Communitygithub.com

Risk Portfolio Manager - KI-gesteuerte Risikokontrolle

KI-gestütztes Portfolio-Risikomanagement und Optimierung. Verwenden Sie es zur Positionsgrößenbestimmung, Portfolioallokation, Berechnung von Risikometriken (VaR, Sharpe), Rebalancing oder Umsetzung defensiver Strategien.

Was ist Risk Portfolio Manager - KI-gesteuerte Risikokontrolle?

Diese Skill-Schicht fungiert als systematische Risikomanagement-Ebene zwischen Signalgenerierung und Handelsausführung. Sie optimiert die Positionsgrößenbestimmung mithilfe von Daten wie Signalstärke, Token-Risikobewertung und Marktregime, verwaltet das Portfolio-Risiko durch Echtzeit-Metriken (VaR, Sharpe Ratio, Korrelationsmatrix) und führt dynamisches Rebalancing durch, wenn Abweichungen Schwellenwerte überschreiten. Sie unterstützt Integrationen mit Handels-, Ausführungs- und Analyseagenten und bietet automatisierte defensive Aktionen wie einen Kill-Switch-Mechanismus, der bei Verlustlimits oder Drawdown-Grenzen neue Trades stoppt oder Positionen schließt. Die Skill läuft auf CLI-basierten Systemen und eignet sich ideal für Entwickler und KI-Agenten, die systematische Risikokontrolle in ihre Handelsabläufe integrieren möchten.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/majiayu000/claude-skill-registry-data/tree/HEAD/business/risk-portfolio-manager

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Risk Portfolio Manager - KI-gesteuerte Risikokontrolle?

Systematische Risikomanagement-Schicht, die zwischen Signalgenerierung und Handelsausführung sitzt. Verwendet datengestützte Ansätze zur Optimierung der Positionsgrößenbestimmung, zum Management des Portfolio-Risikos und zur Automatisierung defensiver Aktionen.

Kernprinzip

Positionsgrößenbestimmung und Risikomanagement bestimmen das langfristige Überleben. Kein einzelner Trade sollte das Portfolio gefährden.

Aktivierungsauslöser

Kernfähigkeiten

1. Positionsgrößen-Engine

<position_sizing> Größenbestimmungsmethoden:

interface PositionSizeRequest {
  signal_strength: number;    // 0-1 vom meme-trader
  token_risk_score: number;   // 1-10 von der Rug-Erkennung
  current_portfolio: Portfolio;
  market_regime: 'bull' | 'bear' | 'sideways' | 'volatile';
  risk_tolerance: 'conservative' | 'moderate' | 'degen';
}

interface PositionSizeResult {
  recommended_size_pct: number;  // % des Portfolios
  recommended_size_usd: number;
  max_allowed_size: number;
  reasoning: string[];
  risk_warnings: string[];
}

Kelly-Kriterium (modifiziert):

Optimale Größe = (Gewinnrate * Durchschn. Gewinn - (1 - Gewinnrate) * Durchschn. Verlust) / Durchschn. Gewinn
Angepasste Größe = Kelly * Bruchteil-Multiplikator (0,25-0,5 für Sicherheit)

Risikoadjustierte Größenmatrix:

RisikotoleranzBasisgrößeMax. EinzelpositionMax. korrelierte Exposition
Konservativ0,5-1%2%5%
Moderat1-2%4%10%
Degen2-5%10%25%

Signalbasierten Anpassungen:

Endgültige Größe = Basisgröße * Signalstärke * (1 - Token-Risiko / 20) * Marktmultiplikator

Wobei:
- Signalstärke: 0,5-1,5 (schwach bis stark)
- Token-Risiko: 1-10 (niedriger ist sicherer)
- Marktmultiplikator: 0,5 (volatil) bis 1,2 (trending)

Ausgabeformat:

