个人投资决策系统 (INVEST Decision System)
Overview
市面上不缺行情、研报、社区观点和 AI 解读。缺的是一套把信息、资产、目标和纪律连起来的决策系统。
这个 Skill 提供 INVEST 六维决策框架，帮你从"我知道很多"走到"我做出更好的决策"。
核心能力：持仓管理 → 决策评分 → 仓位计算 → 风控检查 → 复盘分析，输出交互式 HTML 可视化报告。
快速开始
首次使用时，运行以下命令初始化数据库：
python {baseDir}/scripts/db.py
或通过 Python 直接导入（首次自动创建数据库）：
import sys; sys.path.insert(0, '{baseDir}/scripts')
import db
db.init_db()
Core Capabilities
1. 投资画像管理
设置投资目标、风险偏好、资金规模等基础参数。
后续所有决策都将基于这些参数进行个性化评估。
操作：
- 查看当前画像：读取
get_profile() 结果
- 更新画像：使用
update_profile() 设置 risk_tolerance（conservative/moderate/aggressive）、
investment_goal（growth/income/preservation/speculation）、
time_horizon（short/medium/long）、total_capital 等
脚本：{baseDir}/scripts/db.py 中的 get_profile() 和 update_profile() 函数。
2. 持仓管理
记录和管理投资组合中的各类资产。
操作：
- 添加持仓：
add_holding(symbol, name, asset_class, market, quantity, avg_cost, current_price, sector=...)
- 更新持仓：
update_holding(holding_id, current_price=..., quantity=...)
- 删除持仓：
delete_holding(holding_id)
- 查看持仓：
get_all_holdings()
- 组合概览：
get_portfolio_summary() 返回总市值、盈亏、资产配置、行业配置
支持的 asset_class：stock / fund / bond / cash / crypto / other
支持的 market：A-share / HK / US / other
脚本：{baseDir}/scripts/db.py 中的持仓相关函数。
3. INVEST 六维决策框架
这是系统的核心。对每笔交易决策，从六个维度打分（0-10）：
| 维度 | 权重 | 核心问题 |
|---|
| I - Intent 意图 | 15% | 你为什么做这笔交易？与投资目标一致吗？ |
| N - Numbers 数字 | 20% | 财务数据和技术指标支持你的判断吗？ |
| V - Value 价值 | 20% | 当前价格低于内在价值吗？安全边际够吗？ |
| E - Edge 优势 | 10% | 你凭什么比别人判断得更准？ |
| S - Safety 安全 | 20% | 如果错了，你会损失多少？风控到位吗？ |
| T - Timing 时机 | 15% | 为什么是现在？周期位置对吗？ |
使用方法：
from scripts.decision import evaluate_decision
scores = {
'intent_score': 7,
'numbers_score': 6,
'value_score': 8,
'edge_score': 5,
'safety_score': 7,
'timing_score': 6,
}
result = evaluate_decision(scores)
# result['total_score'] -> 6.4
# result['recommendation'] -> 'CAUTIOUS'
决策阈值：
- ≥ 7.0 → STRONG_CONFIDENCE：强烈推荐
- 5.0-6.9 → CAUTIOUS：谨慎推荐
- 3.0-4.9 → WAIT：建议等待
- < 3.0 → AVOID：应回避
保存决策到数据库：
from scripts import db
did = db.create_decision('600519', '贵州茅台', 'buy',
intent_score=7, numbers_score=6, value_score=8,
edge_score=5, safety_score=7, timing_score=6,
thesis='白酒龙头估值回调后具备配置价值',
risks='消费降级、政策风险',
position_size_pct=15, stop_loss_pct=8, take_profit_pct=20)
脚本：{baseDir}/scripts/decision.py 中的 evaluate_decision() 函数。
数据库操作：{baseDir}/scripts/db.py 中的 create_decision(), update_decision(), get_decision() 等。
4. 仓位计算器
基于固定比例法（Fixed Fractional）计算最优仓位：
from scripts.decision import calculate_position_size
sizing = calculate_position_size(
capital=100000, # 可用资金
risk_per_trade_pct=2, # 单笔最大风险 2%
entry_price=50, # 计划入场价
stop_loss_price=46, # 止损价
max_position_pct=20 # 单票最大仓位 20%
)
# Returns: shares, position_value, position_pct, risk_amount, suggested_take_profit
公式：可买股数 = (总资产 × 单笔风险%) ÷ |入场价 - 止损价|
脚本：{baseDir}/scripts/decision.py 中的 calculate_position_size() 函数。
