Run any Skill in Manus with one click

portfolio-review

Stars96

Forks9

UpdatedJune 18, 2026 at 14:21

Fetch live brokerage positions and generate a comprehensive portfolio report with sector allocation, P&L analysis, options summary, and risk assessment. Use when user asks for portfolio review.

Installation

Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.

Run Skill in Manus

Source

PatrickSUDO

PatrickSUDO/fadacai-portfolio

View GitHub Repository View Creator Repositories

Download

Run Skill in Manus

Related occupationsSOC

Based on SOC occupation classification

Financial and Investment AnalystsBusiness and Financial Operations Occupations·SOC 13-2051

SKILL.md

readonly

Portfolio Review

Generate a comprehensive portfolio report from the user's live brokerage positions (via the firstrade-server MCP).

Step 0: 配置同步 & 倉位偵測

執行 CLAUDE.md 的 Step 0 統一規範（0a → 0b → 0c → 0d → 0e）。

讀 plan.md + feedback/*.md（必做）；在後續分析中引用板塊目標與策略佇列
呼叫 get_account_position 取即時持倉
今日 journal 不存在 → 執行 gap-fill + 變動偵測 + 自動建立 journal
0e 第一性原理紀律：在「下一步建議」之前必須完成「組合層級 thesis / 證偽條件 / 機率分布」三題（見 CLAUDE.md 0e）

Step 0.5: Macro + Earnings + Fundamentals Cache Load

讀以下四份 cache（由各預載腳本維護）：

briefing-out/cache/macro-snapshot.json — 供 Step 0e 與 probability-honesty-checker Step 1i
briefing-out/cache/earnings-history.json — 供 Section F Key Alerts、Section G 個股 thesis、及 probability-honesty-checker Step 1d base rate
briefing-out/cache/earnings-dates.json — 供 Section F earnings window 警示
briefing-out/cache/fundamentals-snapshot.json（TTL 24h，tools/fetch_fundamentals.py 預載）— 供 Section G3.5 三錨點估值、probability-honesty-checker Step 1d/1h

判定 fundamentals cache：

status == "ok" 且 mtime < 30h → 使用（Section G3.5 三錨點計算直接取 highlights）

status == "skipped" / mtime > 30h / 缺失 → 標 ⚠️ Fundamentals cache stale/missing，派 Agent 即時補抓（同 briefing Deep 模式）：

Agent(subagent_type="data-collector"):
  呼叫 mcp__eodhd-mcp__get_fundamentals_snapshot 對所有 >3% 持倉 (TICKER.US)
  回傳 dict {ticker: {snapshot:{...}, base_rate:{...}}}

pe_ratio == 0.0 / null → 丟棄 A1 錨；peg_ratio == 0.0 / null → 丟棄 A2 錨；不猜測

若 macro status == "skipped" → Section K 第一性檢查標記 Macro: unavailable，probability-honesty-checker 1i 填 unavailable。若 earnings cache 過期 > 36h → 加註 ⚠️ cache stale (X h)。若 cache 缺某 ticker → Section F 該 ticker earnings 列 (unavailable)，prompt 提示手動 python3 tools/earnings_history.py --force。

Step 0.6: Thesis Ledger 驗收 & 逾期掃描

與 briefing 共用同一套引擎（tools/thesis_ledger.py，帳本 research/thesis-ledger.json）。portfolio-review 也自動驗收，確保未跑 briefing 的日子不漏驗收。

python3 tools/thesis_ledger.py due      # 取到期清單 + 自動 expire sweep

對每筆 due：讀 trigger.metric → 用 MCP 抓實際數字 → 對照 thesis+falsification 判 passed/failed/partial → resolve --next-action；抓不到新數 → reschedule 維持 pending，不猜 verdict。流程細節與規則同 briefing Step 0.7。

在 Section F Key Alerts 前輸出「📋 thesis 驗收」表：

## 📋 thesis 驗收
| thesis | 命題 | 實際 | verdict | 公允價 before→after | 價格影響 | → actionable |
|--------|------|------|---------|---------------------|---------|-------------|

公允價 before→after 與 價格影響 欄：有 resolve 且帶 impact 旗標時填入，reschedule 留空。D2 三桶分解（passed/failed/partial）同 briefing Step 0.7 邏輯：

passed → D1 三錨點用新數字重算 fair_value_after；price_impact_pct = (after−before)/before
failed → 同上但用惡化輸入（成長減速/砍 guide）
partial → impact_decomp = "thesis +X%(基本面)/multiple −Z%(re-rate)=net −W%"

並列出 expired 歸檔清單。驗收結果（含公允價影響）直接餵「下一步建議」。

Workflow

Fetch live positions
- Call mcp__firstrade-server__get_account_position to get real-time positions
- Also call mcp__firstrade-server__get_account_balance for total account value
- Parse the Stocks section and Options section separately
- Extract: Symbol, Quantity, Last Price, Market Value, Unit Cost, Total Cost, Gain/Loss($), Gain/Loss(%)
Sector Classification Classify each ticker into a sector using this two-step approach:

Step 1: Use your knowledge of each company to assign it to ONE of these sectors:
- AI/Semiconductor — GPU, memory, chip design, semiconductor equipment
- AI Infrastructure — optical networking, power/cooling, PCB/substrates, networking equipment
- Large Tech — mega-cap platform companies (FAANG-level)
- AI Software/Platform — AI-focused software, data analytics, autonomous systems
- SaaS/Enterprise Software — cloud software, dev tools, enterprise apps
- Infrastructure/Construction — electrical, utility, data center construction
- Aerospace/Defense — defense contractors, aerospace materials, military tech
- Precious Metals/Mining — gold, silver miners and royalty companies
- Nuclear/Uranium — uranium miners, nuclear energy
- Transport/Logistics — freight, shipping, logistics
- Healthcare/Biotech — pharma, biotech, medical devices
- Energy — oil, gas, traditional energy
- Real Assets — land rights, water rights, mineral rights, REITs
- Materials/Metals — aluminum, steel, rare earth, specialty metals
- Other — anything that doesn't fit above
Step 2: For any ticker you're unsure about, use mcp__yfinance-advanced__get_stock_info to check its sector, industry, and longBusinessSummary fields to classify accurately.

Grouping rule: Combine sectors with < 3% allocation into an "Other/Small" bucket to keep the table clean.
Generate Report with these sections:

A. Portfolio Summary

Total Stock Value: $XXX,XXX
Total Options Value: $XX,XXX
Total Portfolio: $XXX,XXX
Day Change: +/- $X,XXX (+/- X.XX%)
Total Gain/Loss: +/- $X,XXX (+/- X.XX%)
Number of Positions: XX stocks + XX options

B. Sector Allocation Table

C. Top 5 Winners & Losers (by Gain/Loss %)

Show the best and worst performing positions.

