position-concentration-calculation

name	position-concentration-calculation
description	用于仓位/集中度的仓位与集中度计算原子 skill，适用于通用行业金融计算场景。

仓位与集中度计算 Skill

数据来源

本 Skill 支持多种组合数据输入格式，核心数据来源包括：

1. 持仓数据

• 持仓明细：证券代码、持仓数量、持仓成本、当前市值
• 权重数据：各证券在组合中的权重占比
• 行业分类：证券所属行业、板块分类
• 地区分类：证券所属地区、市场类型

2. 组合数据

• 组合总资产：组合总市值、总成本
• 组合结构：股票、债券、现金等资产类别占比
• 组合规模：组合资产规模、管理规模

3. 数据格式要求

• CSV格式：标准持仓数据，包含证券代码和权重列
• Excel格式：支持多工作表持仓数据
• JSON格式：结构化持仓数据
• 数据库连接：支持SQL数据库直接查询

说明：本 Skill 不包含数据采集功能，需要用户提供清洗后的持仓数据。建议持仓数据完整且权重已归一化，以便进行准确的集中度计算。

---

功能

本 Skill 提供全面的仓位与集中度计算能力，涵盖多种计算方法：

1. 集中度指标计算

• 前N大持仓集中度 = Σ(前N大持仓权重)
• HHI指数 = Σ(权重²)，衡量集中度
• 有效持仓数量 = 1 / HHI，衡量分散程度
• 最大单持仓占比：最大单只证券的权重占比

2. 行业集中度计算

• 行业集中度：按行业统计的集中度
• 前N大行业集中度：前N大行业的权重占比
• 行业HHI：按行业计算的HHI指数
• 行业分散度：行业的分散程度

3. 地区集中度计算

• 地区集中度：按地区统计的集中度
• 市场集中度：按市场类型统计的集中度
• 地区分散度：地区的分散程度

4. 仓位分析

• 仓位分布：分析仓位的分布特征
• 仓位变化：分析仓位的时间变化
• 仓位预警：设置集中度阈值进行预警

5. 数据处理能力

• 缺失值处理：支持前向填充、均值填充等方法
• 异常值检测：基于统计方法识别和处理异常权重
• 数据标准化：支持不同数据源的格式统一
• 权重归一化：自动归一化组合权重

---

使用示例

输出示例

{
  "portfolio": "组合A",
  "date": "2024-12-31",
  "concentration": {
    "top1_weight": 8.5,
    "top5_weight": 25.3,
    "top10_weight": 42.8,
    "top20_weight": 65.2,
    "hhi": 0.085,
    "effective_holdings": 11.8,
    "max_single_weight": 8.5
  },
  "industry_concentration": {
    "top1_industry": "科技",
    "top1_weight": 35.2,
    "top3_weight": 58.5,
    "industry_hhi": 
     
  
   
     
     
     
     
  
   
     
     
     
  

---

注意事项与限制

1. 数据质量要求

• 持仓数据需要经过清洗和验证
• 权重数据需要准确且归一化
• 行业分类需要准确且统一

2. 计算方法选择

• 不同计算方法的结果可能不同
• HHI指数对权重分布敏感
• 有效持仓数量需要足够样本量

3. 时间序列分析

• 集中度具有时间依赖性
• 不同时间点的集中度不可直接比较
• 需要考虑组合调整的影响

4. 综合判断原则

• 单一集中度指标不能全面反映组合特征
• 需要结合其他风险指标进行综合分析
• 应结合投资策略和市场环境进行判断

5. 使用限制

• 本 Skill 输出为技术分析结果，不构成投资建议
• 使用者应结合专业判断和具体业务场景
• 对于重大决策，建议咨询专业投资顾问

---

参考资料

• 见 references/ 目录中的相关文档，包括：
  • 集中度计算公式手册
  • HHI指数计算方法
  • 仓位分析方法指南
  • 数据处理方法说明文档

License

• 本 skill 代码部分采用 MIT License，详见 LICENSE 文件
• 依赖与运行环境以 requirements.txt 为准
• 文档内容采用 CC BY 4.0 许可