Communitygithub.com

diegosouzapw/awesome-omni-skill

Erkennen und Erklären von Risikoverschiebungen in Kreditportfolios im Zeitverlauf mittels Jahrgangsanalyse, Migrationsmatrizen und Konzentrationskennzahlen. Einsetzbar bei der Überwachung der Kreditqualitätstrends, der Erstellung von Risikoberichten für den Vorstand, der Durchführung von Stresstests oder wenn Risikokennzahlen von den Risikoappetit-Schwellenwerten abweichen.

Was ist awesome-omni-skill?

Dieses Skill ermöglicht eine systematische Überwachung und Quantifizierung von Veränderungen des Risikoprofils eines Kreditportfolios über die Zeit. Es kombiniert Jahrgangsanalyse (Vintage Analysis), Kreditmigrationsmatrizen, Konzentrationsverfolgung und Frühwarnindikatoren, um Risikoabweichungen zu erkennen, bevor tatsächliche Verluste eintreten. Eingesetzt wird es für vierteljährliche Risikoberichte, die Analyse der Neugeschäftsqualität, die Überwachung von Konzentrationsgrenzen (z. B. geografisch, branchenbezogen) und die Bewertung der Auswirkungen von Kreditrichtlinienänderungen. Das Skill unterstützt Finanzinstitute wie Banken und Kreditgenossenschaften und liefert eine umfassende Zerlegung der Ursachen von Risikoverschiebungen, inklusive Empfehlungen für das Portfoliomanagement-Komitee. Die Methodik umfasst sieben Schritte: von der Jahrgangskurven-Analyse über die Migrationsmatrix-Erstellung, Konzentrationsverfolgung, Frühwarnindikatoren-Dashboard, Ursachenanalyse, Stresstest-Überlagerung bis hin zur Berichterstellung mit Ampelsystem und Handlungsempfehlungen. Die Ausgabe erfolgt als strukturierter Bericht mit Tabellen zu Risikokennzahlen, Jahrgangsanalysen, Migrationszusammenfassungen und priorisierten Maßnahmen, basierend auf mindestens 12 Quartalen historischer Daten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/diegosouzapw/awesome-omni-skill/tree/HEAD/skills/development/portfolio-risk-drift-detection

In Ihrer bevorzugten KI fragen

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

Dokumentation

Portfolio Risikoverschiebungserkennung

Überblick

Überwachen und quantifizieren Sie Veränderungen des Risikoprofils eines Kreditportfolios im Zeitverlauf. Dieses Skill wendet Jahrgangsanalyse, Kreditmigrationsmatrizen, Konzentrationsverfolgung und Frühwarnindikatoren an, um Abweichungen vom Risikoappetit des Instituts zu erkennen, bevor Verluste eintreten. Die Ergebnisse umfassen eine Trendzerlegung, eine Zuordnung der Treiber von Risikoverschiebungen und umsetzbare Empfehlungen für Portfoliomanagement-Ausschüsse.

Wann verwendet werden

  • Vierteljährliche Portfolio-Risikoberichterstattung an den Vorstand und Risikoausschüsse
  • Erkennung von Verschlechterungen der Neugeschäftsqualität über verschiedene Jahrgänge hinweg
  • Überwachung von Konzentrationsgrenzüberschreitungen (Geografie, Branche, Kreditnehmer)
  • Stresstests der Portfolio-Resilienz unter adversen Szenarien
  • Bewertung der Auswirkungen von Kreditrichtlinienänderungen auf die Portfoliozusammensetzung
  • Reaktion auf Frühwarnsignale aus Verzugs- oder Migrationstrends

Erforderliche Eingaben

EingabeBeschreibungFormat
KreditdateiVollständiges Portfolio mit Ursprungs- und LeistungsdatenKreditnehmerebene-Extrakt
Jahrgangs-TagsUrsprungsquartal/-jahr für jeden KreditDatumsfeld
RisikobewertungenInterne Risikostufen oder PD-BänderBewertungsskala
LeistungsdatenVerzugsstatus, Abschreibungen, ÄnderungenMonatliche Schnappschüsse
RisikoappetitVom Vorstand genehmigte Limits und SchwellenwerteRichtliniendokument
MakroindikatorenArbeitslosigkeit, HPI, BIP, ZinsprognosenWirtschaftsdatenfeed

