---
name: stress-test
description: "ポートフォリオのストレステスト。保有銘柄リストを受け取り、ショック感応度・シナリオ分析・因果連鎖を通じてPFの弱点を特定する。"
argument-hint: "[銘柄リスト] [--scenario SCENARIO]  例: 7203.T,AAPL,D05.SI --scenario トリプル安"
allowed-tools: Bash(python3 *)
---

# ポートフォリオ ストレステスト スキル

$ARGUMENTS を解析してポートフォリオ銘柄リストとシナリオを判定し、以下のコマンドを実行してください。

## 実行コマンド

```bash
python3 /Users/kikuchihiroyuki/stock-skills/.claude/skills/stress-test/scripts/run_stress_test.py --portfolio <symbols> [--scenario <scenario>] [--weights <weights>]
```

## 自然言語ルーティング

自然言語→スキル判定は [.claude/rules/intent-routing.md](../../rules/intent-routing.md) を参照。

## 引数の解釈ルール

### portfolio（銘柄リスト・必須）
ユーザーの入力からカンマ区切りの銘柄リストを抽出する。スペース区切りで指定された場合もカンマ区切りに変換する。

| ユーザー入力例 | --portfolio 値 |
|:-------------|:-------------|
| `7203.T,AAPL,D05.SI` | `7203.T,AAPL,D05.SI` |
| `7203.T AAPL D05.SI` | `7203.T,AAPL,D05.SI` |
| `トヨタ アップル` | 対応するティッカーに変換してから指定 |

### weights（保有比率・省略可）
カンマ区切りの比率リスト。銘柄数と同じ数だけ指定する。省略時は等分（各銘柄 1/N）。

| ユーザー入力例 | --weights 値 |
|:-------------|:------------|
| `0.5,0.3,0.2` | `0.5,0.3,0.2` |
| `50%,30%,20%` | `0.5,0.3,0.2`（パーセントをデシマルに変換） |
| 省略 | 各銘柄 1/N で等分 |

## シナリオ一覧

| シナリオ | 概要 |
|:--------|:-----|
| トリプル安 | 株式・為替・債券が同時下落。全資産クラスにストレス |
| ドル高円安 | 円が急落。輸入コスト増加、海外資産は円建て評価上昇 |
| 米国リセッション | 米国景気後退。グローバル需要減退、リスクオフ |
| 日銀利上げ | 日本の金利上昇。銀行株上昇、成長株・REIT下落 |
| 米中対立 | 貿易摩擦激化。サプライチェーン分断、半導体・製造業に打撃 |
| インフレ再燃 | 物価再上昇。実質購買力低下、金利引き上げ観測 |
| テック暴落 | NASDAQ -30%。AI期待剥落、テック株直撃、質への逃避 |
| 円高ドル安 | USD/JPY -20円。外貨資産の円建て評価下落、輸出企業に打撃 |
| カスタム | ユーザー指定のシナリオを自然言語で解釈 |

## 出力形式（10ステップ パイプライン）

結果は以下のステップで構造化して表示してください。

### Step 1: ポートフォリオ概要
- 銘柄一覧（シンボル・名称・セクター・比率）
- 総時価総額（推定）

### Step 2: 集中度分析
- セクターHHI / 地域HHI / 通貨HHI
- 最大集中軸の特定
- リスクレベル判定（分散 / やや集中 / 危険な集中）

### Step 3: ショック感応度スコア
- 各銘柄のベータ・財務健全性・バリュエーション耐性の評価
- 銘柄別ショック感応度スコア（0-100）

### Step 4: シナリオ定義
- 適用シナリオ名と概要
- マクロ変数の変化（金利・為替・株式市場の想定変動）

### Step 5: 銘柄別インパクト推定
- 各銘柄の推定損失率
- 集中度倍率の適用
- ポートフォリオ加重インパクト

### Step 6: ポートフォリオ全体インパクト
- PF全体の推定損失率
- 最大損失銘柄

### Step 6b: 相関分析（KIK-352）
- 銘柄間相関行列（ピアソン相関、過去1年日次リターン）
- 高相関ペア（|r| >= 0.7）の検出
- ファクター分解: 各銘柄をマクロ変数（USD/JPY, 日経225, S&P500, 原油, 米10年金利）で回帰
- **LLM解釈**: ファクター回帰で説明しきれない残差相関について、業界知識で原因を推測して補足する（例: サプライチェーン依存、同一顧客基盤等）。「確定要因（統計）」と「推定要因（推測）」を明確に分離して表示すること

### Step 6c: VaR（過去データベースのリスク指標）（KIK-352）
- 過去1年の日次リターンからポートフォリオの加重リターンを算出
- 95% VaR / 99% VaR（日次・月次）
- ストレステストのシナリオ分析（テールリスク）との違いを説明すること

### Step 7: 因果連鎖分析
- シナリオ発生時の連鎖的影響の説明
- セクター間波及パス

### Step 8: 総合判定 + 推奨アクション（KIK-352）
- リスク軽減のための具体的提案（ルールベース自動生成 + Claude補足）
- 集中度・相関・VaR・ストレステスト結果を統合した推奨
- ヘッジ候補銘柄・セクター
- **LLM補完**: ルールベースの推奨に加えて、ポートフォリオにないセクターの候補提示、相関の定性的原因を踏まえた分散先の提案をClaudeが補足すること

## 実行例

```bash
# 基本的なストレステスト（シナリオ自動判定）
python3 .../run_stress_test.py --portfolio 7203.T,AAPL,D05.SI

# トリプル安シナリオ
python3 .../run_stress_test.py --portfolio 7203.T,9984.T,6758.T --scenario トリプル安

# 比率指定
python3 .../run_stress_test.py --portfolio 7203.T,AAPL,D05.SI --weights 0.5,0.3,0.2

# カスタムシナリオ
python3 .../run_stress_test.py --portfolio 7203.T,AAPL --scenario "半導体サプライチェーン崩壊"
```