Communitygithub.com

diegosouzapw/awesome-omni-skill

Optimizador de asignación y rebalanceo de carteras. Gestiona la distribución de activos entre acciones/efectivo/bonos, realiza rebalanceos periódicos y asegura la diversificación según el régimen de mercado y la tolerancia al riesgo.

¿Qué es awesome-omni-skill?

Este skill actúa como un gestor de carteras autónomo que optimiza la asignación de activos, el rebalanceo y la diversificación para maximizar la rentabilidad ajustada al riesgo. Es útil para desarrolladores e inversores que desean automatizar la gestión de carteras con reglas basadas en regímenes de mercado, límites de concentración sectorial y métricas de riesgo como el Ratio de Sharpe o la Beta. Funciona en plataformas como Claude Code, Cursor y Codex, integrándose con detectores de régimen de mercado para ajustar dinámicamente la asignación entre acciones, bonos y efectivo. Su algoritmo de rebalanceo por umbrales calcula desviaciones, genera órdenes de compra/venta y verifica el cumplimiento de límites constitucionales (como el Artículo 4) y de concentración sectorial, minimizando costos de transacción y maximizando la eficiencia fiscal.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/diegosouzapw/awesome-omni-skill/tree/HEAD/skills/development/portfolio-manager-agent

Preguntar en tu IA favorita

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

Documentación

Agente Gestor de Carteras - Portfolio Manager

Rol

Gestiona la asignación de activos, el rebalanceo y la diversificación de la cartera para optimizar la rentabilidad ajustada al riesgo.

Capacidades Clave

1. Estrategia de Asignación de Activos

Asignación Dinámica por Régimen de Mercado

# RISK_ON (Expansión económica, VIX < 20)
allocation = {
    'stocks': 0.70,
    'bonds': 0.20,
    'cash': 0.10
}

# RISK_OFF (Contracción económica, VIX > 25)
allocation = {
    'stocks': 0.40,
    'bonds': 0.40,
    'cash': 0.20
}

# TRANSITION (Transición, VIX 20-25)
allocation = {
    'stocks': 0.55,
    'bonds': 0.30,
    'cash': 0.15
}

Diversificación Sectorial

Tecnología: Máximo 40%
Financiero: Máximo 30%
Salud: Máximo 25%
Otros sectores: Máximo 20% cada uno

2. Disparadores de Rebalanceo

SI desviación > 5%:
  → Rebalanceo recomendado

Ejemplo:
Objetivo: Acciones 70%
Actual: Acciones 76%
Desviación: +6% → REBALANCEAR

SI desviación > 10%:
  → Rebalanceo urgente
  → Notificación inmediata

3. Monitoreo de Métricas de Riesgo

  • Beta de la Cartera: Volatilidad respecto al mercado
  • Ratio de Sharpe: Rentabilidad ajustada al riesgo
  • Máxima Caída (Max Drawdown): Mayor pérdida desde el máximo
  • Matriz de Correlación: Correlaciones entre activos

4. Dimensionamiento de Posiciones

# Criterio de Kelly (modificado)
position_size = (win_rate * avg_win - (1 - win_rate) * avg_loss) / avg_win

# Límites de posición
position_size = min(position_size, MAX_SINGLE_POSITION)  # 15%

Marco de Decisión

Paso 1: Analizar Cartera Actual
  - Asignación actual
  - Posiciones individuales
  - Desglose sectorial
  - Métricas de riesgo

Paso 2: Detectar Régimen de Mercado
  from backend.ai.market_regime import MarketRegimeDetector
  regime = detector.detect_regime(market_data)

Paso 3: Determinar Asignación Objetivo
  Basado en el régimen:
    - RISK_ON → Agresivo (70/20/10)
    - RISK_OFF → Conservador (40/40/20)
    - TRANSITION → Balanceado (55/30/15)

Paso 4: Calcular Desviación
  deviation = |actual - objetivo|

Paso 5: Decisión de Rebalanceo
  SI desviación > umbral:
    → Generar operaciones de rebalanceo
  SI NO:
    → Mantener asignación actual

Paso 6: Aplicar Límites Constitucionales
  - Verificar cumplimiento del Artículo 4
  - Asegurar límites de posición
  - Verificar límites sectoriales

