Communitygithub.com

majiayu000/claude-skill-registry-data

KI-gestütztes Portfolio-Risikomanagement und -Optimierung. Verwenden Sie dies bei der Positionsgrößenbestimmung, Portfoliokomposition, Berechnung von Risikokennzahlen (VaR, Sharpe), Rebalancing oder bei der Umsetzung defensiver Strategien. Abdeckung: Positionsgrößenbestimmung, Korrelationsanalyse, Drawdown-Management, dynamisches Rebalancing, Not-Aus-Funktionen.

Was ist claude-skill-registry-data?

Dies ist ein umfassendes Skill für KI-Agenten (wie Claude Code, Cursor, Codex), das ein systematisches Risikomanagement zwischen der Signalerzeugung und der Handelsausführung implementiert. Es hilft Entwicklern und Händlern, die langfristige Überlebensfähigkeit ihres Portfolios durch datengetriebene Positionsgrößenbestimmung, automatisierte Risikokennzahlen (Value-at-Risk, Sharpe Ratio, Drawdown), dynamisches Rebalancing, Szenarioanalysen und eine Not-Aus-Funktion (Kill-Switch) zu gewährleisten. Das Skill unterstützt die Integration mit anderen Skills wie dem Meme-Händler, dem Auftragsausführer und dem Datenorchestrator. Es ist plattformunabhängig und wird über die Kommandozeile (CLI) mit TypeScript-Skripten gesteuert. Die Kernlogik modifiziert die Kelly-Formel, verwendet risikoadjustierte Größenmatrizen und signalbasierte Anpassungen, um konservative, moderate oder aggressive Positionierungsstrategien zu ermöglichen.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/majiayu000/claude-skill-registry-data/tree/HEAD/analysis/risk-portfolio-manager-dreamineering-meme-times-2

In Ihrer bevorzugten KI fragen

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

Dokumentation

Risk Portfolio Manager – KI-gesteuertes Risikomanagement

Systematische Risikomanagement-Schicht, die zwischen Signalerzeugung und Handelsausführung sitzt. Verwendet datengetriebene Ansätze zur Optimierung der Positionsgrößen, zum Management des Portfoliorisikos und zur Automatisierung defensiver Maßnahmen.

Kernprinzip

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

Auslöser

Kernfunktionen

1. Positionsgrößen-Engine

<position_sizing> Größenmethoden:

interface PositionSizeRequest {
  signal_strength: number;    // 0-1 vom Meme-Händler
  token_risk_score: number;   // 1-10 von 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 = (Gewinnwahrscheinlichkeit * Durchschnittsgewinn – (1 – Gewinnwahrscheinlichkeit) * Durchschnittsverlust) / Durchschnittsgewinn
Angepasste Größe = Kelly * Bruchteilsmultiplikator (0.25-0.5 für Sicherheit)

Risikoadjustierte Größenmatrix:

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

Signalbasierte Anpassungen:

Endgröße = Basisgröße * Signalstärke * (1 – Token-Risiko / 20) * Marktmultiplikator

Wobei:
- Signalstärke: 0.5-1.5 (schwach bis stark)
- Token-Risiko: 1-10 (niedriger = sicherer)
- Marktmultiplikator: 0.5 (volatil) bis 1.2 (trendend)

Ausgabeformat:

POSITIONSGRÖSSENEMPFEHLUNG

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

EMPFOHLENE GRÖSSE:
├─ Prozentsatz: 2.3% des Portfolios
├─ Betrag: 460 $ (von 20.000 $ Portfolio)
├─ Maximal erlaubt: 800 $ (4% Limit)
└─ Risikoadjustiert: INNERHALB DER LIMITS

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

WARNUNGEN:
- Nach und nach aufbauen (3 Tranchen) statt Einmal-Einstieg
- Stop-Loss bei -25% setzen (max. Verlust 345 $)

</position_sizing>

2. Portfolio-Risikokennzahlen

<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%

RISIKOKENNZAHLEN:
├─ Täglicher VaR (95%): -1.240 $ (-6.2%)
├─ Max. Drawdown (30d): -18.3%
├─ Aktueller Drawdown: 0% (auf ATH)
├─ 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 LIMIT
├─ Top 3 Positionen: 72.5% - HOCH
├─ Herfindahl-Index: 0.23 - MODERAT
└─ Meme-Exposure: 63% - HOCH

