Communitygithub.com

majiayu000/claude-skill-registry

KI-gesteuertes Portfolio-Risikomanagement und Optimierung. Verwenden bei Positionierung, Portfolioallokation, Berechnung von Risikokennzahlen (VaR, Sharpe), Rebalancing oder defensiven Strategien. Deckt ab: Positionsgrößenbestimmung, Korrelationsanalyse, Drawdown-Management, dynamisches Rebalancing, Notausschalter.

Was ist claude-skill-registry?

Diese KI-Fähigkeit (Skill) für Claude Code implementiert eine systematische Risikomanagement-Schicht, die zwischen Signalerzeugung und Handelsausführung sitzt. Sie berechnet optimale Positionsgrößen basierend auf modifizierten Kelly-Kriterien, Signalstärke, Token-Risiko und Marktregime. Zudem liefert sie ein Echtzeit-Portfolio-Dashboard mit VaR, Sharpe-Ratio, Korrelationsmatrix und Konzentrationsrisiko. Der Skill unterstützt dynamisches Rebalancing auf der Grundlage von Abweichungsschwellen, automatische defensive Aktionen (z. B. Tagesverlustbegrenzung, Drawdown-Limit) und Szenarioanalysen (Stresstests). Er integriert sich mit anderen Skills wie meme-trader, meme-executor und flow-tracker und ist über CLI-Befehle steuerbar.

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

Systematische Risikomanagement-Schicht, die zwischen Signalerzeugung und Handelsausführung sitzt. Verwendet datengesteuerte Ansätze zur Optimierung der Positionsgrößen, zum Management von Portfoliorisiken und zur Automatisierung defensiver Maßnahmen.

Kernprinzip

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

Aktivierungsauslöser

Kernfunktionen

1. Positionsgrößen-Engine

<position_sizing> Größenbestimmungsmethoden:

interface PositionSizeRequest {
  signal_strength: number;    // 0-1 von meme-trader
  token_risk_score: number;   // 1-10 von rug detection
  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 * Durchschnittsgewinn - (1 - Gewinnrate) * Durchschnittsverlust) / Durchschnittsgewinn
Angepasste Größe = Kelly * Bruchteil-Multiplikator (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 - Tokenrisiko / 20) * Marktmultiplikator

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

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)
├─ Max. zulässig: 800 $ (4 %-Grenze)
└─ Risikoadjustiert: INNERHALB DER GRENZEN

BEGRÜNDUNG:
1. Starkes Signal (8/10) unterstützt überdurchschnittliche Größe
2. Niedriges bis mittleres Tokenrisiko (4/10) erlaubt volle Allokation
3. Bullenmarkt-Regime erlaubt aggressive Größenbestimmung
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    | PnL      | Risiko | Gewichtung
$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 % (am 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 GRENZE
├─ 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;      // Conditional VaR (expected 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 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 zum Auslösen
}

Rebalancing-Ausgabe:

REBALANCING-EMPFEHLUNG

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

VORGESCHLAGENE TRADES:
1. VERKAUFEN 15 % der BONK-Position (630 $) → USDC
2. VERKAUFEN 20 % der WIF-Position (500 $) → USDC
3. VERKAUFEN 10 % der SOL-Position (740 $) → USDC
4. MEME- und DOGE-Positionen halten
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 Maßnahmen

<defensive_actions> Notausschalter-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 anhalten
  weekly_loss_limit: 20,     // Alle Aktivitäten bei -20 % Woche anhalten
  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 anhaltenHOCH
Wöchentlich -20 %In Stables aussteigenKRITISCH
Drawdown -25 %Notfall-LiquidationKRITISCH
Korrelation > 0,95Eine Position reduzierenMITTEL

Alarm-Ausgabe:

🚨 RISIKOALARM: TÄGLICHES VERLUSTLIMIT NAHT

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 %)
- Teilausstieg erwägen, falls Trend anhält
- KEINEN Durchschnittspreis nach unten

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: 'Aufwärtstrend setzt sich fort',
    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 | Wahrscheinlichkeit
SOL -30 % Flash-Crash        | -$7.200 (-36 %)     | 5 %
Meme-Rotation raus           | -$5.040 (-25 %)     | 10 %
Aufwärtstrend setzt sich fort| +$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 Sensitivität gegenüber Meme-Rotation (-25 %-Szenario)
⚠️ Black-Swan-Exposition signifikant (-62 %)
✓ Positiver Erwartungswert in Basisszenarien
✓ Aufwärtsszenario bietet erhebliches Aufwärtspotenzial (+73 %)

EMFEHLUNG:
Erwägen Sie 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: Portfoliostatus, Risikoalarme

CLI-Verwendung

# 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

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

Qualitätstore

<validation_rules>

  • Positionsgrößenbestimmung erfordert Qualitäts-Score >= 85 % für Preisdaten
  • VaR-Berechnungen erfordern 30+ Tage saubere historische Daten
  • Korrelationsmatrix erfordert synchronisierte Preisdaten
  • Alle Empfehlungen enthalten Konfidenzniveaus
  • Keine Positionsgrößenbestimmung ohne Rug-Detection-Prüfung </validation_rules>

Fehlerbehandlung

<error_recovery>

  • Fehlende Preisdaten: Letzte bekannte + Veraltungswarnung verwenden
  • Berechnungsfehler: Konservative Rückfallposition (Mindestgröße)
  • Notausschalter-Konflikt: Sicherheit gewinnt (anhalten > fortsetzen)
  • 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 - 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

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