D. Position Sizing

Flag positions that are:

Over 7% of portfolio (too concentrated)
Under 1.5% of portfolio (too small to matter)

E. Options Summary

For each option position:

Type (Call/Put, Long/Short)
Strike, Expiry date
Days to expiry (calculate from today's date)
Current P&L
Status (ITM/OTM/ATM based on last stock price if available)
For LEAPS: delta equivalent shares estimate
For Sell Puts: potential assignment cost and margin estimate

F. Key Alerts

Upcoming expiries within 30 days
Positions with > 20% loss
Sector concentration warnings
Sell put margin utilization estimate

G. 個股趨勢與分析

平行數據收集（第一組 Agent 子代理 — subagent_type: "data-collector"）：

使用 Agent tool 平行派遣以下 3 組子代理（每組 subagent_type: "data-collector"，自動使用 Haiku 4.5）：

Agent 1 — Yahoo Finance（subagent_type: "data-collector"，所有主要持倉 >3%）：get_stock_info + get_yahoo_finance_news + get_historical_stock_prices
Agent 2 — Technical（subagent_type: "data-collector"，所有持倉）：get_batch_indicators + get_technical_indicators（top 5 個別分析）
Agent 3 — Sentiment（subagent_type: "data-collector"，top 5）：get_sentiment_trend（ticker format: "TICKER.US"）

若 Agent tool 不可用，依序呼叫亦可。

⚠️ Agent 失敗 fallback：若任一 agent 回傳空結果或聲稱「沒有 MCP 權限」，主 Claude 直接自行呼叫對應工具：

Agent 2（Technical）失敗 → 主 Claude 直接呼叫 mcp__technical-mcp__get_batch_indicators + mcp__technical-mcp__get_technical_indicators，繼續輸出 G2 技術分析
Agent 1（Yahoo Finance）失敗 → 主 Claude 直接呼叫 mcp__yfinance-advanced__get_stock_info
Agent 3（Sentiment）失敗 → 主 Claude 直接呼叫 mcp__eodhd-mcp__get_sentiment_trend 絕不因 agent 失敗而跳過整個 section。

Split holdings into two tiers:

主要持倉 (> 3% of portfolio): Full analysis
小型持倉 (< 3%): Summary row only

For major holdings (> 3%), fetch and display:

G1. 股價趨勢 (Price Trends) Use mcp__yfinance-advanced__get_historical_stock_prices with different periods. Show for each stock:

| 標的 | 現價 | 1週 | 1月 | 3月 | YTD | 52W高/低 | 距52W高 |

Calculate % change from period start to current price.

G2. 技術分析摘要 (Technical Summary) Use mcp__technical-mcp__get_batch_indicators for all major holdings at once, then mcp__technical-mcp__get_technical_indicators for top 5 holdings.

Batch overview table (all major holdings):

| 標的 | 現價 | RSI | RSI狀態 | MACD交叉 | 動量分數 | 趨勢 | 波動率 | 量能比 |

Detailed view (top 5 holdings only): Use mcp__technical-mcp__get_technical_indicators for full data including Bollinger Bands and ATR.

| 標的 | BB %B | ATR% | SMA20 | SMA50 | SMA200 | vs50MA% | vs200MA% |

Flag:

RSI > 70 → ⚠️ 超買
RSI < 30 → 💡 超賣 (可能買入機會)
momentum_score > 50 → 強勢
momentum_score < -50 → 嚴重弱勢
vol_regime = "high" → 高波動注意

G3. 基本面摘要 (Fundamentals) Use mcp__yfinance-advanced__get_stock_info for financial data.

G3.5 三錨點公允價（D1 三角定位，全 >3% 持倉）

資料：Step 0.5 fundamentals-snapshot.json cache（已預載）

三錨點計算規則（同 briefing Section 8.5，以下為簡化版）：

錨點	欄位	缺值處理
A1 市場 PE	`highlights.pe_ratio`	0.0/null → 標 N/A
A2 PEG 錨	`peg_ratio × growth%`；AI 龍頭 PEG=1.5，其餘=1.0	0.0/null → 標 N/A
A3 分析師錨	`wall_street_target ÷ fwdEPS`；fwdEPS 來源優先序 `forward_estimates.curr_fy.eps_avg`（真實共識）→ `next_fy.eps_avg` → `eps_ttm×(1+growth)` 近似（cache `self_valuation.a3_fwdeps_source` 已標來源）	任一缺 → 標 N/A
A4 自建錨	`self_valuation.own_target_price`（cache 已算）	`unavailable` → `(N/A)`；`low` → `⚠️`；不進 median

情境 FairPE：base=median(A1,A2,A3)（A4 排除）；bull=max×1.25（上限 current_PE×1.25）；bear=min×0.70

輸出表（Full/Deep tier 才出 A4 欄）：

| 標的 | 現價 | A1 PE | A2 PEG錨 | A3 PT錨 | Fair PE(基/牛/熊) | FwdEPS | 公允價(基/牛/熊) | A4自建目標 | A4vsA3% | 偏離基準% | 備註 |
|------|------|-------|---------|---------|-----------------|--------|----------------|----------|---------|---------|------|

A4 欄規則：

unavailable → (N/A)；low → 顯示數字 + ⚠️；ok → 顯示數字
A4vsA3% = (own_target − wall_street_target) / wall_street_target
|A4vsA3%| > 20% → 備註欄加：「我較 Street 樂觀」/ 「我較 Street 保守」
EPS 修正動能（備註欄）：讀 forward_estimates.curr_fy，revisions_up_30d ≫ down_30d 或 eps_revision_30d_pct > 0 → 標 共識上修↑（guidance 偏正領先訊號）；反之 共識下修↓。僅 flag，非估值輸入

偏離 > ±30% → 標 ⚠️ 大幅偏離；偏離 > ±50% → 標 ⚠️⚠️ 異常大偏離，錨點可能失效

G4. 近期新聞 (Recent News) Use mcp__yfinance-advanced__get_yahoo_finance_news for each major holding. Show top 2 headlines per stock:

| 標的 | 日期 | 標題 | 情緒判斷 |

Sentiment: 利好/利空/中性 based on headline content.

For minor holdings (< 3%), show condensed row:

| 標的 | 市值 | 佔比 | 趨勢 | 1月% | Analyst |

NOTE: 平行數據收集已在 Section G 開頭的 Agent 子代理指令中統一處理。

G5. 情緒面分析 (Sentiment Analysis)

Use mcp__eodhd-mcp__get_sentiment_trend for top 5 holdings by market value.

| 標的 | 7日情緒 | 30日情緒 | 趨勢 |

For any stock with strongly negative sentiment (< -0.3), also call mcp__eodhd-mcp__get_news_sentiment to show recent negative headlines.

Flag stocks with rapidly deteriorating sentiment (7-day avg significantly below 30-day avg).

Note: EODHD tickers use exchange suffix format (e.g. "AAPL.US", "NVDA.US").

平行數據收集（第二組 Agent 子代理 — subagent_type: "data-collector"）：

在 Section G 數據到齊後，派遣第二組（subagent_type: "data-collector"，自動使用 Haiku 4.5）：

Agent 4 — SEC EDGAR（subagent_type: "data-collector"，top 5）：get_insider_transactions + get_recent_filings
Agent 5 — FMP（subagent_type: "data-collector"）：getStockPeers（top 3）+ getBiggestGainers / getBiggestLosers

若 Agent tool 不可用，依序呼叫亦可。

H. SEC EDGAR 深度數據

Uses SEC EDGAR MCP tools.

Only run this section for the top 5 holdings by market value. Skip if user says "快速報告".

H1. 內部人交易 (Insider Trading) Use mcp__sec-edgar-mcp__get_insider_transactions (days=90) for each top holding.

Flag any significant insider buying (bullish signal) or heavy selling (watch).

H2. SEC 財報數據 (SEC Financials) Use mcp__sec-edgar-mcp__get_financials with statement_type="income" for top holdings. Cross-reference with yfinance data — highlight any discrepancies.

H3. 近期 SEC Filing (Recent Filings) Use mcp__sec-edgar-mcp__get_recent_filings (days=30) for top holdings.

| 標的 | Filing類型 | 日期 | 重點摘要 |

Flag any 8-K (material events), 10-K/10-Q (earnings), or Form 4 (insider) filings.

Note: SEC EDGAR data comes directly from official SEC filings and may lag real-time market data by days/weeks. Use it for verification and deep analysis, not for real-time trading decisions.

I. FMP 市場動態與同業比較

This section uses FMP MCP tools (free tier). Run in parallel with other sections.

Skip if user says "快速報告".

I1. 同業比較 (Peer Comparison) Use mcp__fmp-mcp__getStockPeers for top 3 holdings.

| 標的 | 同業代碼 | 同業股價 | 備註 |

Highlight any peers that overlap with existing portfolio holdings.

