據 AlphaMoat 統計,截至 2026-09,投資組合分析技能 累計下載 2,136 次、獲 0 個星標,在全部 5,078 個 AI 技能中排名第 4,332 位,在「資料分析」分類(399 個)中排名第 331 位。
| 平台 | 累計安裝 | 累計下載 | 星標 | 評論 |
|---|---|---|---|---|
| ClawHub ↗ | 29 | 1070 | - | - |
| SkillHub ↗ | 213 | 2136 | - | — |
各平台的計數口徑不同,統計時間不一致。
該技能描述資產配置、風險與收益分析、滾動風險平價和回測等流程。結果依賴輸入資料、計算方法與假設,應由使用者核驗;分析內容不構成投資建議或實際交易指令。
資料釋出於 2026-10-27
以下是根據技能文件生成的示例,不代表實際執行結果。
2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。
| 月份 | 累計下載 | 環比 | 星標 |
|---|---|---|---|
| 2026-09 | 2136 | — | - |
| 2026-08 | 1657 | +12.7% | - |
| 2026-07 | 1470 | +26.2% | - |
| 2026-06 | 1165 | +23.2% | - |
| 2026-05 | 946 | — | - |
| 2026-03 | 586 | — | - |
以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-10-23。
# 金融分析技能 (Financial Analysis Skill) ## 概述 这是一个用于投资组合分析的技能,支持使用本地CSV数据进行风险平价组合分析,并提供文字报告和图表可视化。优化版本整合了滚动窗口调仓逻辑和回测功能。 **重要说明:此技能仅使用本地CSV文件进行分析,不进行任何网络请求,不需要任何API密钥。** ## 功能特性 - ✅ 投资组合分析(资产配置、风险评估、收益分析) - ✅ 支持多种资产类型:股票、债券、商品等
- ✅ 本地CSV数据处理
- ✅ 文字报告生成
- ✅ 图表可视化(收益曲线、资产分布、风险指标等)
- ✅ **滚动窗口风险平价分析**(使用历史一年数据,每月调仓)
- ✅ **避免未来数据**(使用expanding窗口计算波动率)
- ✅ **回测功能**(完整的回测流程)
- ✅ **无需API密钥**(仅使用本地CSV数据)
## 数据源
- 本地CSV文件(中国市场数据)
- 不需要任何外部API密钥
## 安装依赖
```bash
pip install yfinance pandas numpy matplotlib seaborn plotly
```
## 使用方法
### 1. 基本使用
#### 分析投资组合
```bash
python financial_analysis.py --portfolio example_portfolio.json --output ./output
```
#### 获取单个资产数据
```bash
python financial_analysis.py --symbol AAPL --period 1y
```
### 2. 滚动窗口风险平价分析
#### 运行回测
```bash
python optimized_risk_parity_skill.py --csv "C:\path\to\marketdata.csv" --output ./backtest_output
```
#### 数据格式要求
- CSV文件应包含日期列和收益率列
- 收益率数据应为百分比格式(如:1.5表示1.5%)
- 脚本会自动将百分比转换为实际收益率(除以100)
- 支持处理文本行和缺失值
### 3. 投资组合配置文件格式
创建一个JSON文件(如 `my_portfolio.json`):
```json
{
"AAPL": 0.25, # 苹果股票,权重25%
"GOOGL": 0.20, # 谷歌股票,权重20%
"MSFT": 0.20, # 微软股票,权重20%
"AMZN": 0.15, # 亚马逊股票,权重15%
"TSLA": 0.20 # 特斯拉股票,权重20%
}
```
## 滚动窗口风险平价分析
### 核心特点
1. **避免未来数据**:使用历史一年数据计算波动率
2. **动态调仓**:每月根据最新波动率重新计算权重
3. **风险平价**:各资产对组合风险贡献相等
4. **回测验证**:完整的回测流程,验证策略效果
