Communitygithub.com

Risiko-Portfolio-Manager – KI-gesteuerte Risikokontrolle

KI-gestütztes Risikomanagement und Optimierung für Kryptoportfolios. Hilft bei der Positionsgrößenbestimmung, Portfoliostreuung, Berechnung von Risikokennzahlen (VaR, Sharpe), Rebalancing und defensiven Strategien.

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

Der Risiko-Portfolio-Manager ist eine systematische Risikomanagement-Schicht, die zwischen Signalerzeugung und Trade-Ausführung sitzt. Er nutzt datengesteuerte Ansätze, um die Positionsgröße zu optimieren, das Portfoliorisiko zu überwachen und defensive Aktionen zu automatisieren. Das Skill unterstützt die Berechnung der modifizierten Kelly-Formel, Value-at-Risk (VaR), Sharpe Ratio, Korrelationsmatrix und Konzentrationsrisiken. Es bietet dynamisches Rebalancing auf Basis von Abweichungen von Zielallokationen, einen Kill-Switch-Mechanismus zur Begrenzung von Tages-/Wochenverlusten und Szenarioanalysen (Stresstests). Das Tool ist für die AI-Agenten Claude Code, Cursor und Codex optimiert und kann über CLI-Skripte gesteuert werden. Es integriert sich nahtlos mit anderen Skills wie meme-trader, meme-executor und flow-tracker, um eine vollständige Risikoüberwachung von der Signalbewertung bis zur Ausführung zu gewährleisten.

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

In Ihrer bevorzugten KI fragen

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

Dokumentation

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

Systematische Risikomanagement-Schicht, die zwischen Signalerzeugung und Trade-Ausführung sitzt. Verwendet datengesteuerte Ansätze, um die Positionsgröße zu optimieren, das Portfoliorisiko zu verwalten und defensive Aktionen zu automatisieren.

Kernprinzip

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

Aktivierungsauslöser

Kernfähigkeiten

1. Positionsgrößen-Engine

<position_sizing> Größenmethoden:

interface PositionSizeRequest {
  signal_strength: number;    // 0-1 von 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):

Optimal Size = (Win Rate * Avg Win - (1 - Win Rate) * Avg Loss) / Avg Win
Adjusted Size = Kelly * Fractional Multiplier (0,25-0,5 für Sicherheit)

**Risikoadjustierte Größenmatrix:

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

Signalbasierte Anpassungen:

Final Size = Base Size * Signal Strength * (1 - Token Risk / 20) * Market Multiplier

Wobei:
- Signal Strength: 0,5-1,5 (schwach bis stark)
- Token Risk: 1-10 (niedriger = sicherer)
- Market Multiplier: 0,5 (volatil) bis 1,2 (im Trend)

Ausgabeformat:

EMPFEHLUNG ZUR POSITIONSGRÖSSE

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 GRENZEN

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

WARNUNGEN:
- Erwägen Sie einen gestaffelten Einstieg (3 Tranchen) statt Einmaleinstieg
- Setzen Sie einen Stop-Loss bei -25 % (max. Verlust 345 $)

</position_sizing>

2. Portfolio-Risikokennzahlen

<risk_metrics> Echtzeit-Portfolio-Dashboard:

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

POSITIONEN (5 aktiv):
Token      | Größe    | G/V      | 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 % (bei 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 DES LIMITS
├─ Top 3 Positionen: 72,5 % – HOCH
├─ Herfindahl-Index: 0,23 – MODERAT
└─ Meme-Exposure: 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 (erwartetes 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[]; // 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 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

Zielallokations-Framework:

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, um auszulösen
}

Rebalancing-Ausgabe:

REBALANCING-EMPFEHLUNG

Aktuelle vs. Zielallokation:
Kategorie      | Aktuell | Ziel    | Abweichung | Aktion
SOL            | 37 %    | 30 %    | +7 %       | VERKAUFE $1.400
Memes          | 63 %    | 50 %    | +13 %      | VERKAUFE $2.600
Stables        | 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. Wandle Verkäufe in USDC-Stablecoin-Puffer um