Formato de Salida

{
  "agent": "portfolio_manager",
  "recommendation": "REBALANCE|HOLD",
  "confidence": 0.85,
  "reasoning": "El régimen de mercado cambió a RISK_OFF, es necesario reducir el peso en acciones",
  "current_allocation": {
    "stocks": 0.76,
    "bonds": 0.18,
    "cash": 0.06,
    "total_value_usd": 100000
  },
  "target_allocation": {
    "stocks": 0.55,
    "bonds": 0.30,
    "cash": 0.15
  },
  "deviation": {
    "stocks": 0.21,
    "bonds": -0.12,
    "cash": -0.09,
    "max_deviation": 0.21
  },
  "rebalancing_trades": [
    {
      "action": "SELL",
      "asset_class": "stocks",
      "amount_usd": 21000,
      "reason": "Ajustar peso de acciones 76% → 55%"
    },
    {
      "action": "BUY",
      "asset_class": "bonds",
      "amount_usd": 12000,
      "reason": "Aumentar peso de bonos 18% → 30%"
    },
    {
      "action": "INCREASE",
      "asset_class": "cash",
      "amount_usd": 9000,
      "reason": "Ampliar peso de efectivo (posición defensiva)"
    }
  ],
  "risk_analysis": {
    "portfolio_beta": 1.15,
    "sharpe_ratio": 1.45,
    "max_drawdown": -0.08,
    "expected_volatility": 0.18
  },
  "sector_breakdown": {
    "Technology": 0.35,
    "Finance": 0.20,
    "Healthcare": 0.15,
    "Other": 0.30
  },
  "next_review_date": "2025-12-28"
}

Ejemplos

Ejemplo 1: RISK_ON → Asignación agresiva

Entrada:
- VIX: 15
- Crecimiento PIB: 3.0%
- Régimen de Mercado: RISK_ON
- Actual: Acciones 55%, Bonos 30%, Efectivo 15%

Salida:
- Recomendación: REBALANCEAR
- Objetivo: Acciones 70%, Bonos 20%, Efectivo 10%
- Operaciones:
  * COMPRAR Acciones $15,000
  * VENDER Bonos $10,000
  * REDUCIR Efectivo $5,000

Ejemplo 2: RISK_OFF → Asignación defensiva

Entrada:
- VIX: 28
- Señales de recesión
- Régimen de Mercado: RISK_OFF
- Actual: Acciones 70%, Bonos 20%, Efectivo 10%

Salida:
- Recomendación: REBALANCEO_URGENTE
- Objetivo: Acciones 40%, Bonos 40%, Efectivo 20%
- Operaciones:
  * VENDER Acciones $30,000
  * COMPRAR Bonos $20,000
  * AUMENTAR Efectivo $10,000

Ejemplo 3: Desviación pequeña → Mantener

Entrada:
- Actual: Acciones 68%, Bonos 22%, Efectivo 10%
- Objetivo: Acciones 70%, Bonos 20%, Efectivo 10%
- Desviación: 2%, 2%, 0%

Salida:
- Recomendación: MANTENER
- Razonamiento: "Desviación < 5%, considerando costos de transacción es mejor mantener"

Ejemplo 4: Rebalanceo sectorial

Entrada:
- Tecnología: 45% (MÁX 40%)
- Financiero: 15%
- Salud: 10%

Salida:
- Recomendación: REBALANCEO_SECTORIAL
- Operaciones:
  * VENDER Acciones Tecnológicas $5,000 (45% → 40%)
  * COMPRAR Salud $3,000
  * COMPRAR Financiero $2,000

Guías

Sí ✅

  • Revisión periódica: Cada semana o quincena
  • Priorizar el régimen de mercado: Asignación según el entorno macro
  • Rebalanceo gradual: Evitar cambios bruscos
  • Eficiencia fiscal: Rebalanceo con optimización fiscal

No ❌

  • Evitar operaciones excesivas (considerar costos de transacción)
  • No reaccionar exageradamente a la volatilidad de corto plazo
  • No realizar cambios emocionales en la asignación
  • No violar el Artículo 4 de la Constitución

Integración con el Detector de Régimen de Mercado

from backend.ai.market_regime import MarketRegimeDetector
from backend.ai.regime_detector import detect_market_regime

detector = MarketRegimeDetector()

regime_data = {
    'vix': 18,
    'yield_curve_10y2y': 0.3,
    'fed_stance': 'neutral',
    'gdp_growth': 0.025,
    'unemployment': 0.038,
    'cpi': 0.028
}

regime = detector.detect_regime(regime_data)

# Salida:
# {
#   "current_regime": "RISK_ON",
#   "confidence": 0.75,
#   "recommended_asset_allocation": {
#     "stocks": 0.70,
#     "bonds": 0.20,
#     "cash": 0.10
#   },
#   "regime_indicators": {
#     "vix_signal": "LOW_VOLATILITY",
#     "yield_curve_signal": "NORMAL",
#     "macro_signal": "EXPANSION"
#   }
# }

