Communitygithub.com

Risiko-Portfolio-Manager – KI-gestützte Risikokontrolle

KI-gestütztes Portfoliorisikomanagement und Optimierung. Nutzen Sie dies zur Positionsgrößenbestimmung, Portfoliosteuerung, Berechnung von Risikometriken (VaR, Sharpe), Rebalancing oder zur Umsetzung defensiver Strategien. Abdeckung: Positionsgrößenanpassung, Korrelationsanalyse, Verlustmanagement, dynamisches Rebalancing und Kill-Switches.

Was ist Risiko-Portfolio-Manager – KI-gestützte Risikokontrolle?

Dieses Skill implementiert eine systematische Risikomanagement-Schicht, die zwischen Signalgenerierung und Handelsausführung positioniert ist. Es verwendet datengetriebene Ansätze, um die Positionsgrößen zu optimieren, das Portfoliorisiko zu verwalten und defensive Aktionen zu automatisieren. Der Skill unterstützt Methoden wie die modifizierte Kelly-Formel und risikoadjustierte Größenmatrizen, berechnet dynamisch Value at Risk (VaR), Sharpe Ratio und Korrelationsmatrizen und bietet automatisiertes Rebalancing sowie ein Kill-Switch-System zur Verlustbegrenzung. Er ist für Claude Code, Cursor, Codex und ähnliche KI-Agenten konzipiert und integriert sich mit anderen Skills wie meme-trader und meme-executor. Die Ausgabe erfolgt in Form detaillierter Dashboards, Empfehlungen und Alarmmeldungen, die sowohl im Terminal als auch in der Skill-Ausgabe lesbar sind.

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-3

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Risiko-Portfolio-Manager – KI-gestützte Risikokontrolle?

Systematische Risikomanagement-Schicht zwischen Signalgenerierung und Handelsausführung. Verwendet datengetriebene Ansätze zur Optimierung der Positionsgrößen, zum Portfoliorisikomanagement und zur Automatisierung defensiver Aktionen.

Kernprinzip

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

Aktivierungsauslöser

Kernfunktionen

1. Positionsgrößen-Engine

<position_sizing> Methoden der Größenbestimmung:

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

Risikoadjustierte Größenmatrix:

RisikotoleranzBasisgrößeMax. EinzelpositionMax. korrelierte Positionen
Konservativ0,5–1 %2 %5 %
Moderat1–2 %4 %10 %
Degen2–5 %10 %25 %

Signalbasierte Anpassungen:

Endgültige Größe = 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 (im Trend)

Ausgabeformat:

EMPFEHLUNG ZUR POSITIONSGRÖSSE

Token: $MEME
Signalstärke: 8/10
Token-Risikowert: 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 GRENZEN

BEGRÜNDUNG:
1. Starkes Signal (8/10) unterstützt überdurchschnittliche Größe
2. Token mit geringem bis mittlerem Risiko (4/10) erlaubt vollständige Allokation
3. Bullischer Markt erlaubt aggressive Größenbestimmung
4. Keine Korrelation zu bestehenden Positionen

WARNUNGEN:
- Einstieg in Tranchen (3 Tranchen) anstelle eines einzelnen Einstiegs erwägen
- Stop-Loss bei -25 % (max. Verlust 345 $) setzen

</position_sizing>

2. Portfoliorisikometriken

<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 %)
├─ Maximaler Drawdown (30 T): -18,3 %
├─ Aktueller Drawdown: 0 % (ATH)
├─ Sharpe Ratio (30 T): 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-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 Fehlbetrag)

  // Performanzrisiko
  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 unter Verwendung 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  | Abweich. | Aktion
SOL           | 37 %    | 30 %  | +7 %     | VERKAUFEN $1.400
Memes         | 63 %    | 50 %  | +13 %    | VERKAUFEN $2.600
Stablecoins   | 0 %     | 20 %  | -20 %    | KAUFEN $4.000

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

PROGNOSE NACH REBALANCING:
├─ SOL: 31 % (Ziel: 30 %)
├─ Memes: 48 % (Ziel: 50 %)
├─ Stables: 21 % (Ziel: 20 %)
└─ VaR-Reduktion: -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 % Tagesverlust stoppen
  weekly_loss_limit: 20,     // Alle Aktivitäten bei -20 % Wochenverlust 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 umwandelnKRITISCH
Drawdown -25 %Notfall-LiquidationKRITISCH
Korrelation > 0,95Eine Position reduzierenMITTEL

Alarmausgabe:

🚨 RISIKOALARM: TÄGLICHES VERLUSTLIMIT FAST ERREICHT

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

AUSGELÖSTE AKTIONEN:
1. ⏸️ Neue Trade-Ausführung PAUSIERT
2. ⚠️ Alle offenen Positionen überprüfen
3. 📊 Erhöhte Überwachungsfrequenz

EMPFOHLEN:
- Schlechteste Position überprüfen (WIF: -15 %)
- Teilausstieg erwägen, falls Trend anhält
- NICHT den Durchschnittskurs 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 im Vergleich zu 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: 'Bullrun-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 %
Bullrun-Fortsetzung         | +14.600 $ (+73 %)    | 15 %
Black-Swan-Ereignis         | -12.400 $ (-62 %)    | 1 %

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

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

EMPFOHLUNG:
Erwägen Sie, die Meme-Exposition mit SOL-Puts abzusichern oder
Meme-Allokation um 10–15 % zu reduzieren, um das Risikoprofil zu verbessern.

</scenario_analysis>

Integrationspunkte

Risikomanager liefert an:

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

# Portfoliorisikometriken 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 durchführen
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

Qualitätssicherung

<validation_rules>

  • Positionsgrößenbestimmung erfordert Qualitätswert >= 85 % bei 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 + Veraltungswarnung verwenden
  • Berechnungsfehler: Konservative Zurückfalllösung (Mindestgröße)
  • Kill-Switch-Konflikt: Sicherheit gewinnt (Stopp > Fortsetzen)
  • 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 – Größenbestimmungs-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