Now liveThe Skillselion MCP - thousands of ranked skills, loaded into your agent mid-task. No install.Get it →
wind-information-co-ltd avatar

Position Sizing Decision Skill

  • 210 installs
  • 74 repo stars
  • Updated July 20, 2026
  • wind-information-co-ltd/wind-skills

Helps with ai & agent building tasks during AI-assisted development.

About

position_sizing_decision_skill is a Claude Code skill in the AI & Agent Building category.

  • position_sizing_decision_skill
  • AI & Agent Building
  • AI-coding skill

Position Sizing Decision Skill by the numbers

  • 210 all-time installs (skills.sh)
  • +21 installs in the week ending Jul 27, 2026 (Skillselion tracking)
  • Ranked #2,816 of 16,546 AI & Agent Building skills by installs in the Skillselion catalog
  • Data as of Aug 4, 2026 (Skillselion catalog sync)
npx skills add https://github.com/wind-information-co-ltd/wind-skills --skill position_sizing_decision_skill

Add your badge

Show developers this skill is listed on Skillselion. Paste this into your README.

Listed on Skillselion
Installs210
repo stars74
Last updatedJuly 20, 2026
Repositorywind-information-co-ltd/wind-skills

What it does

Helps with ai & agent building tasks during AI-assisted development.

Files

SKILL.mdMarkdownGitHub ↗

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。

Related skills

This week in AI coding

Five minutes, every Monday - the tools, releases and tactics for developers.

unsubscribe anytime.