I2. 市場動態掃描 (Market Movers) Use mcp__fmp-mcp__getBiggestGainers and mcp__fmp-mcp__getBiggestLosers. Check if any portfolio holdings appear in today's extreme movers.

I3. 公司概覽補充 (Company Profile) Use mcp__fmp-mcp__getCompanyProfile only for tickers where yfinance data is incomplete or unavailable.

Note: FMP free tier is limited. Tools like getQuote, getIncomeStatement, getAnalystEstimates, getEarningsTranscript return 402. Only use the free endpoints listed above.

I.5 樂透機會掃描（Lottery Opportunity Scan）

目的： 從市場掃出至多 3 個適合短 DTE OTM Call 樂透的候選（per memory feedback：樂透用近期 OTM Call 不用 LEAPS，避免 vega 干擾凸性）。

篩選步驟（重用 Section I.2 的 movers 數據，不額外抓取）：

候選池：getBiggestGainers + getMostActiveStocks
排除遲到派對： 過去 5 日累計漲幅 > 30% → 凸性已被消耗
排除既有持倉同題材： 與 portfolio 重複曝險的標的跳過
必要條件（3 項全符合才入選）：
- 30 天內有 binary catalyst（財報 / FDA / 政策 / 公告）
- 有具體論述（不是純技術突破或迷因）
- 短 DTE OTM Call 流動性合理（OI > 500 估算）

輸出格式（限 1-3 筆，無符合則輸出「⏳ 本次無符合凸性條件的樂透機會」）：

Ticker	題材 / Binary 催化	建議結構	預估成本	凸性備註

規則：

預設 1-2 口，總成本 ≤ 2% 帳戶價值（Quarter-Kelly 樂透上限）
不推 LEAPS OTM 當樂透（vega 干擾，違反 feedback_options_vega_playbook.md）
「上行 +XXX% / 下行 max loss = premium」必寫
若候選 IV Rank > 80：警告「IV 過高，後續 IV crush 風險」
若 portfolio 已有同板塊 binary 樂透（如 OKLO 待執行）：優先補強既有，不新開重複曝險

配置計畫對照（必做）
- 對照 plan.md 中的目標配置
- 顯示計畫執行進度表：
| # | 計畫操作 | 狀態 | 備註 |
- 標記已完成 ✅、進行中 🔄、待觸發 ⏳ 的項目
- 板塊佔比 vs 計畫目標的偏差分析
- 風險監控項目的當前狀態
- 下一步建議（基於計畫優先級 + 當前市場條件）

第一性檢查（在「下一步建議」前必填）

🔒 強制：機率分布 + EV 必須呼叫 probability-honesty-checker agent

寫出機率分布之前必須執行（Section A-I 數據已備齊，agent 不需重新抓）：

Agent(
  subagent_type: "probability-honesty-checker",
  description: "Portfolio review 30d EV check",
  prompt: """
  計算當前組合 30 日 horizon 機率分布與 EV。

  ## Step 1 九項輸入（已備齊，從 Section A-I + cache 摘出）:
  1a. RSI 分布: [從 Section G1 / G2 摘出，每 bucket 檔數 + % of port]
  1b. 距 52w 高: [從 Section G3 / get_stock_info 摘出，中位數/最大/最小]
  1c. 已實現波動: 過去 5d/2d/最大單日（從 journal/firstrade）
  1d. Binary catalysts (30d window): [從 earnings-dates.json 摘出財報日期，
      **beat rate + avg surprise %** 來源優先順序：
      (1) fundamentals-snapshot.json → tickers.TICKER.base_rate（EODHD）
      (2) earnings-history.json → tickers.TICKER（yfinance 備選）
      格式：「N/8 beat, +X.X% avg」。avg_surprise_unreliable=true → 只用 beat N/8，avg% 標 (unreliable-low-base)；cache 缺 → 標 (unavailable)]
  1e. 集中度: top 1 / top 5 / 最大板塊（從 Section B 板塊分配）
  1f. 板塊輪動曝險: [從 sector_rotation + Section B 計算 leading/lagging 持倉 %]
  1g. Sentiment: 7d/30d 對比（從 Section G5）
  1h. Thesis 健康度: 各持倉 fundamental 是否 intact（從 Section G3 / G4）
  1i. Macro state: [從 briefing-out/cache/macro-snapshot.json 完整貼入]
      - fed_funds + 30d change
      - yield_2s10s + regime
      - hy_oas + regime + pct_1y
      - vix + regime
      - cpi_yoy + trend
      - regime_tag (overall)

  ## 額外 context:
  [plan.md 摘要 + 最近 N 天事件 + 用戶投資風格]

  請執行你的 6 步流程並回傳完整輸出 + 精簡結論。
  """
)

收到 agent 結果後 verbatim 顯示完整 6 步輸出（或至少顯示精簡結論 + Self-Audit checklist）。主 skill 絕不可手動套機率或寫「EV 略偏正/略偏負」。

### 第一性檢查（組合層級）
- **核心 thesis：** [1 句可驗證命題]
- **證偽條件：** [2-3 個 falsifiable 觀察點]
- **組合機率分布：** [由 probability-honesty-checker agent 算出]

  [貼上 agent 的完整 Step 5 EV Calculation 表格]

  Expected return (30d) = X.XX%（agent 顯式 Σ 計算結果）

- **Agent Self-Audit：** [貼上 agent 的 Step 6 checklist]

下一步建議必須明確 conditional 在 thesis 成立的機率，且引用 agent 計算的數字（不可手動改寫）。

禁止偷懶（user push back「你真的有算嗎」時的處理）：

不辯解、不重組原數字
重跑 agent，明確要求 audit checklist 全勾
發現原本偷懶（套 default、寫質性）→ 老實承認 + 顯示新算

第一性檢查產出後 → 登錄 Thesis Ledger（收尾）： 只登錄有明確時間/事件觸發點的 thesis（組合層級 + 個股 micro thesis 帶「請在財報後/N 日後檢視」）。登錄前先 list --ticker <T> 看既有 slug，同論點沿用（update）、新論點取區隔 slug，再 add（exit code 2 = 碰撞 → 改 slug 或 supersede）。指令格式同 briefing Step 0.7。

Section J: Codex 第二意見（opt-in）

僅當 arguments 含 --codex 或 --2nd 時執行（例：/portfolio-review --codex）。

三個子 block 依序執行（可並行派 Agent）：

B1. 獨立第一性分析（預設，independent first-principles）

核心原則：Codex 不看 Claude 的 Sections A–I 結論，只給 raw portfolio data，讓它獨立評估組合健康度與調倉優先序。Claude 與 Codex 兩個獨立輸出並排比較。

呼叫 Codex（用 CLAUDE.md「Codex 呼叫方式」的 codex exec CLI；勿用 codex:codex-rescue subagent / /codex:rescue，會卡 superpowers preamble），prompt 首行加強制 no-tool 指令，模板：

我是一名美股投資人，使用 Level 2 options + Spread 的 margin 帳戶。
請對以下投資組合，**完全獨立**執行第一性分析 — 不要看任何先前結論，這是獨立第二意見。

**Raw 持倉數據（只給事實）：**
- 帳戶總值：$XXX，現金 $XXX
- 股票持倉清單（標的 / 股數 / 均價 / 現價 / 市值 / 損益% / 占比%）
- 選擇權清單（合約 / 方向 / 到期 / 損益%）
- 板塊歸屬（從持倉自然分類，不假設既定 framework）

**用戶設定（plan.md 摘要）：**
- 板塊配置目標：[從 plan.md 摘出板塊 % 目標]
- 投資主軸：AI/半導體、高成長科技；汰弱留強
- 信念持倉：[列出哪些是不換的長期論點]
- 風險原則：單一持倉 > 10% 警示；Quarter-Kelly 單筆 ≤ 5%