POSITIONSGRÖSSENEMPFEHLUNG

Token: $MEME
Signalstärke: 8/10
Token-Risikobewertung: 4/10
Marktregime: BULL

EMPFOHLENE GRÖSSE:
├─ Prozentsatz: 2,3 % des Portfolios
├─ Betrag: 460 $ (von 20.000 $ Portfolio)
├─ Max. erlaubt: 800 $ (4 %-Limit)
└─ Risikoadjustiert: INNERHALB DER GRENZEN

BEGRÜNDUNG:
1. Starkes Signal (8/10) unterstützt überdurchschnittliche Größe
2. Niedriges bis mittleres Risiko-Token (4/10) ermöglicht volle Allokation
3. Bullenmarkt erlaubt aggressive Größen
4. Keine Korrelation mit bestehenden Positionen

WARNUNGEN:
- Erwägen Sie, in 3 Tranchen einzusteigen vs. einmaligen Einstieg
- Setzen Sie einen Stop-Loss bei -25 % (max. Verlust von 345 $)

</position_sizing>

2. Portfolio-Risikometriken

<risk_metrics> Echtzeit-Portfolio-Dashboard:

PORTFOLIO-RISIKO-DASHBOARD
═══════════════════════════════════════

POSITIONEN (5 aktiv):
Token      | Größe   | PnL      | Risiko | Gewicht
$BONK      | $4.200  | +$840    | 5/10   | 21 %
$MEME      | $3.100  | +$620    | 4/10   | 15,5 %
$DOGE      | $2.800  | -$140    | 3/10   | 14 %
$WIF       | $2.500  | +$1.250  | 6/10   | 12,5 %
SOL        | $7.400  | +$2.220  | 2/10   | 37 %
───────────────────────────────────────
GESAMT     | $20.000 | +$4.790  |        | 100 %

RISIKOMETRIKEN:
├─ Täglicher VaR (95 %): -1.240 $ (-6,2 %)
├─ Max. Drawdown (30d): -18,3 %
├─ Aktueller Drawdown: 0 % (am Allzeithoch)
├─ Sharpe-Ratio (30d): 2,14
├─ Sortino-Ratio: 2,87
├─ Beta zu SOL: 1,34

KORRELATIONSMATRIX:
        BONK   MEME   DOGE   WIF    SOL
BONK    1,00   0,82   0,71   0,78   0,65
MEME    0,82   1,00   0,68   0,85   0,61
DOGE    0,71   0,68   1,00   0,59   0,54
WIF     0,78   0,85   0,59   1,00   0,72
SOL     0,65   0,61   0,54   0,72   1,00

KONZENTRATIONSRISIKO:
├─ Top-Position: 37 % (SOL) - INNERHALB DES LIMITS
├─ Top 3 Positionen: 72,5 % - HOCH
├─ Herfindahl-Index: 0,23 - MODERAT
└─ Meme-Exposition: 63 % - HOCH

ALARME:
⚠️ Hohe Korrelation zwischen MEME und WIF (0,85)
⚠️ Meme-Sektor-Konzentration über 50 %

Risikoberechnungen:

interface PortfolioRisk {
  // Value at Risk
  var_95: number;       // 95 % Konfidenz täglicher VaR
  var_99: number;       // 99 % Konfidenz täglicher VaR
  cvar_95: number;      // Bedingter VaR (erwarteter Fehlbetrag)

  // Performance-Risiko
  sharpe_ratio: number;
  sortino_ratio: number;
  max_drawdown: number;
  current_drawdown: number;

  // Korrelationsrisiko
  avg_correlation: number;
  max_correlation: number;
  correlation_cluster: string[]; // Stark korrelierte Gruppen

  // Konzentrationsrisiko
  herfindahl_index: number;
  top_position_pct: number;
  sector_concentrations: Record<string, number>;
}

function calculateVaR(
  positions: Position[],
  confidence: number = 0.95,
  horizon_days: number = 1
): number {
  // Historischer VaR unter Verwendung der letzten 30 Tage Rendite
  const returns = getHistoricalReturns(positions, 30);
  const portfolio_returns = calculatePortfolioReturns(returns, positions);
  const sorted = portfolio_returns.sort((a, b) => a - b);
  const index = Math.floor((1 - confidence) * sorted.length);
  return sorted[index] * getPortfolioValue(positions) * Math.sqrt(horizon_days);
}

