基于INVEST六维决策框架（意图/数字/价值/优势/安全/时机）的个人投资决策辅助系统。提供持仓管理、决策评分、仓位计算、风控检查和交互式HTML可视化报告，将分散的市场信息、持仓数据和投资目标串成完整决策闭环，帮助投资者从"知道很多"走向"做出更好决策"。
【适用场景】
1. 投资者在买卖股票前，需要结构化评估决策质量 2. 持仓管理：记录和跟踪投资组合各类资产的盈亏状况 3. 仓位计算：需要根据风险承受能力计算单笔最优买入数量 4. 风控检查：交易前检查是否违反预设的风控规则 5. 投资复盘：定期回顾决策质量，分析评分与实际结果的关联 6. 生成综合报告：输出投资仪表盘、决策报告等可视化分析
【操作步骤】
第一步：初始化数据库 首次使用时运行以下命令初始化数据库： python scripts/db.py 或通过Python直接导入（首次自动创建数据库）： import sys; sys.path.insert(0, 'scripts') import db; db.init_db()
第二步：设置投资画像 设置投资目标、风险偏好、资金规模等基础参数： - risk_tolerance：保守型(conservative)/平衡型(moderate)/激进型(aggressive) - investment_goal：成长型(growth)/收入型(income)/保值型(preservation)/投机型(speculation) - time_horizon：短期(short)/中期(medium)/长期(long) - total_capital：总资金规模
第三步：持仓管理 记录和管理投资组合中的各类资产： add_holding(symbol, name, asset_class, market, quantity, avg_cost, current_price, sector) - asset_class支持：stock/fund/bond/cash/crypto/other - market支持：A-share/HK/US/other 其他操作：更新持仓、删除持仓、查看组合概览（总市值/盈亏/资产配置）
第四步：INVEST六维决策打分 对每笔交易决策，从六个维度打分（0-10分）：
I - Intent 意图（权重15%） 核心问题：你为什么做这笔交易？与投资目标一致吗？
N - Numbers 数字（权重20%） 核心问题：财务数据和技术指标支持你的判断吗？
V - Value 价值（权重20%） 核心问题：当前价格低于内在价值吗？安全边际够吗？
E - Edge 优势（权重10%） 核心问题：你凭什么比别人判断得更准？
S - Safety 安全（权重20%） 核心问题：如果错了，你会损失多少？风控到位吗？
T - Timing 时机（权重15%） 核心问题：为什么是现在？周期位置对吗？
第五步：决策阈值判断 综合评分后，系统给出决策建议： - 总分 >= 7.0 → STRONG_CONFIDENCE（强烈推荐） - 总分 5.0-6.9 → CAUTIOUS（谨慎推荐） - 总分 3.0-4.9 → WAIT（建议等待） - 总分 < 3.0 → AVOID（应回避）
第六步：仓位计算 基于固定比例法计算最优仓位： calculate_position_size(capital, risk_per_trade_pct, entry_price, stop_loss_price, max_position_pct) 公式：可买股数 = (总资产 x 单笔风险%) / |入场价 - 止损价|
第七步：风控合规检查 交易前检查是否违反预设的风控规则： check_risk_compliance() 默认规则：单票最大仓位20%、单行业最大仓位40%、单笔硬止损8%、最低现金10%、单月交易不超过10次、最少持有5个交易日
第八步：生成可视化报告 生成交互式HTML报告： - 投资仪表盘：资产配置饼图、盈亏统计、风控合规状态 - 决策报告：INVEST六维雷达图、详细评分、投资论点 - 复盘报告：决策历史、胜率统计、评分与结果关联分析
【代码模板】
Python调用示例：
from scripts.decision import evaluate_decision, calculate_position_size from scripts.report import generate_dashboard_html, save_report
评估买入决策
scores = { 'intent_score': 7, # 意图 'numbers_score': 6, # 数字 'value_score': 8, # 价值 'edge_score': 5, # 优势 'safety_score': 7, # 安全 'timing_score': 6 # 时机 } result = evaluate_decision(scores) print(result['total_score']) # 6.4 print(result['recommendation']) # CAUTIOUS计算仓位
sizing = calculate_position_size( capital=100000, # 可用资金10万 risk_per_trade_pct=2, # 单笔最大风险2% entry_price=50, # 计划入场价50元 stop_loss_price=46, # 止损价46元 max_position_pct=20 # 单票最大仓位20% ) print(sizing['shares']) # 可买股数 print(sizing['position_value']) # 买入金额生成投资仪表盘
html = generate_dashboard_html() path = save_report(html, 'dashboard.html')【复盘要点】
1. 决策质量不等于结果质量：好决策可能亏损，坏决策可能盈利，复盘时要区分两者 2. 纪律大于预测：系统的核心价值是帮助建立和执行投资纪律，而非准确预测市场 3. 评分是主观的：INVEST框架的价值在于强制结构化思考，而非绝对准确的评分 4. 不替代专业工具：行情数据需要用户提供或通过联网搜索获取 5. 不提供投资建议：只提供决策框架，所有投资决策由用户自行负责 6. 定期复盘：查看评分与结果的关联模式，针对低分但盈利的决策讨论运气vs能力，针对高分但亏损的决策分析出错原因
来源：ClawHub https://clawhub.ai/bettermen/investment-decision-system