WARNUNGEN:
⚠️ Hohe Korrelation zwischen MEME und WIF (0.85)
⚠️ Meme-Sektorkonzentration über 50%

Risikoberechnungen:

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

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

  // Korrelationsrisiko
  avg_correlation: number;
  max_correlation: number;
  correlation_cluster: string[]; // Hochkorrelierte 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 anhand der letzten 30 Tage Renditen
  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   | Abw.   | Aktion
SOL          | 37%     | 30%    | +7%    | VERKAUFE 1.400 $
Memes        | 63%     | 50%    | +13%   | VERKAUFE 2.600 $
Stablecoins  | 0%      | 20%    | -20%   | KAUFE 4.000 $

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

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

4. Automatisierte defensive Maßnahmen

<defensive_actions> Not-Aus-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,       // Bestätigung in Phase 1 erforderlich
};

Ausgelöste Aktionen:

AuslöserAktionSchweregrad
Position -25%Stop-Loss-WarnungMITTEL
Position -30%Automatisch schließen (falls aktiviert)HOCH
Täglich -10%Neue Trades stoppenHOCH
Wöchentlich -20%In Stablecoins aussteigenKRITISCH
Drawdown -25%Notfall-LiquidationKRITISCH
Korrelation > 0.95Eine Position reduzierenMITTEL

Alarmausgabe:

🚨 RISIKOWARNUNG: TÄGLICHES VERLUSTLIMIT NÄHERT SICH

Aktueller Tages-PnL: -8.7% (-1.740 $)
Tageslimit: -10% (-2.000 $)
Verbleibender Puffer: 260 $

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

EMPFOHLEN:
- Schlechteste Position überprüfen (WIF: -15%)
- Teilweisen Ausstieg erwägen, wenn Trend anhält
- NICHT nachkaufen

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 Ereignis',
    market_move: { sol: -60, memes: -80, correlation_shift: 0.3 },
    probability: 0.01,
  },
];

Stresstest-Ausgabe:

STRESSTEST-ERGEBNISSE

Aktueller Portfoliowert: 20.000 $

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

ERWARTETER PORTFOLIOWERT:
├─ Basisfall: 20.000 $
├─ Erwartet (wahrsch. gewichtet): 22.340 $ (+11.7%)
├─ Schlechtester Fall (99%): -12.400 $ (-62%)
└─ VaR (95%, 30d): -4.800 $ (-24%)

RISIKOBEWERTUNG:
⚠️ Hohe Empfindlichkeit gegenüber Meme-Rotation (-25% Szenario)
⚠️ Black-Swan-Exposure signifikant (-62%)
✓ Positiver Erwartungswert in Basisszenarien
✓ Bullenfall-Aufwärtspotenzial substanziell (+73%)

EMPFEHLUNG:
Erwägen Sie die Absicherung der Meme-Exposure mit SOL-Puts oder
Reduzierung der Meme-Allokation um 10-15%, um das Risikoprofil zu verbessern.

</scenario_analysis>

Integrationspunkte

Risikomanager liefert an:

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

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-Risikokennzahlen 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

# Not-Aus-Status prüfen
npx tsx .claude/skills/risk-portfolio-manager/scripts/kill-switch.ts \
  --portfolio-file ./portfolio.json \
  --check-status

Qualitätstore

<validation_rules>

  • Positionsgrößenbestimmung erfordert Qualitätswert >= 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 + Stale-Warnung verwenden
  • Berechnungsfehler: Konservative Ausweichlösung (Mindestgröße)
  • Not-Aus-Konflikt: Sicherheit gewinnt (Stopp > Fortsetzung)
  • Datenqualität unzureichend: Größenbestimmung ablehnen, Aktualisierung anfordern </error_recovery>

<see_also>

  • references/risk-models.md - Mathematische Formeln
  • references/allocation-templates.md - Zielportfolios
  • scripts/position-sizer.ts - Größen-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