Communitygithub.com

Mr-Nobody-Anonymous/All-skills

Erstellt Mean-Variance-, Black-Litterman- und Risk-Parity-Optimierungsmodelle mit Nebenbedingungsmanagement und Rebalancing-Regeln. Verwenden Sie dies zur Optimierung von Portfolios, zur Implementierung von Risk Parity oder zur Anwendung von Black-Litterman-Ansichten.

Was ist All-skills?

Dieses Skill automatisiert die Portfoliooptimierung mit drei modernen Frameworks: Mean-Variance (Markowitz), Black-Litterman und Risk Parity / Equal Risk Contribution. Es ist für den Einsatz in Multi-Asset- oder Multi-Faktor-Portfolios konzipiert und ermöglicht die Integration subjektiver Markteinschätzungen, die Definition komplexer Nebenbedingungen (z. B. Positionslimits, Sektorobergrenzen, Umsatzbudgets) sowie die Implementierung regelbasierter Rebalancing-Strategien. Der Workflow umfasst die Auswahl des Optimierungsrahmens, die Bereinigung und Schätzung von Eingabedaten (Renditen, Kovarianzmatrix), die Formulierung und Lösung des Optimierungsproblems (mit QP oder SLSQP), die Analyse der Ergebnisse (Risikodekomposition, Sensitivitätsanalyse) und die Definition eines Rebalancing-Protokolls. Das Skill stellt sicher, dass alle Modelle reproduzierbar und auditierbar sind, indem es eine vollständige Modelldokumentation mit Annahmenregister, Datenquellen und Parameterbegründung erfordert.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Mr-Nobody-Anonymous/All-skills/tree/HEAD/awesome_skills/legal/modeling-portfolio-optimization

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Portfoliooptimierung modellieren

Erstellt Mean-Variance-, Black-Litterman- und Risk-Parity-Optimierungsmodelle mit Nebenbedingungsmanagement und Rebalancing-Regeln.

Wann verwenden

  • Aufbau oder Neugewichtung eines Multi-Asset- oder Multi-Faktor-Portfolios basierend auf einem Risiko-/Ertragsziel
  • Integration subjektiver Markteinschätzungen in die Gleichgewichtsgewichte mittels Black-Litterman
  • Implementierung von Risk Parity oder gleichem Risikobeitrag über Anlageklassen oder Faktoren
  • Bewertung von Nebenbedingungen (Positionslimits, Sektorobergrenzen, Umsatzbudgets) und deren Auswirkungen auf die Effizienzkurve
  • Stresstests von Portfolioallokationen unter Regimewechsel- oder Tail-Risk-Szenarien

Zu erfassende Eingaben

  • Rendite-Schätzungen: Historische Renditezeitreihen (Häufigkeit, Rückblickfenster, Asset-Universum) oder zukunftsgerichtete erwartete Renditen aus einem separaten Alpha-Modell
  • Kovarianz-/Risikomodell: Stichproben-Kovarianz, Schrumpfungs-Schätzer (Ledoit-Wolf), faktor-basiertes Risikomodell oder DCC-GARCH-Spezifikation – dokumentieren Sie, welches und warum
  • Benchmark oder Gleichgewichtsreferenz: Marktkapitalisierungsgewichte für Black-Litterman-implizite Renditen; Benchmark-Index, falls Tracking Error eine Nebenbedingung ist
  • Anlegeransichten (Black-Litterman): Absolute oder relative Ansichten, Konfidenzniveaus (Tau, Omega-Matrix-Kalibrierung)
  • Nebenbedingungen: Min-/Max-Positionsgrößen, Sektor-/Geographie-/Faktor-Exposure-Limits, Long-Only vs. Long-Short, Umsatzobergrenze, Transaktionskostenschätzungen
  • Risikobudget (Risk Parity): Ziel-Risikobeitrag pro Asset oder Faktor; Toleranz für marginalen Risikobeitrag
  • Rebalancing-Regeln: Kalenderbasiert (monatlich, vierteljährlich) vs. schwellenbasiert (Driftbänder), Steuerlos-Aspekte falls zutreffend

Workflow

  1. Optimierungsrahmen auswählen

    • Mean-Variance (Markowitz): Verwenden Sie dies, wenn Sie glaubwürdige erwartete Renditen haben und einen Punkt auf der Effizienzkurve ansteuern oder die Sharpe-Ratio maximieren möchten.
    • Black-Litterman: Verwenden Sie dies, wenn Sie von Gleichgewichtsgewichten (Marktkapitalisierung) ausgehen und diese mit ermessensabhängigen oder modellgesteuerten Ansichten kombinieren. Geben Sie Tau (Skalierungsfaktor für die Unsicherheit der Gleichgewichtsrenditen) an, konstruieren Sie die Pick-Matrix (P) und den View-Vektor (Q) mit konfidenzgewichteten Omega.
    • Risk Parity / Equal Risk Contribution: Verwenden Sie dies, wenn eine ausgewogene Risikoallokation ohne Rückgriff auf Renditeprognosen das Ziel ist. Lösen Sie nach Gewichten auf, bei denen der marginale Beitrag jedes Assets zur Portfoliovolatilität gleich ist (oder proportional zu einem Risikobudget).
  2. Eingaben vorbereiten