Methodik

Schritt 1 — Jahrgangskurven-Analyse

Erstellen Sie kumulative Ausfall- und Verlustkurven nach Ursprungsjahrgang:

  • Zeichnen Sie die kumulative Nettoabschreibungsrate (NCO) nach Monaten im Bestand für jeden Jahrgang auf
  • Vergleichen Sie aktuelle Jahrgänge mit etablierten Benchmarks zu äquivalenten Alterspunkten
  • Berechnen Sie den Jahrgangsabweichungsindex: Verhältnis der aktuellen Jahrgangs-NCO zur Benchmark-NCO zum gleichen Monat im Bestand
  • Markieren Sie Jahrgänge, bei denen der Abweichungsindex 1,2 überschreitet (20% schlechter als Benchmark)
  • Zerlegen Sie Abweichungen in Volumeneffekt (Mischverschiebung) vs. Rateneffekt (Qualitätsverschiebung)

Schritt 2 — Erstellung der Kreditmigrationsmatrix

Erstellen Sie Übergangsmatrizen, die die Ratingbewegungen zwischen Perioden zeigen:

  • Erstellen Sie eine NxN-Migrationsmatrix für jeden Berichtszeitraum (vierteljährlich empfohlen)
  • Berechnen Sie die Aufwertungsrate, Abwertungsrate und Stabilitätsrate für jede Note
  • Berechnen Sie den gewichteten durchschnittlichen Migrationsscore (WAMS): positiv = Portfolioaufwertung, negativ = Portfolioabwertung
  • Vergleichen Sie aktuelle Migrationsmuster mit historischen Normen (3-Jahres-, 5-Jahres-Durchschnitte)
  • Identifizieren Sie Noten mit abnormaler Abwertungsgeschwindigkeit (>1,5x historische Rate)

Schritt 3 — Konzentrationsverschiebungsverfolgung

Überwachen Sie die Portfolio-Konzentration über Schlüsseldimensionen:

  • Geografisch: Exposure nach Bundesstaat/MSA im Vergleich zu Limits
  • Branche/Sektor: NAICS-Code-Konzentration vs. Diversifikationsziele
  • Kreditnehmergröße: Einzelnamen-Konzentration und Top-10/Top-25-Exposure
  • Produktmix: Fest vs. variabel, besichert vs. unbesichert, befristet vs. revolvierend
  • Risikostufenverteilung: Prozentsatz in Pass, Watch, Substandard, Doubtful

Berechnen Sie den Herfindahl-Hirschman-Index (HHI) für jede Dimension und verfolgen Sie den Trend. Markieren Sie jede Dimension, in der der HHI um >10% im Quartalsvergleich steigt oder die Richtlinienlimite überschreitet.

Schritt 4 — Frühwarnindikatoren-Dashboard

Berechnen und verfolgen Sie die folgenden Frühindikatoren:

  • 30-Tage-Verzugsrate nach Jahrgang und Produkt (frühestes Signal)
  • Roll-Rate-Analyse: Wahrscheinlichkeit des Übergangs von aktuell → 30 DPD → 60 DPD → 90 DPD → Abschreibung
  • Wahrscheinlichkeit des Ausfalls (PD)-Migration: Gewichtete durchschnittliche PD des Portfolios im Vergleich zu Vorperioden
  • Verlustquote bei Ausfall (LGD)-Trend: Wiederherstellungsraten bei realisierten Ausfällen
  • Erwartete Kreditverluste (ECL) unter CECL/IFRS 9: Bewegung der Lebenszyklusverlustschätzung
  • Kritisierte Vermögensquote: Klassifizierte + Sondererwähnung als Prozentsatz der gesamten Kredite

