用途：本技能用于资产配置与投资组合优化，从经典理论到实际落地，覆盖MPT、Black-Litterman、风险预算与全天候策略，并指导5种内置优化器的使用，结果可直接写入 config.json。
理论与框架：MPT（Markowitz）以给定风险最大化预期收益，求解最小方差问题，但对输入极敏感、易产生极端权重，建议加约束或使用正则化版本。Black-Litterman 从市场均衡出发融入主观观点：先反向推导均衡收益 π = δΣw_mkt，再构建 P、Q、Ω 矩阵并混合后验 μ_BL，最后用 μ_BL 做 Markowitz 优化；τ 建议 0.025-0.05。风险预算按风险贡献（RC_i = w_i × (Σw)_i / σ_p）而非资金比例分配，含等风险贡献、股偏风险预算与动态风险预算。全天候策略按经济增长/通胀升降四种环境均衡分配风险。
主要能力：通过 config.json 的 optimizer 与 optimizer_params 配置五种优化器——equal_volatility（按波动倒数分配，简单快速，忽略相关性）、risk_parity（等风险贡献，计入相关性，长周期稳健，需迭代求解）、mean_variance（最大化夏普，对输入极敏感）、max_diversification（最大化分散度 DR = (w'σ) / σ_p）、turnover_aware（在均值方差基础上对权重变化加 L1 惩罚，抑制换手）。
使用方式：按“是否有收益预测、是否考虑相关性、波动差异是否大”的决策树选择优化器。再平衡可用定期、阈值或波动触发；在 signal_engine.py 中实现逻辑，例如每20个交易日按 bar_count % rebalance_freq == 0 重算目标权重。跨市场配置可在 config.json 使用 "source": "auto"，并让 codes 混合不同市场标的。
适用场景与限制：适用于多资产组合构建与再平衡。至少需3个标的才有意义，2个用 equal_volatility 即可；lookback 过短（<20）噪声大、过长（>120）反应慢，60 为合理默认；mean_variance 最易过拟合；再平衡频繁会侵蚀收益；权重和须≤1.0，除非明确指定否则不允许杠杆；历史相关性可能受退市与新股影响。具体收费、价格与平台信息资料未提供。