    • Renditezeitreihen bereinigen: Fehlende Daten, Überlebensverzerrung, Kapitalmaßnahmen behandeln. Rückblickzeitraum und Häufigkeit angeben.
    • Kovarianzmatrix schätzen. Für große Universen (>50 Assets) Schrumpfung oder Faktorzerlegung anwenden, um singuläre oder instabile Matrizen zu vermeiden. Eigenwert-Floor dokumentieren, falls regularisiert wird.
    • Für Black-Litterman: Implizite Gleichgewichtsrenditen ableiten (π = δΣw_mkt), dann mit Ansichten mittels BL-Formel kombinieren. Delta (Risikoaversionskoeffizient) Herleitung angeben.
  3. Formulieren und lösen

    • Zielfunktion definieren (z. B. maximiere w'μ − (λ/2)w'Σw für Mean-Variance; minimiere Σ(RC_i − RC_target)^2 für Risk Parity).
    • Alle Nebenbedingungen als lineare oder Kegel-Nebenbedingungen zweiter Ordnung für konvexe Löser kodieren.
    • Lösen mittels quadratischer Programmierung (Mean-Variance), sequentieller kleinster Quadrate (Risk Parity) oder Closed-Form BL-Posteriori.
    • Falls der Löser nicht konvergiert, die engste bindende Nebenbedingung schrittweise lockern und den Trade-off dokumentieren.
  4. Ergebnisse analysieren

    • Optimale Gewichte, erwartete Rendite, erwartete Volatilität, Sharpe-Ratio und maximalen Drawdown (historischer Backtest) berichten.
    • Risiko zerlegen: Beitrag nach Asset, nach Faktor, nach Sektor. Konzentrationsrisiken identifizieren.
    • Sensitivitätsanalyse durchführen: Erwartete Renditen um ±50–100 Bp verändern, Korrelationen um ±0.05–0.10 verschieben, Tau (BL) im Bereich 0.01–0.10 variieren. Gewichtsstabilität berichten.
    • Mit Benchmark oder aktuellem Portfolio vergleichen: Aktive Gewichte, Tracking Error, Information Ratio.
  5. Rebalancing-Protokoll definieren

    • Auslösemechanismus festlegen: Kalenderzeitplan oder Driftschwelle (z. B. neu ausbalancieren, wenn ein Gewicht >2% vom Ziel abweicht).
    • Transaktionskostenmodell (fix + proportional) in die Rebalancing-Entscheidung einbeziehen – nur neu ausbalancieren, wenn der erwartete Nutzengewinn die geschätzten Round-Trip-Kosten übersteigt.
    • Für steuersensitive Konten Steuerlos-Optimierung und Bewusstsein für kurzfristige vs. langfristige Gewinne anwenden. [PRÜFEN: Steuerlos-Regeln pro Rechtsordnung]
  6. Dokumentieren und liefern

    • Modell-Spezifikationsblatt erstellen: Ziel, Nebenbedingungen, Löser, Eingabequellen, Datumsbereich, Schlüsselparameter.
    • Annahmenregister mit expliziten Flaggen für jede geschätzte oder abgeleitete Eingabe beifügen.
    • Backtest-Ergebnisse mit angemessenen Einschränkungen anhängen (In-Sample vs. Out-of-Sample, Transaktionskostenannahmen, Look-Ahead-Bias-Prüfungen).

Ausgabe

  • Tabelle der optimalen Gewichte: Asset/Faktor, Zielgewicht, aktuelles Gewicht, Handelsrichtung, Positionsgröße
  • Risikodekomposition: Marginaler und prozentualer Risikobeitrag nach Asset, Faktor und Sektor
  • Diagramm der Effizienzkurve (Mean-Variance) oder Balkendiagramm des Risikobeitrags (Risk Parity)
  • Sensitivitätsmatrix: Gewichtsänderungen unter gestörten Eingaben (Renditen, Korrelationen, Tau)
  • Zusammenfassung der Rebalancing-Regeln: Auslöseart, Kostenschwelle, erwarteter jährlicher Umsatz
  • Modell-Spezifikationsblatt: Vollständige Parameterdokumentation für Reproduzierbarkeit und Prüfung