**請輸出（獨立判斷）：**

1. **組合健康度 thesis**（1 句可驗證命題：此組合目前處於什麼狀態？例如「過度集中 AI 半導體 + 現金不足」「板塊均衡但動能股偏多」）

2. **3 個最大結構性風險**（具體量化 — 例如「單一個股 X 占 12.5% 超過 10% 警戒」「板塊 Y 與 Z 高度相關，組合 beta 1.7」）

3. **機率分布表（未來 30 天組合表現）— ⚠️ 嚴禁偷懶，必照 5 步推導：**

   ❌ **禁用 default mirror shape**：25/50/25、30/45/25、35/45/20、20/45/35（無依據時一律禁止）
   ❌ 禁質性語言（「略偏正」「應該會」「中性偏多」）
   照以下 5 步，**每步都要寫出來**，不可直接跳到機率：
   (a) **Input Enumeration**：列 9 項 — RSI 分布 / 距 52w 高 / 已實現波動(5d,2d,單日) / binary catalysts + 各自 base rate / 集中度 / 板塊輪動 / sentiment / thesis 健康度 / macro。缺項不可進下一步。
   (b) **形狀反推**：起點 33/34/33，再依事實逐條 nudge（mean reversion 引力、binary catalyst → 雙峰非 bell、集中度、weakening 板塊、macro 左尾），每條調整寫 ±Xpp 與理由。不可直接寫結果。
   (c) **各情境 conditional 機率**：每個 catalyst 顯式 base rate（例：「MU 8/8 beat → blowout 機率 55%」）。
   (d) **三情境合成**：sum = 100%（顯式 check）。
   (e) **EV = Σ(機率 × 中點)**：中點 = 報酬區間算術平均（例 +10~+15% → +12.5%）。

   | 情境 | 機率 | 觸發條件(含 base rate) | 報酬區間 | 中點 | 機率×中點 |
   |------|------|---------|---------|------|----------|
   | 樂觀 | XX% | [條件] | +X~+Y% | +Z% | +A% |
   | 基準 | XX% | [條件] | ... | ... | ... |
   | 悲觀 | XX% | [條件] | -X~-Y% | -Z% | -A% |

   Expected Value = Σ(機率 × 中點) = **±X%**（顯式數字，非文字）

4. **3 個 actionable 調倉建議**（含口數 / 理由 / conditional）：
   - 操作 1：[減 / 加 / 換] 多少股 [標的]，理由 [...]
   - 操作 2：...
   - 操作 3：...

5. **Verdict**（1 句）：組合需要 重大調整 / 微調 / 維持，conditional 在什麼前提。

**規則：**
- 不假設 Claude 已說過什麼
- 用客觀數據與你自己的 mental model
- 機率分布必須 sum 到 100%
- 調倉建議必須講股數/口數

請以繁體中文回覆，控制在 800 字內。

--effort high --fresh

B2. 機會掃描（opportunity scout）

呼叫 Codex（用 CLAUDE.md「Codex 呼叫方式」的 codex exec CLI）：

我目前的美股持倉（含市值占比）：
[插入 Section B 板塊分配表]

我的投資風格：
- 主軸：AI/半導體、高成長科技；汰弱留強，集中持倉
- 信念持倉（不換）：TSLA, MU, AVGO 多年期 thesis
- 板塊偏好：[從 plan.md 摘出 3-5 行板塊目標]

請以獨立分析師視角：
1. 掃描今日市場有哪些當紅題材/個股，是我目前持倉沒覆蓋到的
2. 對每個候選列出：題材、代表 ticker、為何此刻有機會、建議切入方式（現股/Spread/LEAPS）
3. 要追這些新機會，最該砍掉哪一檔現有持倉？為什麼？
4. 提供 2-3 個具體 actionable 建議（含目標 entry zone）

請以繁體中文回覆。輸出限 600 字。

B3. 輪動分析（rotation scan）

Step 1 — Claude 預先收集數據：

mcp__technical-mcp__get_sector_rotation() → 全板塊 ETF 相對強度 vs SPY（leading / improving / weakening / lagging）
mcp__technical-mcp__get_batch_indicators(tickers=[所有持倉]) → 個股動能分數 + 趨勢

Step 2 — 呼叫 Codex（用 CLAUDE.md「Codex 呼叫方式」的 codex exec CLI）：

我的美股持倉（含市值占比 + 板塊歸屬）：
[持倉表]

當前板塊輪動數據（vs SPY）：
[get_sector_rotation 完整輸出]

當前個股動能：
[get_batch_indicators 摘要]

請以輪動專家視角：
1. 板塊輪動：哪些板塊 leading，哪些 weakening？我的持倉是否站在 leading 板塊？
2. 個股輪動：在我已持有的板塊內，有更強的 leader 我沒拿到？有持倉已被同板塊其他名字超越？
3. 資金流向：從 weakening 輪到 leading 的訊號是否明確？建議調倉路徑
4. 具體建議：3 條 actionable 輪動操作（從哪檔減 → 加到哪檔，附理由）

請以繁體中文回覆。輸出限 700 字。

輸出整合

## 🤖 Codex 第二意見

### B1. 獨立第一性分析（Codex 獨立輸出）

**Codex 組合健康度 thesis：** [...]
**Codex 列的 3 大結構性風險：** [...]
**Codex 機率分布：**

| 情境 | 機率 | 條件 | 預期 % |
|------|------|------|--------|
| ... |

**Codex EV：** ±X%
**Codex 3 個調倉建議：** [...]
**Codex Verdict：** [...]

---

#### 並排比較：Claude vs Codex（獨立輸出）

| 維度 | Claude | Codex | 一致性 |
|------|--------|-------|--------|
| 健康度 thesis | [Claude] | [Codex] | 一致 / 部分 / 顯著 |
| 最大風險 #1 | [Claude] | [Codex] | 同 / 異 |
| EV (30d) | ±X% | ±X% | 差 X% |
| 主要調倉建議 | [Claude] | [Codex] | 同 / 異 |
| Verdict | [Claude] | [Codex] | 同 / 異 |

**真實共識**（兩邊都認同）：[1-2 條 — 高信心]
**真實分歧**（兩邊得出不同結論）：[1-3 條 — 值得深入]

### 機會掃描（vs 現有持倉）
[B2 Codex 完整回覆]

### 輪動分析（板塊 + 個股）
[B3 Codex 完整回覆]

---
**值得追蹤的新機會：** [從 B2 挑 1-2 個 Claude 也認同的]
**輪動 actionable：** [從 B3 挑 1-2 條 Claude 也認同的調倉操作]

進階：`--codex-adversarial`（opt-in 壓力測試）

僅當 arguments 含 --codex-adversarial 時，追加對立面審查段落（攻擊組合論點、找弱點）。預設 --codex 不執行。

若 Codex 失敗 → 輸出 ⚠️ Codex 不可用：[error]，跳過第二意見，繼續正常輸出。

Output Format

Use clean markdown tables. Keep it concise but comprehensive. All dollar amounts in USD. Use Traditional Chinese (繁體中文) for all text output to match the user's preference.

存檔 + HTML 生成

報告完成後：

使用 Write tool 把完整 markdown 寫到 briefing-out/portfolio-review-YYYY-MM-DD.md
執行：

python3 tools/generate_html.py portfolio-review briefing-out/portfolio-review-YYYY-MM-DD.md --push

成功時印出網頁連結，失敗（repo 尚未建立）時印警告並繼續。若用戶未設定 reports repo，省略 --push。

Performance Notes

The full report with G section will make many MCP calls. Expect 2-3 minutes for a 20-stock portfolio.
If the user wants a quick report, they can say "快速報告" to skip section G.
Fetch stock_info once per ticker and reuse data across G2 and G3 sections.

name	portfolio-review
description	Fetch live brokerage positions and generate a comprehensive portfolio report with sector allocation, P&L analysis, options summary, and risk assessment. Use when user asks for portfolio review.
user_invocable	true
model	claude-opus-4-8

Portfolio Review

Generate a comprehensive portfolio report from the user's live brokerage positions (via the firstrade-server MCP).

