Communitygithub.com

Mr-Nobody-Anonymous/All-skills

Construye modelos de optimización de carteras mean-variance, Black-Litterman y risk parity con gestión de restricciones y reglas de rebalanceo. Útil para optimizar carteras, implementar risk parity o aplicar visiones de Black-Litterman.

¿Qué es All-skills?

Este skill implementa tres marcos fundamentales de optimización de carteras: mean-variance (Markowitz), Black-Litterman y risk parity (paridad de riesgo). Está diseñado para ayudar a agentes de IA y desarrolladores a construir carteras multi-activo o multifactorial, incorporando pronósticos de retorno, modelos de covarianza, restricciones de inversión y reglas de rebalanceo. Su utilidad principal radica en que maneja desde la optimización clásica hasta técnicas avanzadas como la combinación de visiones subjetivas con ponderaciones de equilibrio de mercado (Black-Litterman) o la asignación de riesgo equilibrada sin depender de pronósticos de retorno (risk parity). El skill soporta desde la recolección de datos hasta la documentación final, incluyendo análisis de sensibilidad, descomposición de riesgo y protocolos de rebalanceo conscientes de costos e impuestos. Es compatible con entornos de Python (usando librerías como numpy, scipy, cvxpy) y requiere acceso a datos históricos de retornos y un modelo de riesgo. El flujo de trabajo guía al usuario paso a paso: selección del marco, preparación de entradas, formulación y resolución, análisis de salidas y definición de reglas de rebalanceo. Además incluye controles de calidad rigurosos para garantizar que las soluciones sean económicamente plausibles y estén libres de sobreajuste.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Mr-Nobody-Anonymous/All-skills/tree/HEAD/awesome_skills/legal/modeling-portfolio-optimization

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Modelado de Optimización de Carteras

Construye modelos de optimización de carteras mean-variance, Black-Litterman y risk parity con gestión de restricciones y reglas de rebalanceo.

Cuándo Usarlo

  • Construir o rebalancear una cartera multi-activo o multifactorial frente a un objetivo riesgo/retorno
  • Incorporar visiones subjetivas del mercado en ponderaciones de equilibrio mediante Black-Litterman
  • Implementar risk parity o contribución de riesgo igual entre clases de activos o factores
  • Evaluar conjuntos de restricciones (límites de posición, topes sectoriales, presupuestos de rotación) y su impacto en la frontera eficiente
  • Realizar pruebas de estrés de asignaciones de cartera bajo escenarios de cambio de régimen o riesgo de cola

Entradas a Recopilar

  • Estimaciones de retorno: Series históricas de retornos (frecuencia, ventana de observación, universo de activos) o retornos esperados forward-looking de un modelo alpha separado
  • Covarianza / modelo de riesgo: Covarianza muestral, estimador shrinkage (Ledoit-Wolf), modelo de riesgo basado en factores o especificación DCC-GARCH — documentar cuál y por qué
  • Benchmark o referencia de equilibrio: Ponderaciones de capitalización de mercado para retornos implícitos de Black-Litterman; índice de referencia si el tracking error es una restricción
  • Visiones del inversor (Black-Litterman): Visiones absolutas o relativas, niveles de confianza (tau, calibración de la matriz omega)
  • Restricciones: Tamaños de posición mínimos/máximos, límites de exposición sectorial/geográfica/factorial, long-only vs. long-short, tope de rotación, estimaciones de costos de transacción
  • Presupuesto de riesgo (risk parity): Contribución de riesgo objetivo por activo o factor; tolerancias de contribución marginal de riesgo
  • Reglas de rebalanceo: Basadas en calendario (mensual, trimestral) vs. basadas en umbrales (bandas de deriva), consideraciones de lotes fiscales si aplica

Flujo de Trabajo

  1. Seleccionar el marco de optimización

    • Mean-variance (Markowitz): Úsalo cuando tengas estimaciones creíbles de retornos esperados y quieras apuntar a un punto en la frontera eficiente o maximizar el ratio Sharpe.
    • Black-Litterman: Úsalo cuando partas de ponderaciones de equilibrio (capitalización de mercado) y combines visiones discrecionales o basadas en modelos. Especifica tau (factor de escala para la incertidumbre en los retornos de equilibrio) y construye la matriz de selección (P) y el vector de visiones (Q) con omega ponderado por confianza.
    • Risk parity / contribución de riesgo igual: Úsalo cuando el objetivo sea una asignación de riesgo equilibrada sin depender de pronósticos de retorno. Resuelve para ponderaciones donde la contribución marginal de cada activo a la volatilidad de la cartera sea igual (o proporcional a un presupuesto de riesgo).
  2. Preparar las entradas