Schritt 5 — Ursachenanalyse

Zerlegen Sie beobachtete Risikoverschiebungen in Grundursachen:

  • Neugeschäftsqualität: Sind Neubuchungen risikoreicher als historische Durchschnitte?
  • Alterungseffekt: Entwickeln sich ältere Kredite wie erwartet in ihrem Alter?
  • Wirtschaftliches Umfeld: Können makroökonomische Faktoren die beobachtete Migration erklären?
  • Richtlinienänderungen: Haben kürzliche Kreditrichtlinienänderungen das Risikoprofil verändert?
  • Portfolioabfluss: Sind Tilgungen in risikoärmeren Segmenten konzentriert, wodurch ein riskanteres Restportfolio zurückbleibt?

Verwenden Sie einen Zerlegungsrahmen: Gesamte Risikoverschiebung = Ursprungseffekt + Alterungseffekt + Wirtschaftseffekt + Mischeffekt + Rest

Schritt 6 — Stresstest-Überlagerung

Projizieren Sie die Portfolio-Performance unter Stress:

  • Wenden Sie regulatorische Stressszenarien (CCAR schwerwiegend negativ) auf das aktuelle Portfolio an
  • Berechnen Sie gestresste PD, LGD und ECL unter jedem Szenario
  • Vergleichen Sie gestresste Verluste mit Kapitalpuffern und Kreditverlustreserven
  • Bewerten Sie, ob beobachtete Risikoverschiebungen die Anfälligkeit für Stress erhöht haben
  • Quantifizieren Sie das zusätzliche Kapital, das erforderlich ist, wenn die Risikoverschiebung im aktuellen Trend fortgesetzt wird

Schritt 7 — Berichterstellung und Empfehlungen

Erstellen Sie einen umfassenden Verschiebungsbericht mit:

  • Portfolio-Risiko-Dashboard mit Ampel-Indikatoren
  • Trenddiagramme für alle Schlüsselkennzahlen (mindestens 12 Quartale Horizont)
  • Spezifische Verschiebungsergebnisse mit Ursachenzuordnung
  • Vergleich mit Risikoappetit-Schwellenwerten (innerhalb / sich annähernd / überschritten)
  • Empfohlene Managementmaßnahmen (Neugeschäft verschärfen, Reserven erhöhen, Absicherung)

Ausgabespezifikation

## Portfolio-Risikoverschiebungsbericht — [Zeitraum]

### Risiko-Dashboard
| Kennzahl | Aktuell | Vorquartal | Veränderung zum Vorjahr | Appetit-Limit | Status |
|----------|---------|------------|-------------------------|---------------|--------|
| WA PD | X,XX% | X,XX% | +/- X Bp | X,XX% | [G/G/R] |
| WA LGD | XX,X% | XX,X% | +/- X Pp | XX,X% | [G/G/R] |
| NCO-Rate | X,XX% | X,XX% | +/- X Bp | X,XX% | [G/G/R] |
| 30+ DPD | X,XX% | X,XX% | +/- X Bp | X,XX% | [G/G/R] |
| HHI (Geo) | X.XXX | X.XXX | +/- XXX | X.XXX | [G/G/R] |
| Kritisierte Quote | X,XX% | X,XX% | +/- X Bp | X,XX% | [G/G/R] |

### Jahrgangsanalyse
- Schlechtester Jahrgang: [Quartal] — [X]% über Benchmark bei [N] MoB
- Jahrgänge unter Beobachtung: [Liste]

### Migrationszusammenfassung
- Gewichteter durchschnittlicher Migrationsscore: [X,XX] (negativ = verschlechternd)
- Noten mit erhöhter Abwertungsgeschwindigkeit: [Liste]

### Ursachenzuordnung
- Neugeschäftsqualität: [X]% der gesamten Verschiebung
- Wirtschaftliches Umfeld: [X]% der gesamten Verschiebung
- Misch-/Abflusseffekt: [X]% der gesamten Verschiebung
- Auswirkung von Richtlinienänderungen: [X]% der gesamten Verschiebung

