Stress Test

weights（保有比率・省略可）

カンマ区切りの比率リスト。銘柄数と同じ数だけ指定する。省略時は等分（各銘柄 1/N）。

シナリオ一覧

出力形式（10ステップ パイプライン）

結果は以下のステップで構造化して表示してください。

Step 1: ポートフォリオ概要

• 銘柄一覧（シンボル・名称・セクター・比率）
• 総時価総額（推定）

Step 2: 集中度分析

• セクターHHI / 地域HHI / 通貨HHI
• 最大集中軸の特定
• リスクレベル判定（分散 / やや集中 / 危険な集中）

Step 3: ショック感応度スコア

• 各銘柄のベータ・財務健全性・バリュエーション耐性の評価
• 銘柄別ショック感応度スコア（0-100）

Step 4: シナリオ定義

• 適用シナリオ名と概要
• マクロ変数の変化（金利・為替・株式市場の想定変動）

Step 5: 銘柄別インパクト推定

• 各銘柄の推定損失率
• 集中度倍率の適用
• ポートフォリオ加重インパクト

Step 6: ポートフォリオ全体インパクト

• PF全体の推定損失率
• 最大損失銘柄

Step 6b: 相関分析（KIK-352）

• 銘柄間相関行列（ピアソン相関、過去1年日次リターン）
• 高相関ペア（|r| >= 0.7）の検出
• ファクター分解: 各銘柄をマクロ変数（USD/JPY, 日経225, S&P500, 原油, 米10年金利）で回帰
• LLM解釈: ファクター回帰で説明しきれない残差相関について、業界知識で原因を推測して補足する（例: サプライチェーン依存、同一顧客基盤等）。「確定要因（統計）」と「推定要因（推測）」を明確に分離して表示すること

Step 6c: VaR（過去データベースのリスク指標）（KIK-352）

• 過去1年の日次リターンからポートフォリオの加重リターンを算出
• 95% VaR / 99% VaR（日次・月次）
• ストレステストのシナリオ分析（テールリスク）との違いを説明すること

Step 7: 因果連鎖分析

• シナリオ発生時の連鎖的影響の説明
• セクター間波及パス

Step 8: 総合判定 + 推奨アクション（KIK-352）

• リスク軽減のための具体的提案（ルールベース自動生成 + Claude補足）
• 集中度・相関・VaR・ストレステスト結果を統合した推奨
• ヘッジ候補銘柄・セクター
• LLM補完: ルールベースの推奨に加えて、ポートフォリオにないセクターの候補提示、相関の定性的原因を踏まえた分散先の提案をClaudeが補足すること

実行例

# 基本的なストレステスト（シナリオ自動判定）
python3 .../run_stress_test.py --portfolio 7203.T,AAPL,D05.SI

# トリプル安シナリオ
python3 .../run_stress_test.py --portfolio 7203.T,9984.T,6758.T --scenario トリプル安

# 比率指定
python3 .../run_stress_test.py --portfolio 7203.T,AAPL,D05.SI --weights 0.5,0.3,0.2

# カスタムシナリオ
python3 .../run_stress_test.py --portfolio 7203.T,AAPL --scenario "半導体サプライチェーン崩壊"

前提知識統合ルール (KIK-466)

get_context.py の出力に以下がある場合、ストレステスト結果と統合して回答する:

• 前回ストレステスト（StressTest）: 前回シナリオ・結果と比較。「前回テック暴落シナリオ: -18% → 今回: -15%（改善: テック比率低下のため）」
• 懸念メモ: 懸念銘柄がストレステストで大ダメージなら「懸念メモと一致 → 対策を検討」
• 投資メモ: ヘッジ戦略メモがあれば参照。「前回の教訓メモ: 円高ヘッジ不足 → 今回もドル高シナリオに弱い」