[心得] 蒙地卡羅+AI評估投資組合再平衡

[zmcx16 (zmcx16)]

部落格文章:
https://blog.zmcx16.moe/2025/09/investment-think-tank-portfolio.html

最近AI Agent非常的熱門, 尤其是Copilot Agent, 讓AI幫忙寫UT或Script真的超方便,
這邊就想說能不能用AI Agent也幫忙做一些投資工具。目前第一個想到能做的, 就是資產
配置的再平衡, 以及除了再平衡後怎麼再更進一步找出更好的資產配置, 想到的步驟如
下:

1. 從劵商下載自己的portfolio data
2. 跑一些formula / rule base的資產配置優化演算法
3. 透過AI model根據原始的portfolio data以及(2) 計算後的基本分析報告, 以及AI
model本身的knowledge, 產生完整的資產配置建議報告
4. 可以基於目前的資產配置建議報告, 再度調整portfolio data, 繼續跑(2)~(3), 迭代
比較找出更佳的資產配置建議報告 (手動或AI Agent自動運行)


目前先寫出一版的程式如下:

https://github.com/zmcx16/investment-think-tank/blob/master/portfolio_analysis/README.md

要用這個Tool首先得先準備自己的portfolio data, 我自己美股劵商是用IB盈透,
portfolio data可以透過Performance & Report的Flex Queries手動下載取得, 或是生成
一個token打API直接下載:

https://github.com/zmcx16/investment-think-tank/blob/master/portfolio_analysis/data/interactivebrokers/download_flex_query_reports.py

https://i.postimg.cc/zDkVKqB8/image-14.png



之後把下載的xml檔案轉成JSON檔, AI model處理XML檔案很容易壞檔, 轉成JSON或CSV對
AI model之後要處理出錯的機率會比較低。

https://github.com/zmcx16/investment-think-tank/blob/master/portfolio_analysis/data/interactivebrokers/convert_flex_query_reports.py

之後就可以執行main.py開始跑資產配置分析, 程式會下載portfolio內的個股歷史資料,
並根據過去歷史資料跑蒙地卡羅模擬, 計算最佳的資產配置比例。 程式跑完會產生最佳
的個股權重:

https://i.postimg.cc/PxWN6jQb/image-15.png

https://i.postimg.cc/fLnJjLmT/image-16.png



跑完後程式會呼叫Gemini CLI, 讓Gemini根據原始的portfolio data以及上面的蒙地卡羅
模擬後的資料, 產生全面性的資產配置報告:
https://gist.github.com/zmcx16/b1b789b2374d49c701f5e7e7b6087e3d


上面做法是Non-Interactive mode, 之後如果想繼續優化投資組合, 就需要自己手動改
portfolio data, 例如將剩餘所有現金都買QQQ, 再做一次分析模擬, 看預期回報跟夏普
比率是否更高, AI分析後的結果是否比調整前佳, 這段就會是不少手工活...。


另一個做法則是透過AI Agent的Interactive mode, 讓AI幫我們做上述的事情, 執行
main.py --interactive, 程式跑完蒙地卡羅模擬計算完最佳的資產配置比例之後, 會呼
叫Gemini CLI with Interactive mode, 之後就可以透過輸入command的形式讓AI Agent
幫你做事, 例如輸入:

"麻煩根據剛剛portfolio_analysis main.py執行後產生的portfolio_data.json以及
base_report data, 提供資產配置分析報告並輸出至summary_report.md"

Gemini CLI會讀取portfolio_data.json以及base_report data, 並產生對應的分析報告
。

https://i.postimg.cc/kGwGmvZB/image-17.png

https://gist.github.com/zmcx16/085f99f338640dff3b6183b0a059fc9f



之後再輸入下一個Command:

"將現金部位全數投入QQQ並update portfolio_data.json, 運行portfolio_analysis
main.py並重新評估投資組合是否優於之前的資產配置並輸出至summary_report.md"

執行結果:

https://i.postimg.cc/Fzhz8BTM/image-18.png

https://gist.github.com/zmcx16/f8e9d8a7a6bf53c0352c03deb5985520



可以看到加入QQQ之後, 預期年化報酬增加從13.50%增加至16.80%, 且夏普比率從 0.456
提升至 0.582, 不過基於QQQ在投資組合的占比過高, 所以AI的分析報告還是建議減少QQQ
的資產占比, 降低過度集中的風險。 算是同時基於公式的計算以及普遍知識上的建議提
供全面性分析報告。 之後也可以繼續透過下Command給AI Agent的方式繼續優化資產配置
。

雖然互動模式看起來蠻好用的, 不過自己目前用起來跑Gemini CLI感覺很不穩定, 可能是
我沒有做data clean的關係所以portfolio data有一堆沒用的data造成, 另外如何讓
Non-Interactive mode有能力自動做更多task自動迭代優化分析報告也得研究一下, 這些
就放到backlog有空再慢慢做吧...。

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 123.192.200.34 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1758624386.A.C14.html
推 gino0717    : 我都用if( oklo ) all_in();
推 sdbb        : 謝謝
推 Solyo       : if(2330) all_in();
→ Solyo       : 我學1樓
→ Solyo       : 拷貝仔
推 a2007535    : 只能當作玩具
→ a2007535    : 除非妳只玩波動不大的權值
推 vux         : 讚
→ sdbb        : While(2330) all_in();
→ a2007535    : 起漲點用蒙地卡羅下去
→ a2007535    : 只會給很低的權重吧
→ a2007535    : 沒有預測短期未來的能力
→ a2007535    : 至多只能做風險控制
→ a2007535    : 不適用股版這種大多數人追求五年發財的人
推 cowbadma5566: If tsla: allin()
推 mune        : 感謝好心人
→ ken52011219 : User guide 太冗雜 我跳過
→ yunf        : 你怎麼知道沒有 稍微改一改就有了
→ gameboy163  : 會不會繞一大圈最後還是買大盤…
推 keepgoingKH : 推推
推 hensel      : 為什麼要從券商再拉資產，像portfolio visual izer
→ hensel      : 那樣自己輸入如何？
主要是自己常交易選擇權, 直接拉portfolio可以讓AI連選擇權部位一起分析, 另外可以
結合API自動下載portfolio & 定期產報告
推 meulen      : 推
推 staytuned74 : 小YP與市場異象投資人已經做類似
推 somesomeone : 畢業後就沒看過蒙地卡羅這4個字啦
※ 編輯: zmcx16 (123.192.200.34 臺灣), 09/23/2025 23:01:19
推 staytuned74 : 熱心還是推
推 likeyousmile: 推