    • Limpiar series de retornos: manejar datos faltantes, sesgo de supervivencia, acciones corporativas. Indicar período de observación y frecuencia.
    • Estimar la matriz de covarianza. Para universos grandes (>50 activos), aplicar shrinkage o descomposición factorial para evitar matrices singulares o inestables. Documentar el piso de eigenvalores si se regulariza.
    • Para Black-Litterman: derivar retornos implícitos de equilibrio (π = δΣw_mkt), luego combinar con visiones usando la fórmula BL. Indicar la derivación de delta (coeficiente de aversión al riesgo).
  3. Formular y resolver

    • Definir la función objetivo (p. ej., maximizar w'μ − (λ/2)w'Σw para mean-variance; minimizar Σ(RC_i − RC_target)^2 para risk parity).
    • Codificar todas las restricciones como restricciones lineales o de cono de segundo orden para solvers convexos.
    • Resolver usando programación cuadrática (mean-variance), mínimos cuadrados secuenciales (risk parity) o posterior cerrado de BL.
    • Si el solver falla en converger, relajar la restricción más restrictiva incrementalmente y documentar el trade-off.
  4. Analizar las salidas

    • Reportar ponderaciones óptimas, retorno esperado, volatilidad esperada, ratio Sharpe y drawdown máximo (backtest histórico).
    • Descomponer el riesgo: contribución por activo, por factor y por sector. Identificar riesgos de concentración.
    • Realizar análisis de sensibilidad: perturbar retornos esperados ±50–100 pb, desplazar correlaciones ±0.05–0.10, variar tau (BL) en el rango 0.01–0.10. Reportar estabilidad de ponderaciones.
    • Comparar con benchmark o cartera actual: pesos activos, tracking error, ratio de información.
  5. Definir el protocolo de rebalanceo

    • Especificar el mecanismo de disparo: calendario programado o umbral de deriva (p. ej., rebalancear cuando cualquier peso se desvíe >2% del objetivo).
    • Incorporar modelo de costos de transacción (fijo + proporcional) en la decisión de rebalanceo — solo rebalancear si la ganancia esperada de utilidad supera el costo estimado de ida y vuelta.
    • Para cuentas sensibles a impuestos, aplicar optimización de lotes fiscales y conciencia de ganancias a corto vs. largo plazo. [VERIFICAR: reglas de lotes fiscales por jurisdicción]
  6. Documentar y entregar

    • Producir una hoja de especificaciones del modelo: objetivo, restricciones, solver, fuentes de entrada, rango de fechas, parámetros clave.
    • Incluir un registro de supuestos con banderas explícitas para cualquier entrada estimada o inferida.
    • Adjuntar resultados de backtest con las advertencias apropiadas (in-sample vs. out-of-sample, supuestos de costos de transacción, verificaciones de sesgo de anticipación).

Salida

  • Tabla de ponderaciones óptimas: Activo/factor, peso objetivo, peso actual, dirección de la operación, tamaño de la posición
  • Descomposición de riesgo: Contribución marginal y porcentual al riesgo por activo, factor y sector
  • Gráfico de frontera eficiente (mean-variance) o gráfico de barras de contribución al riesgo (risk parity)
  • Matriz de sensibilidad: Cambios en las ponderaciones bajo entradas perturbadas (retornos, correlaciones, tau)
  • Resumen de reglas de rebalanceo: Tipo de disparo, umbral de costo, rotación anual esperada
  • Hoja de especificaciones del modelo: Documentación completa de parámetros para reproducibilidad y auditoría

Controles de Calidad

  • Las ponderaciones suman 1.0 (o exposición neta objetivo para long-short) y cumplen todas las restricciones establecidas
  • La matriz de covarianza es positiva semidefinida — verificar que el eigenvalor más pequeño > 0 (o regularización aplicada)
  • Los retornos posteriores de Black-Litterman se encuentran entre los retornos de equilibrio y las visiones — cambios extremos indican calibración incorrecta de omega
  • La solución de risk parity logra contribuciones de riesgo dentro de la tolerancia (p. ej., ±0.5% del objetivo) — si no, marcar problema de convergencia del solver
  • El ratio Sharpe del backtest es plausible en relación con la historia de la clase de activo — ratios superiores a 2.0 para activos tradicionales merecen escrutinio por sobreajuste
  • Ningún activo supera el límite de concentración; las exposiciones sectoriales/factoriales están dentro de las bandas de la política
  • Los supuestos de costos de transacción son realistas para la clase de activo y el tamaño de la operación [VERIFICAR: diferenciales de oferta-demanda y comisiones específicos del mercado]
  • Todos los supuestos, fuentes de datos y opciones de parámetros están documentados — sin "números mágicos" sin justificación

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

Mr-Nobody-Anonymous/All-skills

Build agency portfolios. TRIGGERS - Use when user needs help with agency-portfolio-builder related tasks.