Step 0: 配置同步 & 倉位偵測

執行 CLAUDE.md 的 Step 0 統一規範（0a → 0b → 0c → 0d → 0e）。

讀 plan.md + feedback/*.md（必做）；在後續分析中引用板塊目標與策略佇列
呼叫 get_account_position 取即時持倉
今日 journal 不存在 → 執行 gap-fill + 變動偵測 + 自動建立 journal
0e 第一性原理紀律：在「下一步建議」之前必須完成「組合層級 thesis / 證偽條件 / 機率分布」三題（見 CLAUDE.md 0e）

Step 0.5: Macro + Earnings + Fundamentals Cache Load

讀以下四份 cache（由各預載腳本維護）：

briefing-out/cache/macro-snapshot.json — 供 Step 0e 與 probability-honesty-checker Step 1i
briefing-out/cache/earnings-history.json — 供 Section F Key Alerts、Section G 個股 thesis、及 probability-honesty-checker Step 1d base rate
briefing-out/cache/earnings-dates.json — 供 Section F earnings window 警示
briefing-out/cache/fundamentals-snapshot.json（TTL 24h，tools/fetch_fundamentals.py 預載）— 供 Section G3.5 三錨點估值、probability-honesty-checker Step 1d/1h

判定 fundamentals cache：

status == "ok" 且 mtime < 30h → 使用（Section G3.5 三錨點計算直接取 highlights）

status == "skipped" / mtime > 30h / 缺失 → 標 ⚠️ Fundamentals cache stale/missing，派 Agent 即時補抓（同 briefing Deep 模式）：

Agent(subagent_type="data-collector"):
  呼叫 mcp__eodhd-mcp__get_fundamentals_snapshot 對所有 >3% 持倉 (TICKER.US)
  回傳 dict {ticker: {snapshot:{...}, base_rate:{...}}}

pe_ratio == 0.0 / null → 丟棄 A1 錨；peg_ratio == 0.0 / null → 丟棄 A2 錨；不猜測

Step 0.6: Thesis Ledger 驗收 & 逾期掃描

與 briefing 共用同一套引擎（tools/thesis_ledger.py，帳本 research/thesis-ledger.json）。portfolio-review 也自動驗收，確保未跑 briefing 的日子不漏驗收。

python3 tools/thesis_ledger.py due      # 取到期清單 + 自動 expire sweep

在 Section F Key Alerts 前輸出「📋 thesis 驗收」表：

## 📋 thesis 驗收
| thesis | 命題 | 實際 | verdict | 公允價 before→after | 價格影響 | → actionable |
|--------|------|------|---------|---------------------|---------|-------------|

公允價 before→after 與 價格影響 欄：有 resolve 且帶 impact 旗標時填入，reschedule 留空。D2 三桶分解（passed/failed/partial）同 briefing Step 0.7 邏輯：

passed → D1 三錨點用新數字重算 fair_value_after；price_impact_pct = (after−before)/before
failed → 同上但用惡化輸入（成長減速/砍 guide）
partial → impact_decomp = "thesis +X%(基本面)/multiple −Z%(re-rate)=net −W%"

並列出 expired 歸檔清單。驗收結果（含公允價影響）直接餵「下一步建議」。

Workflow

Fetch live positions
- Call mcp__firstrade-server__get_account_position to get real-time positions
- Also call mcp__firstrade-server__get_account_balance for total account value
- Parse the Stocks section and Options section separately
- Extract: Symbol, Quantity, Last Price, Market Value, Unit Cost, Total Cost, Gain/Loss($), Gain/Loss(%)
Sector Classification Classify each ticker into a sector using this two-step approach:

Step 1: Use your knowledge of each company to assign it to ONE of these sectors:
- AI/Semiconductor — GPU, memory, chip design, semiconductor equipment
- AI Infrastructure — optical networking, power/cooling, PCB/substrates, networking equipment
- Large Tech — mega-cap platform companies (FAANG-level)
- AI Software/Platform — AI-focused software, data analytics, autonomous systems
- SaaS/Enterprise Software — cloud software, dev tools, enterprise apps
- Infrastructure/Construction — electrical, utility, data center construction
- Aerospace/Defense — defense contractors, aerospace materials, military tech
- Precious Metals/Mining — gold, silver miners and royalty companies
- Nuclear/Uranium — uranium miners, nuclear energy
- Transport/Logistics — freight, shipping, logistics
- Healthcare/Biotech — pharma, biotech, medical devices
- Energy — oil, gas, traditional energy
- Real Assets — land rights, water rights, mineral rights, REITs
- Materials/Metals — aluminum, steel, rare earth, specialty metals
- Other — anything that doesn't fit above
Step 2: For any ticker you're unsure about, use mcp__yfinance-advanced__get_stock_info to check its sector, industry, and longBusinessSummary fields to classify accurately.

Grouping rule: Combine sectors with < 3% allocation into an "Other/Small" bucket to keep the table clean.
Generate Report with these sections:

A. Portfolio Summary

Total Stock Value: $XXX,XXX
Total Options Value: $XX,XXX
Total Portfolio: $XXX,XXX
Day Change: +/- $X,XXX (+/- X.XX%)
Total Gain/Loss: +/- $X,XXX (+/- X.XX%)
Number of Positions: XX stocks + XX options

B. Sector Allocation Table

C. Top 5 Winners & Losers (by Gain/Loss %)

Show the best and worst performing positions.

D. Position Sizing

Flag positions that are:

Over 7% of portfolio (too concentrated)
Under 1.5% of portfolio (too small to matter)

E. Options Summary

For each option position:

Type (Call/Put, Long/Short)
Strike, Expiry date
Days to expiry (calculate from today's date)
Current P&L
Status (ITM/OTM/ATM based on last stock price if available)
For LEAPS: delta equivalent shares estimate
For Sell Puts: potential assignment cost and margin estimate

F. Key Alerts

Upcoming expiries within 30 days
Positions with > 20% loss
Sector concentration warnings
Sell put margin utilization estimate

G. 個股趨勢與分析

平行數據收集（第一組 Agent 子代理 — subagent_type: "data-collector"）：

使用 Agent tool 平行派遣以下 3 組子代理（每組 subagent_type: "data-collector"，自動使用 Haiku 4.5）：

Agent 1 — Yahoo Finance（subagent_type: "data-collector"，所有主要持倉 >3%）：get_stock_info + get_yahoo_finance_news + get_historical_stock_prices
Agent 2 — Technical（subagent_type: "data-collector"，所有持倉）：get_batch_indicators + get_technical_indicators（top 5 個別分析）
Agent 3 — Sentiment（subagent_type: "data-collector"，top 5）：get_sentiment_trend（ticker format: "TICKER.US"）

若 Agent tool 不可用，依序呼叫亦可。

⚠️ Agent 失敗 fallback：若任一 agent 回傳空結果或聲稱「沒有 MCP 權限」，主 Claude 直接自行呼叫對應工具：

Agent 2（Technical）失敗 → 主 Claude 直接呼叫 mcp__technical-mcp__get_batch_indicators + mcp__technical-mcp__get_technical_indicators，繼續輸出 G2 技術分析
Agent 1（Yahoo Finance）失敗 → 主 Claude 直接呼叫 mcp__yfinance-advanced__get_stock_info
Agent 3（Sentiment）失敗 → 主 Claude 直接呼叫 mcp__eodhd-mcp__get_sentiment_trend 絕不因 agent 失敗而跳過整個 section。

Split holdings into two tiers:

主要持倉 (> 3% of portfolio): Full analysis
小型持倉 (< 3%): Summary row only

For major holdings (> 3%), fetch and display:

G1. 股價趨勢 (Price Trends) Use mcp__yfinance-advanced__get_historical_stock_prices with different periods. Show for each stock:

| 標的 | 現價 | 1週 | 1月 | 3月 | YTD | 52W高/低 | 距52W高 |

Calculate % change from period start to current price.

