前言¶
做組合優化的人通常有兩條路：自己用 CVXPY、quadprog 之類庫從零拼均值-方差模型，或者從論文附的代碼裏抄。兩條路都不省事——數據清洗、協方差估計、約束條件、數值穩定性，每個環節都要自己處理。下面介紹的這個 Skill 想把這件事變簡單：它把四種常見的組合優化算法集成在一起，面向真實 A 股數據，調用方不需要自己維護一套優化代碼。
這是什麼¶
「投資組合優化大師」（座標 @user_053d27d0/portfolio-optimizer-zx，版本 1.0.0）是一個基於通用 SKILL.md 格式的 Skill，發佈者爲 user_053d27d0，來源標記爲 community，分類爲 professional。它解決的問題是：在組合構建場景裏快速調用主流優化算法，而不必從零搭求解鏈路。
核心功能¶
根據官方簡介，這個 Skill 集成了四種組合優化算法：
- 均值-方差優化（Mean-Variance）
- Black-Litterman 模型
- 風險平價（Risk Parity）
- 層次風險平價（Hierarchical Risk Parity, HRP）
實現上基於凸優化理論，數據口徑爲真實 A 股數據。抓取資料中的標籤顯示 requires_api_key=false，即不需要 API Key。
安裝與啓用¶
抓取資料中沒有給出安裝命令，也沒有 Cursor / Codex CLI / Claude Code 的分別配置說明，這部分無法覈實，不在此編造。獲取方式見官方地址：
https://api.skillhub.cn/user_053d27d0/portfolio-optimizer-zx
SkillHub 頁面：
https://www.skillhub.cn/skills/user_053d27d0/portfolio-optimizer-zx
安裝與啓用步驟以官方頁面說明爲準。
典型用法¶
資料中沒有提供可復現的輸入輸出示例，下面只根據簡介描述能力邊界，不涉及具體命令：
- 準備標的清單與對應的 A 股行情數據；
- 選擇四種算法之一（均值-方差、Black-Litterman、風險平價或 HRP）；
- Skill 基於凸優化求解，輸出組合權重。
適用場景與注意¶
適合想在 A 股數據上快速對比四種經典組合優化結果的開發者或研究人員，尤其是不願自己搭優化求解鏈路的人。
需要注意的點：
- 來源爲 community，屬於社區發佈，使用前建議先覈對實現細節與數據口徑；
- 抓取資料顯示下載 1032、安裝 0、評分 100000，口徑以 SkillHub 頁面爲準；
- 資料未給出依賴、性能指標與具體用法示例，本文不做推測。
結尾¶
這個 Skill 的價值在於把四種經典組合優化算法收攏到一個 Skill 裏，省掉從零搭求解鏈路的工作量；代價是要接受社區來源的實現質量需要自己驗證。官方地址：
https://api.skillhub.cn/user_053d27d0/portfolio-optimizer-zx