5. 风控合规检查
检查当前持仓是否违反预设的风控规则：
from scripts import db
violations = db.check_risk_compliance()
默认风控规则：
- 单票最大仓位 ≤ 20%
- 单行业最大仓位 ≤ 40%
- 单笔硬止损 8%
- 最低现金 10%
- 单月交易 ≤ 10 次
- 最少持有 5 个交易日
可自定义：通过 risk_rules 表管理。
脚本：{baseDir}/scripts/db.py 中的 check_risk_compliance() 和 get_risk_rules() 函数。
6. 交易记录
记录买卖交易，自动更新持仓：
from scripts import db
db.record_trade('600519', 'buy', quantity=100, price=1650, fee=5)
db.record_trade('600519', 'sell', quantity=50, price=1700, fee=5, decision_id=1)
脚本：{baseDir}/scripts/db.py 中的 record_trade() 函数。
7. 决策复盘
对已执行的决策进行复盘：
from scripts import db
db.update_decision(decision_id, outcome='win', outcome_pnl=5000,
outcome_notes='按计划执行，盈利符合预期')
查看决策统计：
stats = db.get_decision_stats()
# win_rate, profit_factor, avg_score_win, avg_score_loss, total_pnl
8. 关注列表
维护潜在投资标的的观察列表：
from scripts import db
db.add_to_watchlist('300750', '宁德时代', reason='新能源龙头，关注回调机会', target_price=180)
9. 可视化报告
生成交互式 HTML 报告：
from scripts.report import generate_dashboard_html, generate_decision_html, generate_review_html, save_report
# 投资仪表盘（综合概览）
html = generate_dashboard_html()
path = save_report(html, 'dashboard.html')
# 单笔决策报告
html = generate_decision_html(decision_id)
path = save_report(html, 'decision_report.html')
# 决策复盘报告
html = generate_review_html()
path = save_report(html, 'review_report.html')
报告保存到 outputs/ 目录。报告包含：
- 投资仪表盘：资产配置饼图、盈亏统计、风控合规、持仓列表、近期决策
- 决策报告：INVEST 六维雷达图、详细评分、投资论点和风险分析、仓位参数
- 复盘报告：决策历史、胜率统计、评分-结果关联分析
脚本：{baseDir}/scripts/report.py
典型用户交互流程
场景 1：用户想评估是否买入某股票
- 引导用户提供标的代码和基本信息
- 逐维度（或一次性）询问 INVEST 六维度评分
- 对于 Numbers 维度，主动联网搜索当前 PE/PB/ROE 等数据
- 调用
evaluate_decision() 计算总分和建议
- 调用
calculate_position_size() 计算仓位
- 如果用户确认，调用
create_decision() 保存，并 generate_decision_html() 生成报告
- 展示决策报告 HTML 文件给用户
重要： 当用户只需要快速评估而不保存时，直接使用 {baseDir}/scripts/decision.py 的纯计算方法，
无需初始化数据库。只有用户确认要保存决策、持仓或交易时才操作数据库。
场景 2：用户想查看投资仪表盘
- 调用
generate_dashboard_html()
- 使用
save_report() 保存到 outputs 目录
- 展示给用户
场景 3：用户想复盘
- 调用
generate_review_html() 生成复盘报告
- 展示给用户，引导关注评分-结果的关联模式
- 针对低分但盈利的决策，讨论运气 vs 能力
- 针对高分但亏损的决策，分析出错原因
场景 4：用户想记录交易
- 询问交易详情（标的、方向、数量、价格）
- 调用
record_trade() 自动更新持仓
- 检查风控合规
check_risk_compliance()
- 如有违规，提醒用户
数据架构
数据库文件位置：{baseDir}/data/investment.db，包含以下表：
profile — 投资者画像holdings — 持仓trades — 交易记录decisions — INVEST 决策记录decision_log — 决策变更日志watchlist — 关注列表risk_rules — 风控规则
详见 scripts/db.py 中的 init_db() 函数。
参考文档
references/framework.md — INVEST 决策框架完整文档，包含每个维度的详细评分标准、常见陷阱、仓位管理规则references/indicators.md — 投资关键指标速查：A股估值参考、财务健康指标、技术分析速查、行业估值差异、行为金融学偏差
当需要深入了解某个维度的评分标准或投资指标参考时，读取对应的 {baseDir}/references/ 文件。
重要原则
- 本系统不提供投资建议，只提供决策框架。所有投资决策由用户自行负责。
- 不替代专业金融工具。行情数据需要用户提供或通过联网搜索获取。
- 评分是主观的。INVEST 框架的价值在于强制结构化思考，而非绝对准确的评分。
- 决策质量 ≠ 结果质量。好决策可能亏损，坏决策可能盈利。复盘时区分两者。
- 纪律 > 预测。系统的核心价值是帮助用户建立和执行纪律，而非做出准确预测。