投资组合 MPT 体检 (Modern Portfolio Theory Health Check)
把"我觉得还行"的模糊判断，变成可量化的组合健康指标。输入持仓，输出一份带评分、总结与改进建议的体检报告。
何时使用
- 用户给出一组持仓（代码或名称 + 权重）并想评估健康度、风险、分散化效果。
- 触发词示例：「组合体检」「用 MPT 评估我的持仓」「这个组合风险高不高」「帮我看看我的投资组合」「分散化效果怎么样」。
- 适用标的：A股 / 港股 / 美股（含 ADR）。支持等权或自定义权重。
理论依据（本报告背后的金融学基础）
1. 均值-方差框架 (Markowitz, 1952)
现代投资组合理论的核心命题：理性投资者在"收益"与"风险"两维空间里做选择，收益用预期收益率 E(R)，风险用方差/标准差 σ。资产之间的联动用协方差 Cov(i,j) 或相关系数 ρ_ij 刻画。
2. 组合收益与风险（本工具的核心公式）
- 组合收益：
E(R_p) = Σ wᵢ · E(Rᵢ)—— 各资产预期收益的加权平均（线性）。 - 组合风险（重点，非线性）：
σ_p² = Σᵢ Σⱼ wᵢ wⱼ · Cov(i,j) = Σ wᵢ²σᵢ² + Σᵢ≠ⱼ 2 wᵢ wⱼ ρᵢⱼ σᵢ σⱼ
第二项交叉项正是分散化的全部秘密：当 ρᵢⱼ 小于 1 时，交叉项相互抵消，组合总风险被压低。
若 ρ=1（完全同涨同跌），分散化收益归零；若 ρ=0 或不相关，分散化收益最大。 - 分散化比率 = 朴素加权波动率 / 组合真实波动率（协方差法），大于1 表示分散化在起作用。
- 本工具对日收益取协方差矩阵，年化时乘以 √252，与上式严格一致。
3. 夏普比率 (Sharpe, 1966)
Sharpe = (E(R_p) − R_f) / σ_p，其中 R_f 为无风险利率（本工具取约 2.5%，对应 10Y 国债）。
衡量"每承担一单位总风险换来的超额收益"。大于1 优秀、0.5~1 良好、小于0 说明风险未获补偿。
4. 最大回撤 (Max Drawdown)
净值曲线从峰值到谷值的最大跌幅 min((Cum−CumMax)/CumMax)，刻画极端最坏亏损，是风险约束最直观的指标。
5. Beta 与 Alpha（CAPM 资产定价模型，Sharpe 1964）
引入无风险资产后，"切点组合=市场组合"，单只/组合收益可拆为：
E(R) − R_f = α + β · (E(R_m) − R_f)
- Beta = Cov(R_p, R_m) / Var(R_m)，度量组合对市场的系统性敏感度（大于1 高弹性、小于1 防御）。
- Alpha = 截距项，承担 Beta 风险之外的超额收益；负 Alpha 表示"承担了市场风险却跑输市场"。
本工具以恒生指数(HSI)或沪深300为基准回归求得 Beta/Alpha。
6. HHI 集中度指数 (Herfindahl-Hirschman Index)
HHI = Σ wᵢ²，衡量持仓集中程度。等权 5 只 = 0.20；越接近 1 越集中。大于0.20 视为偏集中。
注意：HHI 按"持股数量"计算，若多只标的同时暴露于同一行业/因子，因子层面的真实集中度会高于 HHI 显示值。
7. 有效前沿与分散化边界（理论延伸）
给定风险下收益最高（或给定收益下风险最低）的所有组合构成"有效前沿"；引入无风险资产后最优解落在资本市场线(CML)与前沿的切点（市场组合）。实证上：从 1 只加到 10~15 只，非系统性风险快速下降；之后逼近系统性风险"地板"不再改善——免费的风险消除主要发生在前 10~15 只，且相关性比数量更重要。
8. 理论的局限（本工具已在建议中提示）
- 用历史协方差估计未来，危机时相关性会"塌缩"至 1，分散化在最需要时失效。
- 假设收益近似正态、投资者风险厌恶、可无成本做空——现实不完全成立。
- 改进方向：后现代投资组合理论(PMPT，用下行风险)、风险平价(Risk Parity)、Black-Litterman 等。
使用方法
调用 scripts/portfolio_eval.py，传入一个逗号分隔的持仓字符串。市场自动识别：6 位数字=A股、5 位数字=港股、纯字母=美股、中文名走内置映射表（腾讯控股/拼多多/贵州茅台/宁德时代/阿里巴巴/小米集团/美团 等常见标的）。
# 等权 5 只（省略权重即等权）
python portfolio_eval.py "腾讯控股,拼多多,阿里巴巴,小米集团,美团"
# 指定权重（冒号或等号，支持百分比）
python portfolio_eval.py "腾讯控股:0.2,拼多多:0.2,阿里巴巴:0.2,小米集团:0.2,美团:0.2"
python portfolio_eval.py "600519:30%,00700:30%,PDD:40%"
# 直接给代码
python portfolio_eval.py "00700:0.4,PDD:0.3,09988:0.3"
建议在用户工作区目录运行（报告输出到当前目录 portfolio_health_report.html）。脚本会自动安装所需依赖（akshare/pandas/numpy/scipy/statsmodels/plotly）。
输出（交互式 HTML 报告，含六部分）
- 综合评分卡：健康评分(0-100, 含评级)、年化收益、年化波动、夏普、最大回撤、平均相关性、HHI。
- 一、综合总结：对组合整体健康度的文字结论（含 Beta/Alpha 解读）。
- 二、净值走势：个股与组合归一化净值曲线。
- 三、资产相关性矩阵：热力图，直观展示分散化基础。
- 四、风险-收益分布：个股与组合在(波动,收益)平面的散点。
- 五、个股指标明细 + 六、改进建议：基于指标的数据驱动建议（相关性偏高/集中度过高/高Beta/负夏普/回撤过大/单一市场暴露/方法论提醒）。
依赖
- akshare（行情）、pandas / numpy（计算）、scipy / statsmodels（统计）、plotly（交互图表）。
- 行情源：港股
stock_hk_hist(东方财富) +stock_hk_daily(新浪) 双源重试；美股stock_us_daily；A股stock_zh_a_hist(东方财富) +stock_zh_a_daily(新浪) 兜底。基准指数优先 HSI，其次沪深300。
注意
- 回测期约一年（近 420 个自然日），不含交易成本；Beta/Alpha 以可得基准指数近似，非 A股组合时基准为代理值。
- 报告仅供研究参考，不构成投资建议。
