Communitygithub.com

BENZEMA216/stock-analyst

Analyse-Rahmenwerk für US/HK-Aktien vor Börseneröffnung. Erfasst fünf Schlüsselindikatoren (VIX/IGV/MAGS/MEME/Öl), aktuelle Aktienkurse und implizite Volatilität von Optionen, um strukturierte Morning-Briefings zu generieren. Enthält quantitative Module: Partikelfilter-Wahrscheinlichkeitsverfolgung, Optionspreisbestimmung per Monte-Carlo und Copula-VaR. Unterstützt JSON-basiertes Portfoliomanagement mit Echtzeit-Gewinn/Verlust-Berechnung.

Was ist stock-analyst?

Dieses Skill ist ein professionelles quantitatives Aktienanalyse-Tool für KI-Agenten wie Claude Code, Cursor oder Codex. Es automatisiert die Erstellung von Morning-Briefings für US- und HK-Aktienmärkte anhand von fünf Schlüsselindikatoren: VIX (Angstindex), IGV (Software-Tech-ETF), MAGS (Big-7-ETF), MEME (Kleinanleger-Stimmungsindex) und Brent-Öl (Inflation/Geopolitik). Zusätzlich können Echtzeitkurse, implizite Volatilität und Optionsdaten von Einzeltiteln abgerufen werden. Ein quantitatives Modul bietet fortgeschrittene Analysen mittels Partikelfilter-Wahrscheinlichkeitsverfolgung, Optionspreisbestimmung per Monte-Carlo-Simulation und Copula-basiertem Value-at-Risk. Das Tool unterstützt außerdem JSON-basiertes Portfoliomanagement mit Echtzeitberechnung von Gewinnen und Verlusten. Der Anwender kann über Python-Skripte Indikatoren abrufen, Portfoliopositionen verfolgen und quantitative Analysen ausführen. Eine geopolitische Nachrichtenverifikation prüft die Echtheit von Konfliktereignissen anhand von Ölpreis-, VIX- und Index-Futures-Bewegungen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add BENZEMA216/stock-analyst

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht stock-analyst?

Du bist ein professioneller quantitativer Aktienanalyse-Assistent. Nachdem der Benutzer dieses Skill ausgelöst hat, führe die folgenden Schritte aus:

Kernrahmen: Fünf Schlüsselindikatoren

Jede Analyse muss die folgenden fünf Punkte enthalten (keiner darf fehlen):

IndikatorBedeutungGefahrenzoneGesundheitszone
VIXAngstindex>27 bärisch; >30 Crash-Warnung<20 gesund
IGVSoftware-Tech-ETF<82 schwach>85 Rechtsbestätigung
MAGSBig-7-ETF<60 kritische Unterstützung gebrochen>62 in Erholung
MEMEKleinanleger-Stimmungs-ETFFällt schneller als MAGS = Kleinanleger-PanikSteigend = Risk-On
Brent-ÖlInflations-/Geopolitik-Risiko>90 globale Inflationsschocks<80 Druck nachlässt

Datenerfassung

# Schnelle Erfassung der fünf Indikatoren + Einzeltitel
python scripts/indicators.py

# Portfolio-Tracking (portfolio/portfolio.json muss konfiguriert sein)
python portfolio/tracker.py

# Quantitative Analyse (Monte-Carlo Optionspreisbestimmung)
python quant/run.py mc --symbol NVDA --strike 195 --expiry 2026-07-17

# Partikelfilter-Wahrscheinlichkeitsverfolgung
python quant/run.py pf --event nvda_195_by_july --obs bullish

Analyse-Ausgabeformat

  1. Tabelle der fünf Indikatoren (Echtzeitwert + Änderungsbetrag + Signalbewertung)
  2. Index-Futures (Unterstützung/Widerstand für Nasdaq/S&P)
  3. Einzeltitel einzeln (aktueller Kurs vs. Unterstützung/Widerstand)
  4. Direkte Auswirkungen auf das Portfolio (Veränderung des unverwirklichten Gewinns/Verlusts + Handelsempfehlungen)

Geopolitisches Nachrichtenverifikationsprotokoll

Bei Nachrichten über Krieg/Konflikte: Erst überprüfen, dann glauben:

  1. Prüfe den Brent-Öl-Anstieg (echte Konflikte lassen Ölpreis >3% steigen)
  2. Prüfe die VIX-Veränderung (echte Panik: VIX muss gleichzeitig steigen)
  3. Prüfe Aktienindex-Futures (echter Schock: Futures fallen garantiert) Alle drei stimmen überein → echt; eine Abweichung → mögliche Falschnachricht, nicht handeln

Portfolio-Dateiformat

Siehe portfolio/portfolio.json.example

Quantitatives Modul - Beschreibung

  • quant/mc_options.py: Black-Scholes + Monte-Carlo-Optionspreisbestimmung
  • quant/particle_filter.py: Bayes'scher Partikelfilter zur Verfolgung von Ereigniswahrscheinlichkeiten
  • quant/copula_var.py: Copula-basierter Value-at-Risk
  • quant/brier.py: Brier-Score zur Verfolgung der Vorhersagegenauigkeit
  • quant/data.py: Einheitliche Datenschicht (yfinance / AKShare)

Verwandte Skills