跳到主要内容

第10练 Agentic portfolio

📌 练习目标​

作为”十讲十练“系列的最后一练，本练习是一个教学导向的实战练习，旨在帮助：

  • 不懂编程的小白 → 学会用自然语言与 AI 协作生成代码
  • 不懂投资的小白 → 理解"宏观 → 政策 → 市场 → 资产配置"的完整逻辑链
  • 想快速验证想法的人 → 用 vibe coding 方法快速从 0 到 1 搭建可回测的策略

💡 你不需要提前懂 Python 或金融知识。只要会问问题（比如："怎么判断经济是复苏还是衰退？"），就能一步步构建出专业级策略。

🧩 题目展示​

"如果今天是 2025 年 12 月 31 日，请基于最新宏观经济数据和政策文件（本练习已为你准备好了部分数据），自动选出最值得投资的 ETF 组合，并解释为什么。"

✅ 最终产出：

  • 一份 JSON 格式的 ETF 投资组合（含权重）
  • 一份 Markdown 投资报告（含归因分析）
  • 一个可回测的策略（支持净值曲线、夏普比率等指标）
  • 回测 Dashboard 图表，直观展示策略表现

通过本练习，您将学会如何基于宏观经济数据和政策文件，自动构建和调整ETF投资组合，并通过回测验证策略的有效性。下图直观展示了本练习构建的Q-Macro策略与基准组合（静态全天候组合）的表现对比，包括净值曲线、月度收益率、最大回撤等关键指标，帮助您全面评估策略的风险收益特征，为投资决策提供有力支持。

回测结果说明：

  • 累计收益率：策略从开始到结束的总收益
  • 年化收益率：将累计收益换算成年化收益，便于比较
  • 最大回撤：策略历史上最大的亏损幅度
  • 夏普比率：每承担一单位风险所获得的超额收益
  • 胜率：盈利月份占总月份的比例

🎯 本练习特点​

  • ✅ 从问题出发：不是学语法，而是解决真实投资问题
  • ✅ AI 是助手，不是黑箱：每一步都可理解、可修改
  • ✅ 结果可视化：有报告、有图表、有回测，成就感强
  • ✅ 模块化设计：可单独学习"宏观分析"或"政策解读"任一环节
  • ✅ 渐进式难度：从简单到复杂，适合不同水平的学习者
  • ✅ 实战导向：模拟真实投资决策流程，培养投资思维