### Stresstest-Auswirkung
- Basisszenario ECL: $[X]M
- Schwerwiegend negativ ECL: $[X]M (+[X]%)
- Kapitaladäquanz unter Stress: [Ausreichend / Grenzwertig / Unzureichend]

### Empfehlungen
1. [Maßnahme — verantwortliche Partei — Zeitrahmen]
2. [Maßnahme — verantwortliche Partei — Zeitrahmen]
3. [Maßnahme — verantwortliche Partei — Zeitrahmen]

Analyserahmen

Wenden Sie das VMIC-Framework an:

  • Vintage (Jahrgang) — Vergleichen Sie Kohorten-Performance-Kurven mit Benchmarks
  • Migration — Verfolgen Sie Kreditnoten-Übergänge für gerichtete Verschiebungen
  • Indicators (Indikatoren) — Überwachen Sie führende Verzugs- und Verlustsignale
  • Concentration (Konzentration) — Messen Sie Diversifikationsänderungen über Dimensionen

Beispiele

Beispiel 1 — Verschlechterung der Neugeschäftsqualität

Ergebnis: Q3 2025-Jahrgang Autokredite zeigt 30-Tage-Verzugsquote von 4,2% bei 6 MoB vs. 2,8% Benchmark (Abweichungsindex: 1,50). Ursachenzuordnung: 68% Neugeschäftsqualität (durchschnittlicher FICO um 22 Punkte nach Richtlinienänderung gesunken), 32% wirtschaftlich (regionaler Arbeitslosigkeitsanstieg). Empfehlung: Mindest-FICO auf den Wert vor der Änderung zurücksetzen, geografische Risikoüberlagerung für betroffene MSAs anwenden.

Beispiel 2 — Konzentrationsüberschreitung

Ergebnis: CRE-Büro-Exposure erreichte 342% des Kernkapitals (Limit: 300%). HHI für Sektorkonzentration stieg um 18% QoQ. Die Migrationsmatrix zeigt, dass 12% der CRE-Bürokredite im Quartal herabgestuft wurden (historische Norm: 4%). Empfehlung: Neue CRE-Büro-Ursprünge pausieren, Workout für substandard Credits beschleunigen, Sanierungsplan dem Vorstand innerhalb von 30 Tagen vorlegen.

Richtlinien

  • Verwenden Sie mindestens 12 Quartale historischer Daten für Trendanalyse und Benchmark-Erstellung
  • Wenden Sie sowohl absolute Schwellenwerte als auch Änderungsratenauslöser für Frühwarnungen an
  • Trennen Sie Portfolio-Verschiebung von erwarteten Alterungsmustern mithilfe altersbereinigter Kennzahlen
  • Validieren Sie Jahrgangskurven gegen tatsächliche Verlustentstehung, bevor Sie sie als Benchmarks verwenden
  • Koordinieren Sie Ergebnisse mit ALCO, Kreditrisikoausschuss und Finanzabteilung (Reserveadäquanz)
  • Präsentieren Sie Migrationsmatrizen auf individueller Notenebene, nicht aggregiert bestanden/nicht bestanden
  • Dokumentieren Sie alle Datenquellen, Ausschlüsse und Methodikannahmen

Validierungs-Checkliste

  • Jahrgangskurven sind altersbereinigt für fairen Vergleich zwischen Kohorten
  • Migrationsmatrizen sind vollständig (alle Noten vertreten, Zeilen summieren sich auf 100%)
  • Konzentrationskennzahlen spiegeln aktuelle ausstehende Beträge wider, nicht nur Zusagen
  • Frühwarnindikatoren verwenden konsistente Definitionen über Perioden hinweg
  • Ursachenanalyse berücksichtigt alle wesentlichen Treiber von Risikoverschiebungen
  • Stressszenarien sind aktuell (abgestimmt mit neuester CCAR/DFAST-Leitlinie)
  • Risikoappetit-Schwellenwerte spiegeln vom Vorstand genehmigte Limits wider, keine informellen Ziele
  • Bericht enthält sowohl quantitative Kennzahlen als auch narrativen Kontext
  • Datenqualitätsprobleme werden offengelegt und ihre Auswirkungen auf Schlussfolgerungen bewertet
  • Empfehlungen sind nach Dringlichkeit und erwarteter Wirkung priorisiert

