投资组合评审

投资研究常常止步于“这家公司好不好”。但真正决定结果的，是另一组问题：买多少、用什么钱买、和已有持仓是否重复、错过当前配置的代价有多大。投资组合评审就是把这半个问题补齐。它接受一段持仓描述，把零散输入整理成可计算的组合视图，再逐项检查个股逻辑与整体配置是否还自洽。

它解决什么

一个常见的场景：你写了很长的买入理由，却只在首次建仓时决定过仓位。之后市场波动、基本面变化、资金用途改变，都没有触发重新审视。组合里可能悄悄出现这些情况：单一标的占比过高；几只持仓高度相关，实际等于一次下注；某个仓位已经偏离最初的买入逻辑，却只是因为浮亏而留着。

这个技能不负责生成新的投资灵感，也不替代你自己的判断。它负责把组合拉回可讨论的状态：指出哪里过度集中、哪只标的的核心逻辑已经变化、哪些仓位需要重新定价。

核心能力

解析持仓输入

支持多种常见写法，例如按比例：

• 腾讯 30%、美团 20%、茅台 20%、英伟达 15%、现金 15%

也支持带股数和成本：

• 腾讯 500股 @480港元、美团 1000股 @130港元

若项目里已有 reports/portfolio-latest.md，会读取并更新，而不是另起一份孤立记录。解析结果会标准化为统一表格：标的、代码、持仓量、成本价、现价、市值、占比和盈亏。只有比例没有金额时，按比例分析即可。

获取并校验数据

拿到原始输入后，先确认当天日期，并把它作为报告中的“数据截止日期”。所有“最新”数据都以这个基准为准，不使用训练数据中的静态日期。

随后并行获取每个持仓的当前股价、估值指标、最近季度财务变化、近期事件和分析师一致预期。估值字段会经过 tools/financial_rigor.py verify-valuation 校验。每只标的还会标注信息丰富度：

• A 级：数据完整，结论可直接使用。
• B 级：部分字段缺失，结论需要限定。
• C 级：关键输入不可靠，相关结论只保留低置信度。

逐仓体检

对每个仓位，都会回答三个硬问题：

• 如果今天没有持仓，你还会在当前价格买入吗？
• 如果明天不能交易，持有 5 年你舒服吗？
• 最初的买入论文还完整吗？

体检结果会汇成一行行简短判断，例如当前 PE、买入逻辑是否变化、论文健康度和仓位建议。这不是给一个买卖指令，而是提示你：某只标的的估值变了、竞争环境变了，或者仓位已经超出了当时的假设。

组合层面优化

单只股票看得再细，也不代表组合健康。这一步关注资金在组合中的分配：第一大持仓占比、行业或主题暴露、持仓之间的相关性、现金比例和整体风险。

优化建议不会只说“更分散”，而是落到资金来源上：是用新资金买入、换掉现有仓位，还是先降低某个过度集中的部位。目标是让组合的每个百分点都指向你真正想持有的暴露，而不是重复下注。

使用边界

• 它依赖可获取的数据和准确输入；信息缺失时会降低置信度，不会凭空补全关键财务字段。
• 估值和数学运算需要准确处理。AGENTS.md 要求交叉核对数据，并用精确算术工具完成计算；任何不确定性和来源缺口都会在报告中标明。
• 它更适合定期审视，而不是每天调仓。每季度做一次完整评审，通常比追着短期价格反复改动更有价值。
• 最终判断仍然是你自己的：工具负责把矛盾摆到桌面上，买入、卖出和仓位比例的决定需要结合资金期限和可承受的波动。