</risk_metrics>

3. Dynamisches Rebalancing

Zielallokationsrahmen:

interface AllocationTarget {
  core_holdings: {
    SOL: { target: 30, min: 20, max: 50 };
    stablecoins: { target: 20, min: 10, max: 40 };
  };
  satellite_holdings: {
    memes: { target: 30, min: 0, max: 50 };
    defi: { target: 15, min: 0, max: 30 };
    other: { target: 5, min: 0, max: 15 };
  };
  rebalance_threshold: 5; // % Abweichung zum Auslösen
}

Rebalancing-Ausgabe:

REBALANCING-EMPFEHLUNG

Aktuelle vs. Zielallokation:
Kategorie     | Aktuell | Ziel   | Abweichung | Aktion
SOL           | 37 %    | 30 %   | +7 %       | VERKAUF 1.400 $
Memes         | 63 %    | 50 %   | +13 %      | VERKAUF 2.600 $
Stablecoins   | 0 %     | 20 %   | -20 %      | KAUF 4.000 $

VORGESCHLAGENE TRADES:
1. VERKAUF 15 % der BONK-Position (630 $) → USDC
2. VERKAUF 20 % der WIF-Position (500 $) → USDC
3. VERKAUF 10 % der SOL-Position (740 $) → USDC
4. MEME- und DOGE-Positionen behalten
5. Verkäufe in USDC-Stablecoin-Puffer umwandeln

PROGNOSE NACH REBALANCE:
├─ SOL: 31 % (Ziel: 30 %)
├─ Memes: 48 % (Ziel: 50 %)
├─ Stables: 21 % (Ziel: 20 %)
└─ VaR-Reduzierung: -18 % (verbessertes Risikoprofil)

4. Automatisierte defensive Aktionen

<defensive_actions> Kill-Switch-System:

interface KillSwitchConfig {
  daily_loss_limit: number;      // % des Portfolios
  weekly_loss_limit: number;     // % des Portfolios
  position_loss_limit: number;   // % pro Position
  drawdown_limit: number;        // % vom Höchststand
  correlation_spike_action: 'alert' | 'reduce' | 'exit';
  auto_execute: boolean;
}

const defaultKillSwitch: KillSwitchConfig = {
  daily_loss_limit: 10,      // Neue Trades bei -10 % Tag stoppen
  weekly_loss_limit: 20,     // Alle Aktivitäten bei -20 % Woche stoppen
  position_loss_limit: 30,   // Position bei -30 % automatisch schließen
  drawdown_limit: 25,        // Notfallmodus bei -25 % vom Höchststand
  correlation_spike_action: 'alert',
  auto_execute: false,       // In Phase 1 Bestätigung erforderlich
};

Ausgelöste Aktionen:

AuslöserAktionSchweregrad
Position -25 %Stop-Loss-WarnungMITTEL
Position -30 %Automatisches Schließen (falls aktiviert)HOCH
Täglich -10 %Neue Trades stoppenHOCH
Wöchentlich -20 %In Stablecoins aussteigenKRITISCH
Drawdown -25 %Notfall-LiquidationKRITISCH
Korrelation > 0,95Eine Position reduzierenMITTEL

Alarm-Ausgabe:

🚨 RISIKOALARM: TÄGLICHES VERLUSTLIMIT NAHT

Aktueller Tages-PnL: -8,7 % (-1.740 $)
Tägliches Limit: -10 % (-2.000 $)
Verbleibender Puffer: 260 $

AUSGELÖSTE AKTIONEN:
1. ⏸️ Neue Handelsausführung GESTOPPT
2. ⚠️ Alle offenen Positionen prüfen
3. 📊 Erhöhte Überwachungsfrequenz