Individual skills in this repo

This repo contains 17 individual skills — each has its own dedicated page.

diegosouzapw/awesome-omni-skill

Build a GitHub portfolio that gets you hired — curate 3-5 polished projects, craft compelling READMEs, deploy live demos, tell a coherent story across your repos, and align everything to AI-native development roles. Use when preparing your GitHub for job searches, deciding what to pin, or auditing your public presence.

diegosouzapw/awesome-omni-skill

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

diegosouzapw/awesome-omni-skill

Factor modeling and portfolio construction (Markowitz, Black-Litterman, constraints, turnover).

diegosouzapw/awesome-omni-skill

Analyze the CustomGPT.ai Labs Innovation workbook and cost tracking data to surface portfolio-level insights, trends, and recommendations for where to focus Innovation efforts.

diegosouzapw/awesome-omni-skill

Optimize project portfolio selection under constraints using mathematical optimization

diegosouzapw/awesome-omni-skill

Rapidly build, prototype, and deploy full-stack software using AI "text-to-app" tools. Use this when you need to create a greenfield application, build a high-fidelity working prototype for user testing, or bypass traditional engineering bottlenecks for internal tools.

diegosouzapw/awesome-omni-skill

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios,...

diegosouzapw/awesome-omni-skill

Minimalist, typography-focused portfolio design system inspired by neo-brutalist and Swiss design principles. Emphasizes bold typography, generous whitespace, monochromatic color schemes, and elegant simplicity for developer/designer portfolios.

diegosouzapw/awesome-omni-skill

Review UI code for Web Interface Guidelines compliance. Use when asked to "review my UI", "check accessibility", "audit design", "review UX", or "check my site against best practices".

diegosouzapw/awesome-omni-skill

High-converting landing pages. Copy + design + implementation. Triggers: landing page, conversion page.

diegosouzapw/awesome-omni-skill

Portfolio allocation and rebalancing optimizer. Manages asset allocation across stocks/cash/bonds, performs periodic rebalancing, and ensures diversification according to market regime and risk tolerance.

diegosouzapw/awesome-omni-skill

Review UI code for Web Interface Guidelines compliance. Use when asked to "review my UI", "check accessibility", "audit design", "review UX", or "check my site against best practices".

diegosouzapw/awesome-omni-skill

Review UI code for Web Interface Guidelines compliance. Use when asked to "review my UI", "check accessibility", "audit design", "review UX", or "check my site against best practices".

diegosouzapw/awesome-omni-skill

Index-based file discovery using ABOUTME headers. Use INSTEAD of grep or Explore agent when searching for files by purpose or feature. Faster and more accurate than scanning code. Invoke this skill when user asks "which files handle X", "where is Y implemented", or when you need to find files related to a feature or task.

diegosouzapw/awesome-omni-skill

Index-based file discovery using ABOUTME headers. Use INSTEAD of grep or Explore agent when searching for files by purpose or feature. Faster and more accurate than scanning code. Invoke this skill when user asks "which files handle X", "where is Y implemented", or when you need to find files related to a feature or task.

diegosouzapw/awesome-omni-skill

Automate Klipfolio tasks via Rube MCP (Composio). Always search tools first for current schemas.

diegosouzapw/service-website-generator

Orchestrates automated service-based website generation with local SEO optimization. Creates 200+ service+location pages using parallel agents, Unsplash images via Jina AI, NextJS with dynamic routing, and PostgreSQL database. Use when building service business websites (plumbers, electricians, pressure washing, HVAC, etc.) targeting multiple locations.

Verwandte Skills