cuFOLIO 投资组合优化技能
用 NVIDIA GPU 进行 CVaR 投资组合优化与回测。
文档明确限制为 cuOpt GPU、禁止 CPU 回退，要求下载前征得用户确认，验证数据与约束，并报告缺失运行时；未见凭据窃取、恶意外传或破坏性默认行为。扣分原因是会访问网络并写入数据文件，缺少金融高风险免责声明、执行前全面确认、数据流/依赖来源审计和回滚说明。
提供了较具体的 API 形状、输入校验、求解器检查和异常反馈，包括缺少 GPU、数据不足、约束不可行等情况；静态证据不足以证明实际可运行。扣分原因是依赖特定 CUDA/cuOpt/cuML 环境，版本兼容性和关键路径测试覆盖未在所给文件中得到充分证明；按静态上限不超过10分。
触发语句、适用任务和明确不适用的车辆路径、预测、通用金融摘要等范围较清楚，也涵盖自定义 CSV、前沿、回测和再平衡。扣分原因是仅有英文指导，未明确中文交互输出；核心功能依赖 NVIDIA GPU、cuOpt/cuML 和首次网络数据下载，面向中国用户的可达性与替代路径证据不足。
SKILL.md 结构完整，包含目的、触发条件、前置条件、安装、默认值、API、示例、限制和故障排查；有 Apache-2.0、作者、版本 25.10、评估文件和维护来源线索。扣分原因是缺少明确的变更日志、稳定 API/依赖版本矩阵、独立维护责任人与升级承诺，且 skill-card 的 Markdown 输出描述不完全覆盖实际结构化结果要求。
技能明确覆盖 Mean-CVaR 优化、有效前沿、权重表、回测和再平衡，并规定可直接消费的字段与报告内容；BENCHMARK 记录了正确性和发现性评估结果。扣分原因是静态审查不能验证实际数值、图表或回测是否可直接使用，且报告中的效果分数为44%至46%，显示实际收益和可替代性证据有限；按静态上限不超过7分。
存在固定评估数据、预期行为、参考工作流、提交的 BENCHMARK 和静态验证摘要，提供了一定可审计线索。扣分原因是没有原始运行日志、独立复现结果或完整关键路径测试证据，评估结论主要是报告性材料；按静态上限不超过5分。
- 该技能仅提供量化分析与组合建议指导，不应被视为投资建议；文档未覆盖适当性、监管、交易确认或实时行情风险。
- 核心流程需要 NVIDIA GPU、cuOpt/cuML 和可能的海外网络数据下载；CPU-only 或网络受限环境只能报告无法运行，不能生成有效结果。
- 默认 S&P 500 数据是历史快照，可能缺少当前成分；首次下载、用户 CSV、日期范围和缺失股票应由用户明确确认并复核。
- 静态材料未提供完整原始运行日志或关键路径测试结果，BENCHMARK 的效果结论应在目标环境中重新验证。
这个 Skill 能做什么，适合哪些场景？
cuFOLIO 面向股票投资组合的构建、优化、分析、回测和再平衡。它使用 Mean-CVaR 方法控制下行风险，并通过 GPU KDE 生成情景、使用 NVIDIA cuOpt 求解配置。技能支持有效前沿、风险厌恶系数权重表、基准比较和定期或漂移触发再平衡。它要求 NVIDIA GPU、cuOpt、cuML 和已安装 cufolio 的 Python 环境。
读取默认的 data/stock_data/sp500.csv 或经过验证的用户 CSV，按日期和股票代码筛选价格数据，计算对数收益，使用 GPU KDE 生成 CVaR 情景，并通过 cvxpy 的 CUOPT/PDLP 求解 Mean-CVaR 配置。它可输出按配置排序的权重、现金权重、预期收益和 CVaR，生成有效前沿与风险厌恶系数表，使用等权组合进行回测，并运行再平衡流程。
- 希望控制下行风险的投资者，用股票价格构建长期配置。
- 量化研究员，在给定股票池上绘制 25 点有效前沿。
- 投资组合经理，按权重上限、风险偏好或置信水平比较配置方案。
- 研究人员，将优化组合与相同股票池的等权基准进行历史回测。
- 需要按月或按漂移阈值调整持仓的用户。
这个 Skill 有哪些优点和局限？
- 覆盖优化、有效前沿、回测和再平衡等完整组合工作流。
- 明确使用 Mean-CVaR 控制下行风险，并支持权重、现金、风险厌恶和置信度约束。
- 使用 NVIDIA GPU KDE 与 cuOpt/PDLP，输出包含运行证据的报告结果。
- 支持默认 S&P 500、S&P 100、Dow 30 数据集及用户价格 CSV。
- 必须具备 NVIDIA GPU、cuOpt、cuML、匹配 CUDA 环境和 cvxpy 的 CUOPT 支持。
- CPU-only 环境无法产生有效的 cuOpt 求解结果。
- 默认 S&P 500 文件是历史快照，可能不含当前成分股。
- 首次下载价格数据需要网络访问和用户确认；源材料未提供独立测试套件证据。
如何安装这个 Skill？
使用仓库 README 支持的 skills CLI 安装：npx skills add nvidia/skills --skill cufolio --yes。也可以安装到 Codex：npx skills add nvidia/skills --skill cufolio --agent codex --yes。README 没有给出单独安装 cufolio Python 包的命令；SKILL.md 要求使用已安装的 cufolio 环境，并安装匹配主机的 CUDA extra。
如何使用这个 Skill？
安装后，用明确请求触发，例如“用这些股票构建 CVaR 投资组合”“绘制有效前沿”或“对该配置进行月度再平衡”。执行前应确认默认数据、日期范围、风险厌恶系数 1.0、置信度 0.95、长仓约束、GPU KDE 和 cuOpt GPU 求解器。若默认 CSV 缺失，必须先征得确认再下载公开 S&P 500 数据；若缺少 cuOpt GPU 运行时，只能报告环境缺失，不能改用 CPU 求解器。
这个 Skill 与同类方案有什么区别？
与通用 CPU 投资组合代码或 CLARABEL、SCS、ECOS 等 CPU 求解器不同，cuFOLIO 明确要求 NVIDIA cuOpt GPU，不能自动回退到这些求解器。