EMPFOHLEN:
- Schlechteste Position überprüfen (WIF: -15 %)
- Teilweisen Ausstieg erwägen, falls Trend anhält
- NICHT nach unten mitteln

Geben Sie RESUME ein, um den Handel wieder zu aktivieren
Geben Sie EXIT_ALL ein, um Positionen zu liquidieren

</defensive_actions>

5. Szenarioanalyse

<scenario_analysis> Stresstests:

interface StressScenario {
  name: string;
  market_move: {
    sol: number;      // % Änderung
    memes: number;    // % Änderung vs. SOL
    correlation_shift: number;
  };
  probability: number;
}

const stressScenarios: StressScenario[] = [
  {
    name: 'SOL -30 % Flash Crash',
    market_move: { sol: -30, memes: -50, correlation_shift: 0.2 },
    probability: 0.05,
  },
  {
    name: 'Meme-Rotation raus',
    market_move: { sol: 0, memes: -40, correlation_shift: -0.1 },
    probability: 0.10,
  },
  {
    name: 'Bullenmarkt-Fortsetzung',
    market_move: { sol: 50, memes: 100, correlation_shift: 0 },
    probability: 0.15,
  },
  {
    name: 'Black Swan Event',
    market_move: { sol: -60, memes: -80, correlation_shift: 0.3 },
    probability: 0.01,
  },
];

Stresstest-Ausgabe:

STRESSTEST-ERGEBNISSE

Aktueller Portfoliowert: 20.000 $

SZENARIO                    | Portfolioauswirkung | Wahrscheinlichkeit
SOL -30 % Flash Crash       | -7.200 $ (-36 %)    | 5 %
Meme-Rotation raus          | -5.040 $ (-25 %)    | 10 %
Bullenmarkt-Fortsetzung     | +14.600 $ (+73 %)   | 15 %
Black Swan Event            | -12.400 $ (-62 %)   | 1 %

ERWARTETER PORTFOLIOWERT:
├─ Basisfall: 20.000 $
├─ Erwartet (wahrscheinlichkeitsgewichtet): 22.340 $ (+11,7 %)
├─ Schlechtester Fall (99 %): -12.400 $ (-62 %)
└─ VaR (95 %, 30d): -4.800 $ (-24 %)

RISIKOBEWERTUNG:
⚠️ Hohe Sensitivität gegenüber Meme-Rotation (-25 % Szenario)
⚠️ Black-Swan-Exposition signifikant (-62 %)
✓ Positiver Erwartungswert in Basisszenarien
✓ Aufwärtspotenzial im Bullenmarkt erheblich (+73 %)

EMPFOHLUNG:
Absicherung der Meme-Exposition mit SOL-Puts oder Reduzierung
der Meme-Allokation um 10-15 % zur Verbesserung des Risikoprofils.

</scenario_analysis>

Integrationspunkte

Risikomanager liefert an:

  • meme-executor: Genehmigte Positionsgrößen, Stop-Loss-Niveaus
  • meme-trader: Positionslimits, verfügbares Kapital
  • Alle Skills: Portfoliostatus, Risikoalarme

CLI-Nutzung

# Positionsgröße berechnen
npx tsx .claude/skills/risk-portfolio-manager/scripts/position-sizer.ts \
  --signal 8 \
  --risk-score 4 \
  --portfolio-file ./portfolio.json \
  --risk-mode moderate

# Portfolio-Risikometriken abrufen
npx tsx .claude/skills/risk-portfolio-manager/scripts/risk-metrics.ts \
  --portfolio-file ./portfolio.json \
  --include-correlation \
  --var-confidence 95

# Rebalancing-Empfehlung
npx tsx .claude/skills/risk-portfolio-manager/scripts/rebalancer.ts \
  --portfolio-file ./portfolio.json \
  --target-allocation ./targets.json \
  --threshold 5

# Stresstests ausführen
npx tsx .claude/skills/risk-portfolio-manager/scripts/stress-test.ts \
  --portfolio-file ./portfolio.json \
  --scenarios default \
  --output-format detailed

