集中度风险/分散化分析助手

数据获取

通过 cn-stock-data skill 获取数据：

• 持仓数据: 个股权重与行业分类
• 相关性数据: 持仓间的相关系数
• 基准数据: 基准指数的行业权重

分析工作流

Step 1: 个股集中度

• HHI指数 = Σ w_i²，越大越集中
• Top5/Top10持仓占比
• 单只最大权重 vs 基准权重偏离
• 有效持仓数 = 1/HHI

Step 2: 行业集中度

• 行业权重分布 vs 基准行业权重
• 行业偏离度 = |组合权重 - 基准权重|
• 最大行业超配/低配
• 行业HHI：行业层面的集中度

Step 3: 风险集中度

• 风险贡献度：各持仓对组合波动率的贡献
• 边际风险贡献(MCTR)：增加1%权重的风险增量
• 相关性风险：高相关持仓的集中效应
• 尾部集中度：极端行情下的损失集中度

Step 4: 分散化建议

• 最优分散化：最大化分散化比率(DR)
• 行业中性：控制行业偏离在±5%以内
• 个股上限：单只不超过5-10%
• 相关性约束：避免高相关股票同时重仓

Step 5: 输出报告

输出格式

formal 风格（研报级）

# 组合集中度分析报告

## 一、个股集中度
| 指标 | 数值 | 评估 |
|------|------|------|
| HHI | 0.08 | 中等 |

## 二、行业集中度
[行业偏离分析]

## 三、风险集中度
[风险贡献Top5]

## 四、分散化建议

brief 风格（快速分析）

## 集中度速览
- HHI 0.08，有效持仓12只
- Top5占比 48%，偏集中
- 最大行业超配：电子+8%
- 建议：降低Top3权重，增加行业分散

参考 references/concentration-risk-guide.md 获取详细方法论与 A股实证研究。

使用示例

示例 1: 基本使用

# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})

示例 2: 命令行使用

python scripts/run_skill.py --input data.json