合优化、Markowitz、风险平价、Black-Litterman、战略配置、战术配置。
name fund-portfolio-allocation description 基金组合配置 - 智能基金组合构建与优化工具。 当用户需要构建基金组合、资产配置、投资组合优化、战略/战术资产配置、风险平价配置时使用此技能。 支持Markowitz均值方差优化、Black-Litterman模型、风险平价、目标日期/目标风险策略。 触发关键词：基金组合、资产配置、组合优化、Markowitz、风险平价、Black-Litterman、战略配置、战术配置。 基金组合配置 (Fund Portfolio Allocation) 智能基金组合构建与优化工具，帮助用户科学配置基金资产组合。 功能概述 战略资产配置 (SAA) : 长期目标配置比例 战术资产配置 (TAA) : 短期偏离调整 Markowitz优化 : 均值方差最优化 风险平价配置 : 各资产风险贡献均衡 Black-Litterman : 融合市场观点和信心 目标日期策略 : 随时间自动调整股债比 目标风险策略 : 固定风险水平配置 再平衡策略 : 偏离度检测与调整 使用方法 命令行调用
fund-alloc --target 稳健增长 --amount 1000000
fund-alloc --target 积极型 --amount 500000 --strategy markowitz
fund-alloc --target 平衡型 --amount 1000000 --strategy risk-parity
fund-alloc --target-date 2040 --amount 500000 Python API from fund_portfolio_allocation import PortfolioAllocator
allocator = PortfolioAllocator()
portfolio = allocator.allocate( target= '稳健增长' , amount= 1000000 , risk_profile= 'R3' )
portfolio = allocator.markowitz_optimize( expected_returns=[ 0.08 , 0.05 , 0.03 ], cov_matrix=[[...]], target_return= 0.06 ) 投资策略
约束:
有效前沿: 所有最优组合的集合 4. 风险平价 (Risk Parity) 目标: 各资产对组合风险的贡献相等
风险贡献 = w_i × (Σw_j × Cov(r_i, r_j)) / σ_p
其中: w_i = 资产i的权重 Cov = 协方差 σ_p = 组合波动率 5. Black-Litterman模型 融合市场均衡收益和投资者观点： 后验收益 = [(τΣ)^(-1) + P^T Ω^(-1) P]^(-1) × [(τΣ)^(-1) Π + P^T Ω^(-1) Q]
其中: Π = 市场均衡收益 Q = 投资者观点 P = 观点映射矩阵 Ω = 观点信心度 Σ = 资产协方差矩阵 τ = 比例因子 6. 目标日期策略 随时间自动调整股债比： 股票比例 = 100 - (当前年龄 - 20) × 比例系数
或者: 股票比例 = (目标年份 - 当前年份) / 投资年限 × 股票上限 输出格式 组合配置报告 { "portfolio_id" : "PF_20260321_001" , "created_at" : "2026-03-21" , "strategy" : "markowitz" , "target_profile" : "稳健增长" , "risk_level" : "R3" , "total_amount" : 1000000 , "allocation" : { "by_type" : { "equity" : { "weight" : 0.30 , "amount" : 300000 } , "hybrid" : { "weight" : 0.30 , "amount" : 300000 } , "bond" : { "weight" : 0.30 , "amount" : 300000 } , "money" : { "weight" : 0.10 , "amount" : 100000 } } , "by_fund" : [ { "fund_code" : "000001" , "fund_name" : "华夏成长混合" , "type" : "混合型" , "weight" : 0.15 , "amount" : 150000 , "expected_return" : 0.08 , "risk_contribution" : 0.15 } ] } , "expected_metrics" : { "expected_return" : 0.065 , "expected_volatility" : 0.12 , "sharpe_ratio" : 0.33 , "max_drawdown" : -0.15 , "var_95" : -0.025 } , "rebalance_policy" : { "method" : "threshold" , "threshold" : 0.05 , "frequency" : "quarterly" } , "recommendations" : [ "建议每季度检查偏离度" , "单一基金权重不超过20%" ] } 示例 示例1: 稳健型组合配置 输入 : 构建100万稳健型基金组合 输出 : 📊 基金组合配置报告
投资目标: 稳健增长 风险等级: R3 (中等风险) 投资金额: ¥1,000,000 配置策略: 战略资产配置 (SAA)
资产配置: ├── 股票型基金: 30% (¥300,000) │ ├── 富国天惠成长: 15% (¥150,000) │ └── 易方达蓝筹精选: 15% (¥150,000) ├── 混合型基金: 30% (¥300,000) │ ├── 华夏成长混合: 20% (¥200,000) │ └── 中欧时代先锋: 10% (¥100,000) ├── 债券型基金: 30% (¥300,000) │ └── 招商产业债: 30% (¥300,000) └── 货币型基金: 10% (¥100,000) └── 天弘余额宝: 10% (¥100,000)
预期表现: 预期年化收益: 6.5% 预期波动率: 12.0% 夏普比率: 0.33 预期最大回撤: -15.0% 95% VaR: -2.5%
再平衡策略: 触发条件: 偏离度 > 5% 检查频率: 每季度 调整方式: 部分再平衡
建议: ✅ 适合持有期3年以上 ✅ 建议定投方式逐步建仓 ⚠️ 关注权益市场估值水平 示例2: Markowitz优化 输入 : 使用Markowitz优化，目标收益8%，投资金额50万 输出 : 📊 Markowitz优化配置
目标收益: 8.0% 投资金额: ¥500,000 优化方法: 均值方差最优化
有效前沿分析: 最小风险组合: 收益5.2%, 波动8.5% 目标收益组合: 收益8.0%, 波动12.3% 最大收益组合: 收益12.5%, 波动22.8%
优化结果: 股票型: 45% (¥225,000) 混合型: 25% (¥125,000) 债券型: 25% (¥125,000) 货币型: 5% (¥25,000)
预期表现: 预期收益: 8.0% 预期波动: 12.3% 夏普比率: 0.45 示例3: 风险平价配置 输入 : 使用风险平价策略配置100万 输出 : 📊 风险平价配置
投资金额: ¥1,000,000 策略: 风险平价 (Risk Parity) 目标: 各资产风险贡献相等
配置结果: 股票型: 18% (¥180,000) - 风险贡献25% 混合型: 22% (¥220,000) - 风险贡献25% 债券型: 45% (¥450,000) - 风险贡献25% 货币型: 15% (¥150,000) - 风险贡献25%
与传统配置对比: 风险平价 传统60/40 波动率: 8.5% 12.2% 夏普比率: 0.52 0.38 最大回撤: -10.5% -18.3%
风险贡献均衡度: 98.5% (优秀) 注意事项 配置建议基于历史数据，不代表未来表现 实际配置需考虑交易成本、申赎费率 税务影响未在基础配置中考虑 建议定期（季度/年度）进行再平衡 市场极端情况下需灵活调整配置 配置前应充分了解各基金风险特征 依赖 numpy>=1.20.0 scipy>=1.7.0 pandas>=1.3.0 cvxpy>=1.2.0 # 凸优化 作者 FinClaw - 上海财经大学金融研究工具