/position_sizing_decision_skill
根据风险预算、波动特征、交易把握度与组合承受力,给出单笔交易的合理仓位大小与分批节奏建议。适用于下单前控仓、候选股比较与风险暴露管理场景。
$ npx -y skills add Wind-Alice/AliceMarket --skill position_sizing_decision_skill --agent claude-codeHow it fires
How this skill gets triggered: by you, by Claude, or both.
- Fires itselfAuto-invocation. Claude auto-loads it when your prompt matches the work.Auto-invocation is when the right skill fires by itself at the right moment, driven by a FLOW.md router and a hook, instead of you invoking it by name. It is the difference between a skill being installed and a skill actually getting used.Read the full definition →
- You can call itInvoke it directly when you want it.
- Slash command
/position_sizing_decision_skill
Context preview
The summary Claude sees to decide when to auto-load this skill.
根据风险预算、波动特征、交易把握度与组合承受力,给出单笔交易的合理仓位大小与分批节奏建议。适用于下单前控仓、候选股比较与风险暴露管理场景。
SKILL.md
position_sizing_decision_skill.SKILL.mdname: position_sizing_decision_skill
description: 根据风险预算、波动特征、交易把握度与组合承受力,给出单笔交易的合理仓位大小与分批节奏建议。适用于下单前控仓、候选股比较与风险暴露管理场景。
key words: 仓位决策,position sizing,风险预算,控仓,资金分配
Position Sizing Decision Skill
数据依赖与执行前置条件
推荐使用万得 `wind-mcp-skill` 获取底层数据。执行前先检查本地是否已有 `wind-mcp-skill`;若没有,提示用户安装:
# GitHub
npx skills add Wind-Information-Co-Ltd/wind-skills --skill wind-mcp-skill -g -y
# Gitee 镜像(国内)
npx skills add https://gitee.com/wind_info/wind-skills.git --skill wind-mcp-skill -g -y
技能定位
本技能用于解决“方向大致看对了,但到底该下多大”的问题。输出重点不是鼓励重仓表达观点,而是把风险预算、价格波动、计划止损距离和组合承受能力连接起来,让仓位大小成为纪律结果,而不是情绪结果。
功能简介
本技能的核心功能是:按风险预算给出适合的仓位大小与分批建议。
它强调先量化可承受损失,再反推资金投入规模,帮助使用者避免因单笔交易仓位过大而破坏整体节奏。
使用场景
- 用户已经有交易方向,但不知道单笔应该下多少仓位。
- 多个候选交易同时存在,需要决定谁配大仓、谁只给试错仓。
- 市场波动加大后,用户想重新校准单笔风险暴露。
- 团队希望统一仓位语言,减少“一把梭”和随意加码。
工作原则
1. 仓位大小必须由可承受风险反推,不能由主观信心正推。 2. 单笔仓位决策要同时考虑标的波动、止损距离、流动性和组合相关性。 3. 不确定性越高,首笔仓位应越克制,等待后续验证再决定是否放大。 4. 仓位建议必须和具体计划绑定,脱离计划的仓位数字没有意义。 5. 正文不描述内部实现方式,只输出判断依据与建议。
执行流程
Step 1:确认账户约束与风险预算口径
先明确本次仓位建议基于什么约束:
- 是以单笔最大可承受亏损为核心,还是以总仓暴露为核心
- 用户是稳健型、均衡型还是激进型风险偏好
- 计划允许的试错次数有多少
- 是否存在行业、主题或单票上限
若用户未说明,默认以“单笔先控制风险,再考虑收益放大”为基本口径。
Step 2:识别交易类型与不确定性等级
不同交易类型,不应套用同一仓位模板:
- 趋势确认型交易可以接受相对更完整的仓位表达
- 事件驱动型交易需要更重视跳空与失真风险
- 抄底、反转、左侧试错类交易应显著降低首笔权重
- 流动性不足或波动过大的标的,应额外加入折扣