# Kill-Switch-Status prüfen
npx tsx .claude/skills/risk-portfolio-manager/scripts/kill-switch.ts \
  --portfolio-file ./portfolio.json \
  --check-status

Qualitätsgates

<validation_rules>

  • Positionsgrößenbestimmung erfordert Qualitätsbewertung >= 85 % der Preisdaten
  • VaR-Berechnungen erfordern 30+ Tage saubere historische Daten
  • Korrelationsmatrix erfordert synchronisierte Preisdaten
  • Alle Empfehlungen enthalten Konfidenzniveaus
  • Keine Positionsgrößenbestimmung ohne Rug-Erkennungsprüfung </validation_rules>

Fehlerbehandlung

<error_recovery>

  • Fehlende Preisdaten: Letzte bekannte + veraltete Warnung verwenden
  • Berechnungsfehler: Konservativer Fallback (Mindestgröße)
  • Kill-Switch-Konflikt: Sicherheit gewinnt (Stopp > Fortsetzung)
  • Unzureichende Datenqualität: Größenbestimmung ablehnen, Aktualisierung anfordern </error_recovery>

<see_also>

  • references/risk-models.md - Mathematische Formeln
  • references/allocation-templates.md - Zielportfolios
  • scripts/position-sizer.ts - Größeneinstellungs-Engine
  • scripts/risk-metrics.ts - Risikoberechnungen
  • scripts/kill-switch.ts - Automatisierte Sicherheit </see_also>

Individual skills in this repo

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

majiayu000/claude-skill-registry-data

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry-data

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry-data

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry-data

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry-data

Analyzes current state and user query to answer BMad questions or recommend the next workflow or agent. Use when user says what should I do next, what do I do now, or asks a question about BMad

majiayu000/claude-skill-registry-data

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry-data

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry-data

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.

majiayu000/claude-skill-registry-data

Create a hilarious and ultra-realistic video of an anthropomorphic animal acting like a human vlogger in a real-world setting.

majiayu000/claude-skill-registry-data

Speech-to-text transcription and translation via OpenAI Audio API -- models, response formats, timestamps, prompting, streaming, chunking, and diarization

majiayu000/claude-skill-registry-data

This skill should be used when the user asks about libraries, frameworks, API references, or needs code examples. Activates for setup questions, code generation involving libraries, or mentions of specific frameworks like React, Vue, Next.js, Prisma, Supabase, etc.

majiayu000/claude-skill-registry-data

小省导购员数字人带货版即梦视频提示词生成系统,基于四大智能体协同(提示词生成师、质量管控师、知识库运维师、跨环节适配师),按照"主体+运动+场景+(镜头语言+光影+氛围)"公式输出中英文双版提示词,适配5s短视频。确保人物一致性、视觉连贯性、情绪连贯性,支持知识库智能复用和跨工具适配(Suno音乐、AI绘画),为数字人带货视频提供高质量提示词生成服务。

majiayu000/claude-skill-registry-data

Upload and manage files using Google Gemini File API via scripts/. Use for uploading images, audio, video, PDFs, and other files for use with Gemini models. Supports file upload, status checking, and file management. Triggers on "upload file", "file API", "upload image", "upload PDF", "upload video", "file management".

majiayu000/claude-skill-registry-data

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry-data

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry-data

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

majiayu000/claude-skill-registry-data

Conduct domain and industry research. Use when the user says "lets create a research report on [domain or industry]

majiayu000/claude-skill-registry-data

Conduct market research on competition and customers. Use when the user says "create a market research report about [business idea]".

majiayu000/claude-skill-registry-data

Conduct technical research on technologies and architecture. Use when the user says "create a technical research report on [topic]".

majiayu000/claude-skill-registry-data

Builds, edit or validate Agent Skill through conversational discovery. Use when the user requests to "Create an Agent", "Optimize an Agent" or "Edit an Agent".

Verwandte Skills