### 分析流程
1. **数据加载**:加载CSV数据,处理百分比单位
2. **滚动波动率**:使用expanding窗口计算历史波动率
3. **权重计算**:基于波动率倒数计算风险平价权重
4. **投资组合收益率**:使用滚动权重计算每日收益率
5. **绩效评估**:计算总收益率、年化收益率、夏普比率等
6. **可视化**:生成收益曲线、资产配置、相关性等图表
### 输出文件
- **分析报告**:`rolling_risk_parity_report.txt`
- **详细数据**:`rolling_risk_parity_data.json`
- **可视化图表**:
- `rolling_risk_parity_returns.png` - 收益曲线图
- `rolling_risk_parity_allocation.png` - 资产配置饼图
- `rolling_risk_parity_correlation.png` - 相关性热力图
- `rolling_asset_returns_comparison.png` - 资产收益对比图
- `rolling_weight_changes.png` - 滚动权重变化图
## 报告内容
- 投资组合概览
- 收益分析(总收益、年化收益)
- 风险指标(波动率、最大回撤、夏普比率)
- 资产配置分析
- 相关性分析
- 滚动权重变化
- 可视化图表
- 投资建议
## 配置
此技能不需要任何API密钥配置。只需要提供本地CSV文件路径即可。
## 示例输出
```
中国市场滚动风险平价组合分析报告
============================================================
生成时间: 2026-02-26 10:20:04
数据来源: C:\Users\wu_zhuoran\.openclaw\workspace\data\marketdata.csv
数据时间范围: 2015-03-23 至 2026-02-25
数据点数: 2656
滚动窗口: 252个交易日(约1年)
调仓频率: 每月
平均投资组合配置:
五年期国债 (TF.CFE): 46.04% (波动率: 2.46%)
十年期国债 (T.CFE): 32.55% (波动率: 3.61%)
沪铜 (CU.SHF): 9.33% (波动率: 17.87%)
沪金 (AU.SHF): 12.09% (波动率: 14.88%)
收益指标:
总收益率: 44.78%
年化收益率: 3.57%
风险指标:
年化波动率: 3.76%
最大回撤: -9.48%
夏普比率: 0.42
```
## 技术实现
### 滚动窗口计算
- 使用`expanding()`窗口而非`rolling()`窗口
- 确保不使用未来数据
- 最小窗口大小为252个交易日(约1年)
### 权重计算
- 基于波动率倒数加权:`权重 = (1/波动率) / ∑(1/波动率)`
- 每月调仓,动态调整权重
- 使用前一天的权重计算当日收益率
### 回测验证
- 完整的回测流程
- 避免数据泄露
- 提供详细的绩效指标
## 注意事项
- 确保数据质量,处理缺失值和异常值
- 滚动窗口大小可根据实际情况调整
- 调仓频率可根据市场情况调整
- 考虑交易成本对回测结果的影响
AdMapix 的取數層:把廣告與應用相關的查詢轉成介面呼叫,只回原始 JSON。
透過 Tavily 搜尋公開網頁,並回傳含連結與摘要的結構化結果。
把資料庫、表格與匯出的原始資料變成可決策結論的資料分析技能。
用 Yahoo Finance 資料做股票與加密貨幣分析、組合跟蹤的技能。
管理本地自選股清單,並按代碼彙總同花順行情與近期表現的技能。
全網招中標資料查詢與分析助手。當用戶涉及以下任何場景時,必須使用此SKILL:查詢招標/中標公告、搜尋標訊、查詢臨期/即將到期專案、商機預測、推薦潛在投標供應商、分析公司主營業務/歷史中標、查詢公司上下游合作客戶與供應商、分析競爭對手/競對企業、查詢Top採購單位/Top中標單位/Top中標品牌、招中標資料統計分析(按月/季/年/省份/品牌等維度)、查詢品牌型號歷史中標單價/價格趨勢、市場分析/行業分析/採購尋源/渠道拓展等採購與投標相關場景。即使使用者沒有提到「知了標訊」,只要涉及招投標、採購、中標、供應商、競爭對手等關鍵詞,都應使用本SKILL。
用命令列監控部落格與 RSS/Atom 源的更新。
彙總 Codex 或 Claude 按模型計費的使用成本。
資料月份:2026-09 · 下載/星標/安裝數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。