G2. 技術分析摘要 (Technical Summary) Use mcp__technical-mcp__get_batch_indicators for all major holdings at once, then mcp__technical-mcp__get_technical_indicators for top 5 holdings.

Batch overview table (all major holdings):

| 標的 | 現價 | RSI | RSI狀態 | MACD交叉 | 動量分數 | 趨勢 | 波動率 | 量能比 |

Detailed view (top 5 holdings only): Use mcp__technical-mcp__get_technical_indicators for full data including Bollinger Bands and ATR.

| 標的 | BB %B | ATR% | SMA20 | SMA50 | SMA200 | vs50MA% | vs200MA% |

Flag:

RSI > 70 → ⚠️ 超買
RSI < 30 → 💡 超賣 (可能買入機會)
momentum_score > 50 → 強勢
momentum_score < -50 → 嚴重弱勢
vol_regime = "high" → 高波動注意

G3. 基本面摘要 (Fundamentals) Use mcp__yfinance-advanced__get_stock_info for financial data.

G3.5 三錨點公允價（D1 三角定位，全 >3% 持倉）

資料：Step 0.5 fundamentals-snapshot.json cache（已預載）

三錨點計算規則（同 briefing Section 8.5，以下為簡化版）：

錨點	欄位	缺值處理
A1 市場 PE	`highlights.pe_ratio`	0.0/null → 標 N/A
A2 PEG 錨	`peg_ratio × growth%`；AI 龍頭 PEG=1.5，其餘=1.0	0.0/null → 標 N/A
A3 分析師錨	`wall_street_target ÷ fwdEPS`；fwdEPS 來源優先序 `forward_estimates.curr_fy.eps_avg`（真實共識）→ `next_fy.eps_avg` → `eps_ttm×(1+growth)` 近似（cache `self_valuation.a3_fwdeps_source` 已標來源）	任一缺 → 標 N/A
A4 自建錨	`self_valuation.own_target_price`（cache 已算）	`unavailable` → `(N/A)`；`low` → `⚠️`；不進 median

情境 FairPE：base=median(A1,A2,A3)（A4 排除）；bull=max×1.25（上限 current_PE×1.25）；bear=min×0.70

輸出表（Full/Deep tier 才出 A4 欄）：

| 標的 | 現價 | A1 PE | A2 PEG錨 | A3 PT錨 | Fair PE(基/牛/熊) | FwdEPS | 公允價(基/牛/熊) | A4自建目標 | A4vsA3% | 偏離基準% | 備註 |
|------|------|-------|---------|---------|-----------------|--------|----------------|----------|---------|---------|------|

A4 欄規則：

unavailable → (N/A)；low → 顯示數字 + ⚠️；ok → 顯示數字
A4vsA3% = (own_target − wall_street_target) / wall_street_target
|A4vsA3%| > 20% → 備註欄加：「我較 Street 樂觀」/ 「我較 Street 保守」
EPS 修正動能（備註欄）：讀 forward_estimates.curr_fy，revisions_up_30d ≫ down_30d 或 eps_revision_30d_pct > 0 → 標 共識上修↑（guidance 偏正領先訊號）；反之 共識下修↓。僅 flag，非估值輸入

偏離 > ±30% → 標 ⚠️ 大幅偏離；偏離 > ±50% → 標 ⚠️⚠️ 異常大偏離，錨點可能失效

G4. 近期新聞 (Recent News) Use mcp__yfinance-advanced__get_yahoo_finance_news for each major holding. Show top 2 headlines per stock:

| 標的 | 日期 | 標題 | 情緒判斷 |

Sentiment: 利好/利空/中性 based on headline content.

For minor holdings (< 3%), show condensed row:

| 標的 | 市值 | 佔比 | 趨勢 | 1月% | Analyst |

NOTE: 平行數據收集已在 Section G 開頭的 Agent 子代理指令中統一處理。

G5. 情緒面分析 (Sentiment Analysis)

Use mcp__eodhd-mcp__get_sentiment_trend for top 5 holdings by market value.

| 標的 | 7日情緒 | 30日情緒 | 趨勢 |

For any stock with strongly negative sentiment (< -0.3), also call mcp__eodhd-mcp__get_news_sentiment to show recent negative headlines.

Flag stocks with rapidly deteriorating sentiment (7-day avg significantly below 30-day avg).

Note: EODHD tickers use exchange suffix format (e.g. "AAPL.US", "NVDA.US").

平行數據收集（第二組 Agent 子代理 — subagent_type: "data-collector"）：

在 Section G 數據到齊後，派遣第二組（subagent_type: "data-collector"，自動使用 Haiku 4.5）：

Agent 4 — SEC EDGAR（subagent_type: "data-collector"，top 5）：get_insider_transactions + get_recent_filings
Agent 5 — FMP（subagent_type: "data-collector"）：getStockPeers（top 3）+ getBiggestGainers / getBiggestLosers

若 Agent tool 不可用，依序呼叫亦可。

H. SEC EDGAR 深度數據

Uses SEC EDGAR MCP tools.

Only run this section for the top 5 holdings by market value. Skip if user says "快速報告".

H1. 內部人交易 (Insider Trading) Use mcp__sec-edgar-mcp__get_insider_transactions (days=90) for each top holding.

Flag any significant insider buying (bullish signal) or heavy selling (watch).

H2. SEC 財報數據 (SEC Financials) Use mcp__sec-edgar-mcp__get_financials with statement_type="income" for top holdings. Cross-reference with yfinance data — highlight any discrepancies.

H3. 近期 SEC Filing (Recent Filings) Use mcp__sec-edgar-mcp__get_recent_filings (days=30) for top holdings.

| 標的 | Filing類型 | 日期 | 重點摘要 |

Flag any 8-K (material events), 10-K/10-Q (earnings), or Form 4 (insider) filings.

Note: SEC EDGAR data comes directly from official SEC filings and may lag real-time market data by days/weeks. Use it for verification and deep analysis, not for real-time trading decisions.

I. FMP 市場動態與同業比較

This section uses FMP MCP tools (free tier). Run in parallel with other sections.

Skip if user says "快速報告".

I1. 同業比較 (Peer Comparison) Use mcp__fmp-mcp__getStockPeers for top 3 holdings.

| 標的 | 同業代碼 | 同業股價 | 備註 |

Highlight any peers that overlap with existing portfolio holdings.

I2. 市場動態掃描 (Market Movers) Use mcp__fmp-mcp__getBiggestGainers and mcp__fmp-mcp__getBiggestLosers. Check if any portfolio holdings appear in today's extreme movers.

I3. 公司概覽補充 (Company Profile) Use mcp__fmp-mcp__getCompanyProfile only for tickers where yfinance data is incomplete or unavailable.

Note: FMP free tier is limited. Tools like getQuote, getIncomeStatement, getAnalystEstimates, getEarningsTranscript return 402. Only use the free endpoints listed above.

