Smilefund 持仓体检

一个被长期忽视的问题

大多数散户的复盘停留在一句“今天赚了还是亏了”。至于当前组合的集中度是否过高、是否在某只股票上追高、浮亏是否已经超出自己能承受的范围，往往要靠感觉判断。人脑对多标的、多维度的组合风险没有直觉，而“凭感觉调仓”恰恰是亏损的主要来源之一。

这个技能要解决的不是“该买什么”，而是把现有持仓放进一套公开规则里体检一遍，让问题变成可量化的维度分和可回溯的依据。

它做了什么

技能在 scripts/score.py 里内置了一个零依赖的评分引擎，按六个维度对组合打分：

• 集中度风险：单一标的占比是否过高，持股数量是否落在合理区间；
• 行业分散：持仓覆盖的行业数量与行业集中度（HHI）；
• 趋势质量：整体浮盈浮亏，以及标的是否处于研究观察池内；
• 回撤控制：整体回撤幅度、深套仓位占比；
• 交易纪律：追高仓位占比、深套死扛占比；
• 投资习惯：成本与行业字段是否填全，是否有定期复盘记录。

综合分按权重加总，映射为 S/A/B/C/D 等级。运行时按以下步骤工作：

1. 采集持仓：从用户输入或券商导出中解析代码、市值、成本价、当前价、行业，至少 1 只；
2. 调用引擎：优先执行 scripts/score.py，输出 JSON 报告与可读文本；环境不允许时按同一规则手工逐项计算；
3. 渲染报告：总分、等级、六维明细（每维附一句依据）、与每日荐股观察池的仓位对照，以及习惯养成提醒清单。

边界与注意点

• 这是诊断工具，不是决策工具：不输出买卖建议、目标价或收益预期，观察池仅作“研究关注”标注；
• 评分质量依赖输入完整度。未授权行情数据时，当前价与行业按用户所填计算，报告中会标注数据来源；
• 分位与排行榜在 MVP 阶段基于参考分布模型估算，正式版接入真实匿名样本库后会重新标注；
• 全报告附带免责声明，结论仅供个人复盘参考。