# Fund Portfolio Allocation

> 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。

- Skill: `aifinlab/fund-portfolio-allocation` (Agent Skill, multi-file: 6 files)
- Install (CLI): `npx skillmds@latest add aifinlab/fund-portfolio-allocation`
- Raw SKILL.md: https://api.skillmd.com/api/skills/aifinlab/fund-portfolio-allocation/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: aifinlab (https://skillmd.com/u/aifinlab)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/aifinlab/fund-portfolio-allocation

---


# 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

```bash
# 基础配置
fund-alloc --target 稳健增长 --amount 1000000

# 高级配置
fund-alloc --target 积极型 --amount 500000 --strategy markowitz

# 风险平价
fund-alloc --target 平衡型 --amount 1000000 --strategy risk-parity

# 目标日期
fund-alloc --target-date 2040 --amount 500000
```

### Python API

```python
from fund_portfolio_allocation import PortfolioAllocator

allocator = PortfolioAllocator()

# 基础配置
portfolio = allocator.allocate(
    target='稳健增长',
    amount=1000000,
    risk_profile='R3'
)

# Markowitz优化
portfolio = allocator.markowitz_optimize(
    expected_returns=[0.08, 0.05, 0.03],
    cov_matrix=[[...]],
    target_return=0.06
)
```

## 投资策略

### 1. 战略资产配置 (SAA)

基于长期投资目标和风险承受能力确定的基础配置。

| 风险等级 | 股票型 | 混合型 | 债券型 | 货币型 | 适合人群 |
|:---|:---:|:---:|:---:|:---:|:---|
| R1 保守 | 0% | 10% | 40% | 50% | 退休人群 |
| R2 稳健 | 15% | 25% | 40% | 20% | 保守投资者 |
| R3 平衡 | 30% | 30% | 30% | 10% | 一般投资者 |
| R4 进取 | 50% | 25% | 20% | 5% | 积极投资者 |
| R5 激进 | 70% | 15% | 10% | 5% | 高风险承受者 |

### 2. 战术资产配置 (TAA)

在SAA基础上进行短期偏离调整（±10%）。

调整因子：
- **估值水平**: 高估值低配，低估值高配
- **市场趋势**: 趋势向上高配，向下低配
- **宏观环境**: 利率、通胀、政策
- **情绪指标**: 恐慌/贪婪指数

### 3. Markowitz均值方差优化

```
目标: 在给定收益目标下最小化风险
      或在给定风险水平下最大化收益

约束:
  - 权重和为1: Σw_i = 1
  - 权重非负: w_i ≥ 0
  - 最小权重: w_i ≥ w_min (避免碎片化)
  - 最大权重: w_i ≤ w_max (避免过度集中)

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

```json
{
  "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

1. 配置建议基于历史数据，不代表未来表现
2. 实际配置需考虑交易成本、申赎费率
3. 税务影响未在基础配置中考虑
4. 建议定期（季度/年度）进行再平衡
5. 市场极端情况下需灵活调整配置
6. 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