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,      // Stoppe neue Trades bei -10 % am Tag
  weekly_loss_limit: 20,     // Stoppe alle Aktivitäten bei -20 % in der Woche
  position_loss_limit: 30,   // Schließe Position automatisch bei -30 %
  drawdown_limit: 25,        // Notfallmodus bei -25 % vom Höchststand
  correlation_spike_action: 'alert',
  auto_execute: false,       // Erfordere Bestätigung in Phase 1
};

Ausgelöste Aktionen:

AuslöserAktionSchweregrad
Position -25 %Stop-Loss-WarnungMITTEL
Position -30 %Automatisches Schließen (falls aktiviert)HOCH
Täglich -10 %Stoppe neue TradesHOCH
Wöchentlich -20 %Alles in Stablecoins umschichtenKRITISCH
Drawdown -25 %Notfall-LiquidationKRITISCH
Korrelation > 0,95Eine Position reduzierenMITTEL

Warnungsausgabe:

🚨 RISIKOALARM: TÄGLICHES VERLUSTLIMIT NAHT

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

AUSGELÖSTE AKTIONEN:
1. ⏸️ Ausführung neuer Trades PAUSIERT
2. ⚠️ Überprüfe alle offenen Positionen
3. 📊 Erhöhte Überwachungsfrequenz

EMPFOHLEN:
- Überprüfe die schlechteste Position (WIF: -15 %)
- Erwäge teilweisen Ausstieg, wenn der Trend anhält
- NICHT nachkaufen

Gib RESUME ein, um den Handel fortzusetzen
Gib EXIT_ALL ein, um alle 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-Abwanderung',
    market_move: { sol: 0, memes: -40, correlation_shift: -0.1 },
    probability: 0.10,
  },
  {
    name: 'Fortsetzung des Bull Runs',
    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                         | Portfolioauswirkung | Wahrscheinlichk.
SOL -30 % Flash-Crash            | -$7.200 (-36 %)     | 5 %
Meme-Abwanderung                 | -$5.040 (-25 %)     | 10 %
Fortsetzung des Bull Runs        | +$14.600 (+73 %)    | 15 %
Black-Swan-Ereignis              | -$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 Empfindlichkeit gegenüber Meme-Abwanderung (-25 %-Szenario)
⚠️ Black-Swan-Exposure signifikant (-62 %)
✓ Positiver Erwartungswert in Basisszenarien
✓ Aufwärtspotenzial im Bull Case beträchtlich (+73 %)

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

</scenario_analysis>

Integrationspunkte

Der Risikomanager stellt bereit:

  • 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 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

Qualitätskontrollen

<validation_rules>

  • Positionsgröße erfordert Qualitätsscore >= 85 % für Kursdaten
  • VaR-Berechnungen erfordern 30+ Tage saubere historische Daten
  • Korrelationsmatrix erfordert synchronisierte Kursdaten
  • Alle Empfehlungen enthalten Konfidenzniveaus
  • Keine Positionsgröße ohne Rug-Erkennungsprüfung </validation_rules>

Fehlerbehandlung

<error_recovery>

  • Fehlende Kursdaten: Verwende letzte bekannte + Stale-Warnung
  • Berechnungsfehler: Konservative Rückfallebene (Mindestgröße)
  • Kill-Switch-Konflikt: Sicherheit gewinnt (Stopp > Fortsetzung)
  • Unzureichende Datenqualität: Größe 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

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".

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

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

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

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

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

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

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

majiayu000/claude-skill-registry

BlockRun works with Claude Code and Google Antigravity.

majiayu000/claude-skill-registry

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

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

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

CRITICAL: Use for MolyKit AI chat toolkit. Triggers on: BotClient, OpenAI, SSE streaming, AI chat, molykit, PlatformSend, spawn(), ThreadToken, cross-platform async, Chat widget, Messages, PromptInput, Avatar, LLM

majiayu000/claude-skill-registry

AI and machine learning workflow covering LLM application development, RAG implementation, agent architecture, ML pipelines, and AI-powered features.

majiayu000/claude-skill-registry

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

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

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

Verwandte Skills