Step 3:测量波动与止损距离
仓位建议必须建立在“输得起”的距离上:
- 当前价格波动是否处于常态区间
- 若计划止损位过远,仓位是否需要同步缩小
- 若计划止损位过近,是否容易因噪音被洗出
- 是否需要采用更分散的入场节奏来降低点位敏感度
Step 4:评估组合承受力与相关性
单笔仓位不能脱离现有持仓环境:
- 当前组合是否已经偏向同一板块或同一风格
- 新交易是否会明显提高相关性聚集
- 当前总仓是否已高,导致新增交易容错下降
- 若已有相似逻辑持仓,新仓是否应按“补充暴露”而不是独立仓位处理
Step 5:给出首笔仓位与后续分批框架
仓位建议至少分成两个层次:
- 首笔试错仓位
- 条件验证后的扩仓上限
同时明确:
- 在何种确认条件下允许加仓
- 在何种不利波动下必须停止追加
- 是否适合一次到位,还是必须分批
Step 6:压力测试仓位是否可被执行
把建议仓位放到真实波动环境里再看一遍:
- 若开盘跳空,仓位是否仍可接受
- 若出现连续不利波动,心理和资金是否都扛得住
- 若首笔即止损,是否会破坏后续执行纪律
- 若市场环境突变,仓位是否还能快速收缩
Step 7:形成仓位建议成稿
最终输出应让使用者清楚知道“这笔能配多大、为什么不是更大、什么时候可以加、什么时候必须收”。正文保留约束逻辑、建议数字与风险说明。
输出结构
---
仓位决策建议({YYYY-MM-DD})
一、30 秒结论
- **交易对象**:{股票名称}
- **建议仓位等级**:{轻仓 / 中等 / 偏重 / 仅观察}
- **首笔建议**:{内容}
- **扩仓条件**:{内容}
- **主要限制因素**:{一句话}
二、仓位建议拆解
| 维度 | 判断 | 对仓位的影响 | | :--- | :--- | :--- | | 风险预算 | {内容} | {内容} | | 波动水平 | {内容} | {内容} | | 止损距离 | {内容} | {内容} | | 组合相关性 | {内容} | {内容} | | 流动性 | {内容} | {内容} |
三、执行框架
- **首笔仓位**:{内容}
- **二次加仓条件**:{内容}
- **最大总仓位上限**:{内容}
- **停止追加条件**:{内容}
四、压力测试
- **不利情景**:{内容}
- **可承受度判断**:{内容}
- **应对动作**:{内容}
五、风险提示
- {风险1}
- {风险2}
- {风险3}
---
质量要求
1. 仓位建议必须解释形成依据,不能只给百分比。 2. 首笔仓位与总仓位上限必须区分。 3. 要体现组合相关性与环境约束,而不是只看单票。 4. 对高波动或高不确定交易必须显式降档。 5. 输出应帮助控仓,而不是合理化重仓冲动。
Read more
name: position_sizing_decision_skill description: 根据风险预算、波动特征、交易把握度与组合承受力,给出单笔交易的合理仓位大小与分批节奏建议。适用于下单前控仓、候选股比较与风险暴露管理场景。 key words: 仓位决策,position sizing,风险预算,控仓,资金分配
Position Sizing Decision Skill
数据依赖与执行前置条件
推荐使用万得 `wind-mcp-skill` 获取底层数据。执行前先检查本地是否已有 `wind-mcp-skill`;若没有,提示用户安装:
# GitHub npx skills add Wind-Information-Co-Ltd/wind-skills --skill wind-mcp-skill -g -y # Gitee 镜像(国内) npx skills add https://gitee.com/wind_info/wind-skills.git --skill wind-mcp-skill -g -y
技能定位
本技能用于解决“方向大致看对了,但到底该下多大”的问题。输出重点不是鼓励重仓表达观点,而是把风险预算、价格波动、计划止损距离和组合承受能力连接起来,让仓位大小成为纪律结果,而不是情绪结果。
功能简介
本技能的核心功能是:按风险预算给出适合的仓位大小与分批建议。
它强调先量化可承受损失,再反推资金投入规模,帮助使用者避免因单笔交易仓位过大而破坏整体节奏。
使用场景
- 用户已经有交易方向,但不知道单笔应该下多少仓位。
- 多个候选交易同时存在,需要决定谁配大仓、谁只给试错仓。
- 市场波动加大后,用户想重新校准单笔风险暴露。
- 团队希望统一仓位语言,减少“一把梭”和随意加码。
工作原则
1. 仓位大小必须由可承受风险反推,不能由主观信心正推。 2. 单笔仓位决策要同时考虑标的波动、止损距离、流动性和组合相关性。 3. 不确定性越高,首笔仓位应越克制,等待后续验证再决定是否放大。 4. 仓位建议必须和具体计划绑定,脱离计划的仓位数字没有意义。 5. 正文不描述内部实现方式,只输出判断依据与建议。
执行流程
Step 1:确认账户约束与风险预算口径