Qualitätsprüfungen

  • Gewichte summieren sich auf 1,0 (oder Ziel-Netto-Exposure bei Long-Short) und erfüllen alle angegebenen Nebenbedingungen
  • Kovarianzmatrix ist positiv semidefinit – prüfen, ob kleinster Eigenwert > 0 (oder Regularisierung angewendet)
  • Black-Litterman-Posteriori-Renditen liegen zwischen Gleichgewichtsrenditen und Ansichten – extreme Neigungen signalisieren Omega-Fehlkalibrierung
  • Risk-Parity-Lösung erreicht Risikobeiträge innerhalb der Toleranz (z. B. ±0,5% des Ziels) – falls nicht, Konvergenzproblem des Lösers kennzeichnen
  • Backtest-Sharpe-Ratio ist im Verhältnis zur Asset-Klassen-Historie plausibel – Verhältnisse über 2,0 für traditionelle Assets rechtfertigen Prüfung auf Overfitting
  • Kein einzelnes Asset überschreitet Konzentrationslimit; Sektor-/Faktor-Exposures innerhalb der Policy-Bänder
  • Transaktionskostenannahmen sind für die Anlageklasse und Handelsgröße realistisch [PRÜFEN: marktspezifische Geld-Brief-Spannen und Provisionspläne]
  • Alle Annahmen, Datenquellen und Parameterentscheidungen sind dokumentiert – keine „magischen Zahlen“ ohne Begründung

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

Mr-Nobody-Anonymous/All-skills

Build agency portfolios. TRIGGERS - Use when user needs help with agency-portfolio-builder related tasks.

Mr-Nobody-Anonymous/All-skills

Generate landing pages with AI. TRIGGERS - Use when user needs help with ai-landing-page-gen related tasks.

Mr-Nobody-Anonymous/All-skills

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

Mr-Nobody-Anonymous/All-skills

Review investment portfolios with rebalancing recommendations. TRIGGERS - Use when user needs help with investment-portfolio-review related tasks.

Mr-Nobody-Anonymous/All-skills

Create makeup artist portfolio guides. TRIGGERS - Use when user needs help with makeup-artist-portfolio related tasks.

Mr-Nobody-Anonymous/All-skills

Build freelance portfolios with case studies. TRIGGERS - Use when user needs help with freelance-portfolio-builder related tasks.

Mr-Nobody-Anonymous/All-skills

Structures secondary portfolio construction with vintage diversification, strategy mix, and geographic allocation optimization. Use when building secondary portfolios, managing allocation targets, or optimizing portfolio composition.

Mr-Nobody-Anonymous/All-skills

Optimize landing page copy for conversions. TRIGGERS - Use when user needs help with landing-page-optimizer related tasks.

Mr-Nobody-Anonymous/All-skills

Build copywriting portfolios. TRIGGERS - Use when user needs help with copywriting-portfolio related tasks.

Mr-Nobody-Anonymous/All-skills

Design cryptocurrency portfolio strategies. TRIGGERS - Use when user needs help with crypto-portfolio-strategy related tasks.

Mr-Nobody-Anonymous/All-skills

Build UX design portfolios. TRIGGERS - Use when user needs help with ux-portfolio-builder related tasks.

Mr-Nobody-Anonymous/All-skills

Design cloud landing zones. TRIGGERS - Use when user needs help with cloud-landing-zone related tasks.

Mr-Nobody-Anonymous/All-skills

Generate high-converting landing page copy with headlines, benefits, CTAs, and social proof. TRIGGERS - Use when user wants landing page copy, sales page content, or conversion-focused web copy.

Mr-Nobody-Anonymous/All-skills

Design portfolio assessment systems. TRIGGERS - Use when user needs help with portfolio-assessment related tasks.

Mr-Nobody-Anonymous/All-skills

Conducts portfolio performance measurement with benchmark comparison, attribution, and risk-adjusted metrics. Use when measuring portfolio performance, calculating Sharpe/Sortino ratios, or conducting performance attribution.

Mr-Nobody-Anonymous/All-skills

Builds strategic and tactical asset allocation models with risk-return optimization and constraint management. Use when constructing portfolios, optimizing asset allocation, or building model portfolios.

Mr-Nobody-Anonymous/All-skills

Creates client-facing portfolio reports with performance, allocation, commentary, and outlook. Use when producing client reports, preparing quarterly reviews, or creating portfolio summaries.

Mr-Nobody-Anonymous/All-skills

Design investment portfolios. TRIGGERS - Use when user needs help with investment-portfolio-design related tasks.

Mr-Nobody-Anonymous/All-skills

Plan investment portfolios. TRIGGERS - Use when user needs help with investment-portfolio-plan related tasks.

Mr-Nobody-Anonymous/All-skills

You are a Conversion Rate Optimization Strategist and Persuasive Content Specialist. Use this skill when the user wants to audit or improve a landing page, write conversion-focused copy, optimize CTAs, build an FAQ schema block, translate features into benefits, or maximize conversions on any specific page type. Activate when the user mentions "landing page," "sales page," "lead capture page," "squeeze page," "webinar sign-up page," "product launch page," "waitlist page," "early access page," "thank you page," "upsell page," "SaaS pricing page," "onboarding page," "ecommerce page," "audit this page," "improve conversions," "CTA optimization," "hero section," "headline rewrite," "subhead," "benefits section," "features to benefits," "FAQ schema," "schema FAQ," "trust elements," "page layout," "above the fold," "scroll order," "microcopy," "mobile-first copy," "landing page copy," "page flow," "drop-off," "weak CTA," "conversion copy," "page goal," "split test copy," "A/B test copy," or "wireframe suggestion...

Verwandte Skills