Mr-Nobody-Anonymous/All-skills

Generate landing pages with AI. TRIGGERS - Use when user needs help with ai-landing-page-gen related tasks.

Mr-Nobody-Anonymous/All-skills

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

Mr-Nobody-Anonymous/All-skills

Review investment portfolios with rebalancing recommendations. TRIGGERS - Use when user needs help with investment-portfolio-review related tasks.

Mr-Nobody-Anonymous/All-skills

Create makeup artist portfolio guides. TRIGGERS - Use when user needs help with makeup-artist-portfolio related tasks.

Mr-Nobody-Anonymous/All-skills

Build freelance portfolios with case studies. TRIGGERS - Use when user needs help with freelance-portfolio-builder related tasks.

Mr-Nobody-Anonymous/All-skills

Structures secondary portfolio construction with vintage diversification, strategy mix, and geographic allocation optimization. Use when building secondary portfolios, managing allocation targets, or optimizing portfolio composition.

Mr-Nobody-Anonymous/All-skills

Optimize landing page copy for conversions. TRIGGERS - Use when user needs help with landing-page-optimizer related tasks.

Mr-Nobody-Anonymous/All-skills

Build copywriting portfolios. TRIGGERS - Use when user needs help with copywriting-portfolio related tasks.

Mr-Nobody-Anonymous/All-skills

Design cryptocurrency portfolio strategies. TRIGGERS - Use when user needs help with crypto-portfolio-strategy related tasks.

Mr-Nobody-Anonymous/All-skills

Build UX design portfolios. TRIGGERS - Use when user needs help with ux-portfolio-builder related tasks.

Mr-Nobody-Anonymous/All-skills

Design cloud landing zones. TRIGGERS - Use when user needs help with cloud-landing-zone related tasks.

Mr-Nobody-Anonymous/All-skills

Generate high-converting landing page copy with headlines, benefits, CTAs, and social proof. TRIGGERS - Use when user wants landing page copy, sales page content, or conversion-focused web copy.

Mr-Nobody-Anonymous/All-skills

Design portfolio assessment systems. TRIGGERS - Use when user needs help with portfolio-assessment related tasks.

Mr-Nobody-Anonymous/All-skills

Conducts portfolio performance measurement with benchmark comparison, attribution, and risk-adjusted metrics. Use when measuring portfolio performance, calculating Sharpe/Sortino ratios, or conducting performance attribution.

Mr-Nobody-Anonymous/All-skills

Builds strategic and tactical asset allocation models with risk-return optimization and constraint management. Use when constructing portfolios, optimizing asset allocation, or building model portfolios.

Mr-Nobody-Anonymous/All-skills

Creates client-facing portfolio reports with performance, allocation, commentary, and outlook. Use when producing client reports, preparing quarterly reviews, or creating portfolio summaries.

Mr-Nobody-Anonymous/All-skills

Design investment portfolios. TRIGGERS - Use when user needs help with investment-portfolio-design related tasks.

Mr-Nobody-Anonymous/All-skills

Plan investment portfolios. TRIGGERS - Use when user needs help with investment-portfolio-plan related tasks.

Mr-Nobody-Anonymous/All-skills

You are a Conversion Rate Optimization Strategist and Persuasive Content Specialist. Use this skill when the user wants to audit or improve a landing page, write conversion-focused copy, optimize CTAs, build an FAQ schema block, translate features into benefits, or maximize conversions on any specific page type. Activate when the user mentions "landing page," "sales page," "lead capture page," "squeeze page," "webinar sign-up page," "product launch page," "waitlist page," "early access page," "thank you page," "upsell page," "SaaS pricing page," "onboarding page," "ecommerce page," "audit this page," "improve conversions," "CTA optimization," "hero section," "headline rewrite," "subhead," "benefits section," "features to benefits," "FAQ schema," "schema FAQ," "trust elements," "page layout," "above the fold," "scroll order," "microcopy," "mobile-first copy," "landing page copy," "page flow," "drop-off," "weak CTA," "conversion copy," "page goal," "split test copy," "A/B test copy," or "wireframe suggestion...

Skills relacionados