先明确本次仓位建议基于什么约束:
- 是以单笔最大可承受亏损为核心,还是以总仓暴露为核心
- 用户是稳健型、均衡型还是激进型风险偏好
- 计划允许的试错次数有多少
- 是否存在行业、主题或单票上限
若用户未说明,默认以“单笔先控制风险,再考虑收益放大”为基本口径。
Step 2:识别交易类型与不确定性等级
不同交易类型,不应套用同一仓位模板:
- 趋势确认型交易可以接受相对更完整的仓位表达
- 事件驱动型交易需要更重视跳空与失真风险
- 抄底、反转、左侧试错类交易应显著降低首笔权重
- 流动性不足或波动过大的标的,应额外加入折扣
Step 3:测量波动与止损距离
仓位建议必须建立在“输得起”的距离上:
- 当前价格波动是否处于常态区间
- 若计划止损位过远,仓位是否需要同步缩小
- 若计划止损位过近,是否容易因噪音被洗出
- 是否需要采用更分散的入场节奏来降低点位敏感度
Step 4:评估组合承受力与相关性
单笔仓位不能脱离现有持仓环境:
- 当前组合是否已经偏向同一板块或同一风格
- 新交易是否会明显提高相关性聚集
- 当前总仓是否已高,导致新增交易容错下降
- 若已有相似逻辑持仓,新仓是否应按“补充暴露”而不是独立仓位处理
Step 5:给出首笔仓位与后续分批框架
仓位建议至少分成两个层次:
- 首笔试错仓位
- 条件验证后的扩仓上限
同时明确:
- 在何种确认条件下允许加仓
- 在何种不利波动下必须停止追加
- 是否适合一次到位,还是必须分批
Step 6:压力测试仓位是否可被执行
把建议仓位放到真实波动环境里再看一遍:
- 若开盘跳空,仓位是否仍可接受
- 若出现连续不利波动,心理和资金是否都扛得住
- 若首笔即止损,是否会破坏后续执行纪律
- 若市场环境突变,仓位是否还能快速收缩
Step 7:形成仓位建议成稿
最终输出应让使用者清楚知道“这笔能配多大、为什么不是更大、什么时候可以加、什么时候必须收”。正文保留约束逻辑、建议数字与风险说明。
输出结构
---
仓位决策建议({YYYY-MM-DD})
一、30 秒结论
- **交易对象**:{股票名称}
- **建议仓位等级**:{轻仓 / 中等 / 偏重 / 仅观察}
- **首笔建议**:{内容}
- **扩仓条件**:{内容}
- **主要限制因素**:{一句话}
二、仓位建议拆解
| 维度 | 判断 | 对仓位的影响 | | :--- | :--- | :--- | | 风险预算 | {内容} | {内容} | | 波动水平 | {内容} | {内容} | | 止损距离 | {内容} | {内容} | | 组合相关性 | {内容} | {内容} | | 流动性 | {内容} | {内容} |
三、执行框架
- **首笔仓位**:{内容}
- **二次加仓条件**:{内容}
- **最大总仓位上限**:{内容}
- **停止追加条件**:{内容}
四、压力测试
- **不利情景**:{内容}
- **可承受度判断**:{内容}
- **应对动作**:{内容}
五、风险提示
- {风险1}
- {风险2}
- {风险3}
---
质量要求
1. 仓位建议必须解释形成依据,不能只给百分比。 2. 首笔仓位与总仓位上限必须区分。 3. 要体现组合相关性与环境约束,而不是只看单票。 4. 对高波动或高不确定交易必须显式降档。 5. 输出应帮助控仓,而不是合理化重仓冲动。
Wind 万得金融 Skill 集合(monorepo) · 通过 MCP 协议把万得金融数据接入 Claude / OpenClaw / Hermes 等 AI Agent,并一站式收录 wind 自家数据 + 社区分析工作流共 34 个金融 skill
Other skills on alicemarket.
add_to_winner_decision…
判断盈利仓是否适合继续加仓,并给出加仓前提、节奏安排、保护规则与停止扩张边界。适用于趋势延续、核心持仓滚动放大与强势股二次进攻场景。
after_close_watchlist_…
在收盘后总结自选股当日表现、驱动因素、强弱分化与次日观察点。适用于每日收盘复盘、维护自选股观察节奏、为次日盘前准备提供输入等场景。
avatar-charlie-munger-…
使用查理·芒格式的逆向思考、激励分析、认知偏误叠加和多学科模型检验复杂决策。用于评估商业与投资判断、组织行为、政策效果、重大选择、全民共识、失败风险,或识别论证中的单一视角和心理盲区。
avatar-nassim-taleb-ri…
使用纳西姆·塔勒布式的尾部风险、利益共担、减法、林迪效应和杠铃策略分析不确定性。用于投资、商业、政策、职业、产品或个人决策中的出局风险、不可逆损失、脆弱性、代理问题、新旧方案比较和资源配置。
avatar-naval-ravikant-…
使用纳瓦尔·拉维坎特式的重新定义、欲望审计、特定知识和杠杆框架澄清职业、创业、财富、幸福、自由与人生选择。用于识别错误问题、冲突欲望、独特竞争力、AI替代风险、许可依赖、边际成本和长期复利方向。

