Portfolio Builder：基于多智能体工作流的自动化投资组合构建系统

Portfolio Builder是由aneeshcheriank开发并在GitHub开源的自动化投资组合构建系统（许可证：Apache License 2.0）。该系统基于LangGraph构建多智能体工作流，通过风险分析、直接指数筛选和数学优化三个智能体协作，为欧洲市场用户提供被动型、低成本的定制投资组合服务。核心亮点在于结合LangGraph的反馈循环机制与数学优化算法，实现自我调整的投资决策系统。

项目概述

Portfolio Builder是针对欧洲市场设计的智能投资工具，遵循被动投资策略，旨在以低管理成本帮助用户实现投资目标。

投资理念

• 被动投资哲学：通过跟踪市场指数获取平均收益，优势包括低成本、分散化、透明度高及长期有效性。
• 直接指数化策略：直接购买指数成分股而非ETF，支持个性化定制、税务优化（税收损失收割）及ESG筛选。

多智能体架构

系统包含三个核心智能体：

1. 风险与指数匹配器：分析用户风险偏好与目标，转化为目标波动率（如12%），匹配基准指数（如STOXX 600）。
2. 直接指数筛选器：从基准指数成分股中筛选符合条件的个股（正Alpha、Beta控制、估值筛选），输出约100只股票清单。
3. 再平衡与优化器：应用数学优化算法，匹配目标波动率、最大化分散化，执行权重（单只≤5%）和行业集中度（≤20%）约束。

内部审查循环

• 审查标准：跟踪误差＞3%或组合过于集中则标记失败。
• 反馈循环：失败时向筛选器传递调整建议（如放宽P/E条件），重新执行流程直至满足约束。

LangGraph框架

• 状态管理：维护跨智能体共享记忆。
• 条件路由：根据审查结果决定流程走向。
• 循环支持：原生支持反馈循环与迭代优化。

数学优化

• 均值-方差优化（现代投资组合理论核心）。
• 风险平价（均衡各资产风险贡献）。
• 约束求解（处理权重与行业限制）。

技术栈

Python、LangGraph、DeepSeek API、GitHub Actions（CI/CD自动化测试）。

使用方式

1. 环境配置：安装依赖（pip install -r requirements.txt）、设置DeepSeek API密钥、运行python main.py。
2. 输入示例：自然语言描述需求（如“中等风险，€10,000，增长导向”）。
3. 输出结果：定制投资组合（含精选股票、权重配置，满足集中度与跟踪误差约束）。

测试验证

• 单元测试：测试各智能体独立功能。
• 集成测试：验证端到端工作流程。
• GitHub Actions：自动化持续集成。运行测试命令：pytest或指定模块测试。

项目意义

• 降低投资门槛：普通投资者可获得机构级服务，无需深厚金融知识或高昂费用。
• AI驱动决策：展示多智能体协作在金融领域的应用潜力。

未来展望

• 可扩展性：当前支持欧洲市场STOXX 600，可适配美国（S&P500）、全球（MSCI World）及新兴市场指数。

Portfolio Builder通过多智能体协作、数学优化与反馈循环机制，实现了AI技术与传统金融理论的结合，为个人理财领域提供创新的自动化投资解决方案。该项目对探索AI金融应用的开发者及寻求自动化投资的个人投资者均具有参考价值。