I.5 樂透機會掃描（Lottery Opportunity Scan）

目的： 從市場掃出至多 3 個適合短 DTE OTM Call 樂透的候選（per memory feedback：樂透用近期 OTM Call 不用 LEAPS，避免 vega 干擾凸性）。

篩選步驟（重用 Section I.2 的 movers 數據，不額外抓取）：

候選池：getBiggestGainers + getMostActiveStocks
排除遲到派對： 過去 5 日累計漲幅 > 30% → 凸性已被消耗
排除既有持倉同題材： 與 portfolio 重複曝險的標的跳過
必要條件（3 項全符合才入選）：
- 30 天內有 binary catalyst（財報 / FDA / 政策 / 公告）
- 有具體論述（不是純技術突破或迷因）
- 短 DTE OTM Call 流動性合理（OI > 500 估算）

輸出格式（限 1-3 筆，無符合則輸出「⏳ 本次無符合凸性條件的樂透機會」）：

Ticker	題材 / Binary 催化	建議結構	預估成本	凸性備註

規則：

預設 1-2 口，總成本 ≤ 2% 帳戶價值（Quarter-Kelly 樂透上限）
不推 LEAPS OTM 當樂透（vega 干擾，違反 feedback_options_vega_playbook.md）
「上行 +XXX% / 下行 max loss = premium」必寫
若候選 IV Rank > 80：警告「IV 過高，後續 IV crush 風險」
若 portfolio 已有同板塊 binary 樂透（如 OKLO 待執行）：優先補強既有，不新開重複曝險

配置計畫對照（必做）
- 對照 plan.md 中的目標配置
- 顯示計畫執行進度表：
| # | 計畫操作 | 狀態 | 備註 |
- 標記已完成 ✅、進行中 🔄、待觸發 ⏳ 的項目
- 板塊佔比 vs 計畫目標的偏差分析
- 風險監控項目的當前狀態
- 下一步建議（基於計畫優先級 + 當前市場條件）

第一性檢查（在「下一步建議」前必填）

🔒 強制：機率分布 + EV 必須呼叫 probability-honesty-checker agent

寫出機率分布之前必須執行（Section A-I 數據已備齊，agent 不需重新抓）：

Agent(
  subagent_type: "probability-honesty-checker",
  description: "Portfolio review 30d EV check",
  prompt: """
  計算當前組合 30 日 horizon 機率分布與 EV。

  ## Step 1 九項輸入（已備齊，從 Section A-I + cache 摘出）:
  1a. RSI 分布: [從 Section G1 / G2 摘出，每 bucket 檔數 + % of port]
  1b. 距 52w 高: [從 Section G3 / get_stock_info 摘出，中位數/最大/最小]
  1c. 已實現波動: 過去 5d/2d/最大單日（從 journal/firstrade）
  1d. Binary catalysts (30d window): [從 earnings-dates.json 摘出財報日期，
      **beat rate + avg surprise %** 來源優先順序：
      (1) fundamentals-snapshot.json → tickers.TICKER.base_rate（EODHD）
      (2) earnings-history.json → tickers.TICKER（yfinance 備選）
      格式：「N/8 beat, +X.X% avg」。avg_surprise_unreliable=true → 只用 beat N/8，avg% 標 (unreliable-low-base)；cache 缺 → 標 (unavailable)]
  1e. 集中度: top 1 / top 5 / 最大板塊（從 Section B 板塊分配）
  1f. 板塊輪動曝險: [從 sector_rotation + Section B 計算 leading/lagging 持倉 %]
  1g. Sentiment: 7d/30d 對比（從 Section G5）
  1h. Thesis 健康度: 各持倉 fundamental 是否 intact（從 Section G3 / G4）
  1i. Macro state: [從 briefing-out/cache/macro-snapshot.json 完整貼入]
      - fed_funds + 30d change
      - yield_2s10s + regime
      - hy_oas + regime + pct_1y
      - vix + regime
      - cpi_yoy + trend
      - regime_tag (overall)

  ## 額外 context:
  [plan.md 摘要 + 最近 N 天事件 + 用戶投資風格]

  請執行你的 6 步流程並回傳完整輸出 + 精簡結論。
  """
)

收到 agent 結果後 verbatim 顯示完整 6 步輸出（或至少顯示精簡結論 + Self-Audit checklist）。主 skill 絕不可手動套機率或寫「EV 略偏正/略偏負」。

### 第一性檢查（組合層級）
- **核心 thesis：** [1 句可驗證命題]
- **證偽條件：** [2-3 個 falsifiable 觀察點]
- **組合機率分布：** [由 probability-honesty-checker agent 算出]

  [貼上 agent 的完整 Step 5 EV Calculation 表格]

  Expected return (30d) = X.XX%（agent 顯式 Σ 計算結果）

- **Agent Self-Audit：** [貼上 agent 的 Step 6 checklist]

下一步建議必須明確 conditional 在 thesis 成立的機率，且引用 agent 計算的數字（不可手動改寫）。

禁止偷懶（user push back「你真的有算嗎」時的處理）：

不辯解、不重組原數字
重跑 agent，明確要求 audit checklist 全勾
發現原本偷懶（套 default、寫質性）→ 老實承認 + 顯示新算

Section J: Codex 第二意見（opt-in）

僅當 arguments 含 --codex 或 --2nd 時執行（例：/portfolio-review --codex）。

三個子 block 依序執行（可並行派 Agent）：

B1. 獨立第一性分析（預設，independent first-principles）

核心原則：Codex 不看 Claude 的 Sections A–I 結論，只給 raw portfolio data，讓它獨立評估組合健康度與調倉優先序。Claude 與 Codex 兩個獨立輸出並排比較。

我是一名美股投資人，使用 Level 2 options + Spread 的 margin 帳戶。
請對以下投資組合，**完全獨立**執行第一性分析 — 不要看任何先前結論，這是獨立第二意見。

**Raw 持倉數據（只給事實）：**
- 帳戶總值：$XXX，現金 $XXX
- 股票持倉清單（標的 / 股數 / 均價 / 現價 / 市值 / 損益% / 占比%）
- 選擇權清單（合約 / 方向 / 到期 / 損益%）
- 板塊歸屬（從持倉自然分類，不假設既定 framework）

**用戶設定（plan.md 摘要）：**
- 板塊配置目標：[從 plan.md 摘出板塊 % 目標]
- 投資主軸：AI/半導體、高成長科技；汰弱留強
- 信念持倉：[列出哪些是不換的長期論點]
- 風險原則：單一持倉 > 10% 警示；Quarter-Kelly 單筆 ≤ 5%

**請輸出（獨立判斷）：**

1. **組合健康度 thesis**（1 句可驗證命題：此組合目前處於什麼狀態？例如「過度集中 AI 半導體 + 現金不足」「板塊均衡但動能股偏多」）

2. **3 個最大結構性風險**（具體量化 — 例如「單一個股 X 占 12.5% 超過 10% 警戒」「板塊 Y 與 Z 高度相關，組合 beta 1.7」）

3. **機率分布表（未來 30 天組合表現）— ⚠️ 嚴禁偷懶，必照 5 步推導：**

   ❌ **禁用 default mirror shape**：25/50/25、30/45/25、35/45/20、20/45/35（無依據時一律禁止）
   ❌ 禁質性語言（「略偏正」「應該會」「中性偏多」）
   照以下 5 步，**每步都要寫出來**，不可直接跳到機率：
   (a) **Input Enumeration**：列 9 項 — RSI 分布 / 距 52w 高 / 已實現波動(5d,2d,單日) / binary catalysts + 各自 base rate / 集中度 / 板塊輪動 / sentiment / thesis 健康度 / macro。缺項不可進下一步。
   (b) **形狀反推**：起點 33/34/33，再依事實逐條 nudge（mean reversion 引力、binary catalyst → 雙峰非 bell、集中度、weakening 板塊、macro 左尾），每條調整寫 ±Xpp 與理由。不可直接寫結果。
   (c) **各情境 conditional 機率**：每個 catalyst 顯式 base rate（例：「MU 8/8 beat → blowout 機率 55%」）。
   (d) **三情境合成**：sum = 100%（顯式 check）。
   (e) **EV = Σ(機率 × 中點)**：中點 = 報酬區間算術平均（例 +10~+15% → +12.5%）。

   | 情境 | 機率 | 觸發條件(含 base rate) | 報酬區間 | 中點 | 機率×中點 |
   |------|------|---------|---------|------|----------|
   | 樂觀 | XX% | [條件] | +X~+Y% | +Z% | +A% |
   | 基準 | XX% | [條件] | ... | ... | ... |
   | 悲觀 | XX% | [條件] | -X~-Y% | -Z% | -A% |

   Expected Value = Σ(機率 × 中點) = **±X%**（顯式數字，非文字）

4. **3 個 actionable 調倉建議**（含口數 / 理由 / conditional）：
   - 操作 1：[減 / 加 / 換] 多少股 [標的]，理由 [...]
   - 操作 2：...
   - 操作 3：...

