Communitygithub.com

FrancoisRost1/mini-bloomberg-terminal

Einheitliches Terminal für Investmentrecherchen. Integriert 10 eigenständige Finanz-Engines (LBO, PE-Screener, Faktormodelle, Regimeerkennung, TSMOM, Optionen, Portfoliooptimierung, Robustheitslabor, KI-Recherche-Agent) in 68 institutionelle Arbeitsbereiche. Live-Produktions-Stack: Railway + Cloudflare + FMP + Polygon + FRED + Finnhub + Anthropic + SQLite.

Was ist mini-bloomberg-terminal?

Dieses Skill, basierend auf dem Repository FrancoisRost1/mini-bloomberg-terminal, verwandelt eine KI-Agenten-Umgebung (wie Claude Code oder Cursor) in ein vollwertiges, einheitliches Terminal für institutionelle Investmentrecherche und quantitative Analyse. Es führt 10 eigenständige Finanz-Engines zusammen – darunter LBO-Modellierung, Private-Equity-Screener, Faktormodelle, Markov-Regimeerkennung, Time-Series Momentum (TSMOM), Optionspreisanalyse, Portfoliooptimierung, ein Robustheitslabor und einen KI-Forschungsagenten – und verteilt sie auf 68 vorgefertigte Arbeitsbereiche. Es ist für eine Live-First-Produktionsumgebung konzipiert und nutzt einen modernen Stack bestehend aus Railway (Backend-Orchestrierung), Cloudflare (Edge- und Sicherheit), Financial Modeling Prep (FMP) und Polygon (Marktdaten), FRED (Wirtschaftsdaten) und Finnhub (alternative Daten). Die zugrunde liegende Logik verwendet SQLite für lokale Datenhaltung und Anthropic-APIs für die agentenbasierte Entscheidungsfindung, was es Nutzern ermöglicht, komplexe Finanzanalyse-Workflows vollständig über eine Chat- oder Codebasis zu erstellen, zu testen und einzusetzen.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add FrancoisRost1/mini-bloomberg-terminal

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht mini-bloomberg-terminal?

Einheitliches Terminal für Investmentrecherchen. Integriert 10 eigenständige Finanz-Engines (LBO, PE-Screener, Faktormodelle, Regimeerkennung, TSMOM, Optionen, Portfoliooptimierung, Robustheitslabor, KI-Recherche-Agent) in 68 institutionelle Arbeitsbereiche. Live-Produktions-Stack: Railway + Cloudflare + FMP + Polygon + FRED + Finnhub + Anthropic + SQLite.

Funktionsweise

  • 10 Finanz-Engines: LBO-Modell (Leveraged Buyout), Private-Equity-Screener, Multifaktor-Faktormodelle, Markov-Regimeerkennung, Time-Series Momentum (TSMOM), Optionspreise (Black-Scholes), Portfoliooptimierung (Mean-Variance), Robustheitslabor (Stresstests), KI-Recherche-Agent (Anthropic).
  • 68 Arbeitsbereiche: Vorgefertigte Konfigurationen für jede Engine und gemischte Workflows, über eine einheitliche CLI oder KI-Eingabeaufforderung zugänglich.
  • Live-Produktion: Verwendet Railway für Backend-Deployments, Cloudflare Workers als API-Gateway und Edge-Funktionen.
  • Datenquellen: Finanzdaten via Financial Modeling Prep (FMP) und Polygon, Wirtschaftsdaten via FRED, alternative Daten via Finnhub.
  • KI-Integration: Der KI-Recherche-Agent verwendet Anthropic-Modelle für semantische Suche, Zusammenfassungen und generierte Handelsempfehlungen.
  • Persistenz: SQLite für lokale Datenbanken (Benutzerprofile, Watchlisten, Transaktionsverlauf) – kein externes Cloud-DB erforderlich.

Beispiel-Befehle

# Portfolio-Optimierung ausführen
bbg portfolio optimize --risk-free-rate 0.05 --max-weights "[0.3, 0.3, 0.2, 0.2]"

# Regimeerkennung auslösen
bbg regime detect --lookback 252 --states 3

# KI-Recherche starten
bbg ai research --query "Analyse Sektor Health Care auf Bullenmarktrisiken"

Konfiguration

Setzen Sie die folgenden Umgebungsvariablen:

VariableDienst
FMP_API_KEYFinancial Modeling Prep
POLYGON_API_KEYPolygon.io
FRED_API_KEYFederal Reserve Economic Data
FINNHUB_API_KEYFinnhub
ANTHROPIC_API_KEYAnthropic (Claude)

Optional:

VariableStandardBeschreibung
BBG_DB_PATH./bbg.dbPfad zur SQLite-Datenbank
BBG_WORKSPACEdefaultVoreingestellter Arbeitsbereich
BBG_LIVE_MODEtrueEchtzeitdaten vs. simulierte Daten

Architektur

+------------------+     +-------------------+     +----------------------+
|  KI-Agent         | --> |  Railway Backend   | --> | Daten-Engines (10)  |
|  (Anthropic)      |     |  (FastAPI / Uvicorn)|    | (FMP, Polygon, ...) |
+------------------+     +-------------------+     +----------------------+
        ^                          |                           |
        |                          v                           v
        |                 +------------------+     +----------------------+
        +-----------------| Cloudflare       |     | SQLite (Lokal)       |
                          | (Workers + Cache) |     |                      |
                          +------------------+     +----------------------+

Hinweise zur Verwendung im KI-Agenten

  • Starten Sie die Engine mit bbg start oder bbg serve für einen kontinuierlichen API-Endpunkt.
  • Rufen Sie Hilfe zu jedem Arbeitsbereich mit bbg help <workspace> auf.
  • Für Automatisierung fügen Sie --cron "0 9 * * 1-5" hinzu (jeden Wochentag um 9 Uhr ausführen).

Lizenz

MIT

Verwandte Skills