5. **Verdict**（1 句）：組合需要 重大調整 / 微調 / 維持，conditional 在什麼前提。

**規則：**
- 不假設 Claude 已說過什麼
- 用客觀數據與你自己的 mental model
- 機率分布必須 sum 到 100%
- 調倉建議必須講股數/口數

請以繁體中文回覆，控制在 800 字內。

--effort high --fresh

B2. 機會掃描（opportunity scout）

呼叫 Codex（用 CLAUDE.md「Codex 呼叫方式」的 codex exec CLI）：

我目前的美股持倉（含市值占比）：
[插入 Section B 板塊分配表]

我的投資風格：
- 主軸：AI/半導體、高成長科技；汰弱留強，集中持倉
- 信念持倉（不換）：TSLA, MU, AVGO 多年期 thesis
- 板塊偏好：[從 plan.md 摘出 3-5 行板塊目標]

請以獨立分析師視角：
1. 掃描今日市場有哪些當紅題材/個股，是我目前持倉沒覆蓋到的
2. 對每個候選列出：題材、代表 ticker、為何此刻有機會、建議切入方式（現股/Spread/LEAPS）
3. 要追這些新機會，最該砍掉哪一檔現有持倉？為什麼？
4. 提供 2-3 個具體 actionable 建議（含目標 entry zone）

請以繁體中文回覆。輸出限 600 字。

B3. 輪動分析（rotation scan）

Step 1 — Claude 預先收集數據：

mcp__technical-mcp__get_sector_rotation() → 全板塊 ETF 相對強度 vs SPY（leading / improving / weakening / lagging）
mcp__technical-mcp__get_batch_indicators(tickers=[所有持倉]) → 個股動能分數 + 趨勢

Step 2 — 呼叫 Codex（用 CLAUDE.md「Codex 呼叫方式」的 codex exec CLI）：

我的美股持倉（含市值占比 + 板塊歸屬）：
[持倉表]

當前板塊輪動數據（vs SPY）：
[get_sector_rotation 完整輸出]

當前個股動能：
[get_batch_indicators 摘要]

請以輪動專家視角：
1. 板塊輪動：哪些板塊 leading，哪些 weakening？我的持倉是否站在 leading 板塊？
2. 個股輪動：在我已持有的板塊內，有更強的 leader 我沒拿到？有持倉已被同板塊其他名字超越？
3. 資金流向：從 weakening 輪到 leading 的訊號是否明確？建議調倉路徑
4. 具體建議：3 條 actionable 輪動操作（從哪檔減 → 加到哪檔，附理由）

請以繁體中文回覆。輸出限 700 字。

輸出整合

## 🤖 Codex 第二意見

### B1. 獨立第一性分析（Codex 獨立輸出）

**Codex 組合健康度 thesis：** [...]
**Codex 列的 3 大結構性風險：** [...]
**Codex 機率分布：**

| 情境 | 機率 | 條件 | 預期 % |
|------|------|------|--------|
| ... |

**Codex EV：** ±X%
**Codex 3 個調倉建議：** [...]
**Codex Verdict：** [...]

---

#### 並排比較：Claude vs Codex（獨立輸出）

| 維度 | Claude | Codex | 一致性 |
|------|--------|-------|--------|
| 健康度 thesis | [Claude] | [Codex] | 一致 / 部分 / 顯著 |
| 最大風險 #1 | [Claude] | [Codex] | 同 / 異 |
| EV (30d) | ±X% | ±X% | 差 X% |
| 主要調倉建議 | [Claude] | [Codex] | 同 / 異 |
| Verdict | [Claude] | [Codex] | 同 / 異 |

**真實共識**（兩邊都認同）：[1-2 條 — 高信心]
**真實分歧**（兩邊得出不同結論）：[1-3 條 — 值得深入]

### 機會掃描（vs 現有持倉）
[B2 Codex 完整回覆]

### 輪動分析（板塊 + 個股）
[B3 Codex 完整回覆]

---
**值得追蹤的新機會：** [從 B2 挑 1-2 個 Claude 也認同的]
**輪動 actionable：** [從 B3 挑 1-2 條 Claude 也認同的調倉操作]

進階：`--codex-adversarial`（opt-in 壓力測試）

僅當 arguments 含 --codex-adversarial 時，追加對立面審查段落（攻擊組合論點、找弱點）。預設 --codex 不執行。

若 Codex 失敗 → 輸出 ⚠️ Codex 不可用：[error]，跳過第二意見，繼續正常輸出。

Output Format

Use clean markdown tables. Keep it concise but comprehensive. All dollar amounts in USD. Use Traditional Chinese (繁體中文) for all text output to match the user's preference.

存檔 + HTML 生成

報告完成後：

使用 Write tool 把完整 markdown 寫到 briefing-out/portfolio-review-YYYY-MM-DD.md
執行：

python3 tools/generate_html.py portfolio-review briefing-out/portfolio-review-YYYY-MM-DD.md --push

成功時印出網頁連結，失敗（repo 尚未建立）時印警告並繼續。若用戶未設定 reports repo，省略 --push。

Performance Notes

The full report with G section will make many MCP calls. Expect 2-3 minutes for a 20-stock portfolio.
If the user wants a quick report, they can say "快速報告" to skip section G.
Fetch stock_info once per ticker and reuse data across G2 and G3 sections.

portfolio-review

More from this repository

More from this repository

Portfolio Review

Step 0: 配置同步 & 倉位偵測

Step 0.5: Macro + Earnings + Fundamentals Cache Load

Step 0.6: Thesis Ledger 驗收 & 逾期掃描

Workflow

A. Portfolio Summary

B. Sector Allocation Table

C. Top 5 Winners & Losers (by Gain/Loss %)

D. Position Sizing

E. Options Summary

F. Key Alerts

G. 個股趨勢與分析

For major holdings (> 3%), fetch and display:

For minor holdings (< 3%), show condensed row:

G5. 情緒面分析 (Sentiment Analysis)

H. SEC EDGAR 深度數據

I. FMP 市場動態與同業比較

I.5 樂透機會掃描（Lottery Opportunity Scan）

Section J: Codex 第二意見（opt-in）

B1. 獨立第一性分析（預設，independent first-principles）

B2. 機會掃描（opportunity scout）

B3. 輪動分析（rotation scan）

輸出整合

進階：--codex-adversarial（opt-in 壓力測試）

Output Format

存檔 + HTML 生成

Performance Notes

Portfolio Review

Step 0: 配置同步 & 倉位偵測

Step 0.5: Macro + Earnings + Fundamentals Cache Load

Step 0.6: Thesis Ledger 驗收 & 逾期掃描

Workflow

A. Portfolio Summary

B. Sector Allocation Table

C. Top 5 Winners & Losers (by Gain/Loss %)

D. Position Sizing

E. Options Summary

F. Key Alerts

G. 個股趨勢與分析

For major holdings (> 3%), fetch and display:

For minor holdings (< 3%), show condensed row:

G5. 情緒面分析 (Sentiment Analysis)

H. SEC EDGAR 深度數據

I. FMP 市場動態與同業比較

I.5 樂透機會掃描（Lottery Opportunity Scan）

Section J: Codex 第二意見（opt-in）

B1. 獨立第一性分析（預設，independent first-principles）

B2. 機會掃描（opportunity scout）

B3. 輪動分析（rotation scan）

輸出整合

進階：--codex-adversarial（opt-in 壓力測試）

Output Format

存檔 + HTML 生成

Performance Notes

進階：`--codex-adversarial`（opt-in 壓力測試）

進階：`--codex-adversarial`（opt-in 壓力測試）