Algoritmo de Rebalanceo

Rebalanceo Basado en Umbrales

def check_rebalancing_needed(
    current: Dict[str, float],
    target: Dict[str, float],
    threshold: float = 0.05
) -> bool:
    """Verifica si es necesario rebalancear"""
    
    for asset_class in target.keys():
        deviation = abs(current[asset_class] - target[asset_class])
        
        if deviation > threshold:
            return True
    
    return False

# Ejemplo
current = {'stocks': 0.76, 'bonds': 0.18, 'cash': 0.06}
target = {'stocks': 0.70, 'bonds': 0.20, 'cash': 0.10}

needs_rebalance = check_rebalancing_needed(current, target)  # True

Cálculo de Operaciones Óptimas

def calculate_rebalancing_trades(
    current_allocation: Dict[str, float],
    target_allocation: Dict[str, float],
    total_portfolio_value: float
) -> List[Dict]:
    """Calcula las operaciones óptimas para el rebalanceo"""
    
    trades = []
    
    for asset_class, target_pct in target_allocation.items():
        current_pct = current_allocation[asset_class]
        current_value = current_pct * total_portfolio_value
        target_value = target_pct * total_portfolio_value
        
        diff = target_value - current_value
        
        if abs(diff) > 1000:  # Operación mínima $1,000
            action = "BUY" if diff > 0 else "SELL"
            trades.append({
                "asset_class": asset_class,
                "action": action,
                "amount_usd": abs(diff),
                "from_pct": current_pct,
                "to_pct": target_pct
            })
    
    return trades

Métricas de Rendimiento

  • Frecuencia de Rebalanceo: Objetivo 1-2 veces al mes
  • Costos de Transacción: < 0.5% del valor de la cartera
  • Mejora del Ratio de Sharpe: Objetivo +10% vs comprar y mantener
  • Reducción de la Caída Máxima: Objetivo -20% vs cartera no gestionada

Cumplimiento Constitucional

from backend.constitution import Constitution

constitution = Constitution()

# Validar operaciones de rebalanceo
for trade in rebalancing_trades:
    # Verificar si la nueva asignación viola el Artículo 4
    new_allocation = apply_trade(current_allocation, trade)
    
    is_valid, violations, _ = constitution.validate_allocation(
        new_allocation,
        current_positions
    )
    
    if not is_valid:
        # Ajustar operación para cumplir
        trade = adjust_trade_for_compliance(trade, violations)

Dimensionamiento de Posiciones Ajustado al Riesgo

Integración con la Teoría Moderna de Carteras (MPT)

import numpy as np
from scipy.optimize import minimize

def optimize_portfolio(
    returns: np.array,
    covariance: np.array,
    risk_free_rate: float = 0.03
) -> np.array:
    """Optimiza la cartera usando MPT"""
    
    n_assets = len(returns)
    
    # Objetivo: Maximizar el Ratio de Sharpe
    def objective(weights):
        portfolio_return = np.dot(weights, returns)
        portfolio_std = np.sqrt(np.dot(weights, np.dot(covariance, weights)))
        sharpe = (portfolio_return - risk_free_rate) / portfolio_std
        return -sharpe  # Minimizar Sharpe negativo
    
    # Restricciones
    constraints = [
        {'type': 'eq', 'fun': lambda w: np.sum(w) - 1},  # Suma a 1
        {'type': 'ineq', 'fun': lambda w: w}  # No negativas
    ]
    
    # Límites (máximo 15% por acción)
    bounds = tuple((0, 0.15) for _ in range(n_assets))
    
    # Estimación inicial
    x0 = np.array([1/n_assets] * n_assets)
    
    # Optimizar
    result = minimize(objective, x0, method='SLSQP', bounds=bounds, constraints=constraints)
    
    return result.x

Colaboración con Otros Agentes

War Room → Señales de Trading
  ↓
Gestor de Cartera → Verificar asignación actual
  ↓
SI la nueva posición causa desequilibrio:
  → Sugerir tamaño de posición parcial
  O
  → Recomendar vender otras posiciones primero

Ejemplo:
War Room: COMPRAR AAPL $15,000
Gestor de Cartera: "El sector tecnológico ya está al 38%, COMPRAR solo $10,000"

Informes

Informe Semanal de Cartera

# Informe de Rendimiento de Cartera - Semana del 2025-12-21

## Asignación de Activos
- Acciones: 68% (Objetivo: 70%) ✓
- Bonos: 22% (Objetivo: 20%) ⚠️
- Efectivo: 10% (Objetivo: 10%) ✓

## Rendimiento
- Rentabilidad Semanal: +2.3%
- Rentabilidad Anual (YTD): +15.7%
- Ratio de Sharpe: 1.45
- Máxima Caída: -8.2%

## Acciones Tomadas
- Ninguna (dentro de la tolerancia)

## Próxima Revisión: 2025-12-28

Historial de Versiones

  • v1.0 (2025-12-21): Versión inicial con optimización MPT e integración con régimen de mercado.

Individual skills in this repo

This repo contains 17 individual skills — each has its own dedicated page.

diegosouzapw/awesome-omni-skill

Build a GitHub portfolio that gets you hired — curate 3-5 polished projects, craft compelling READMEs, deploy live demos, tell a coherent story across your repos, and align everything to AI-native development roles. Use when preparing your GitHub for job searches, deciding what to pin, or auditing your public presence.

diegosouzapw/awesome-omni-skill

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

diegosouzapw/awesome-omni-skill

Factor modeling and portfolio construction (Markowitz, Black-Litterman, constraints, turnover).

diegosouzapw/awesome-omni-skill

Analyze the CustomGPT.ai Labs Innovation workbook and cost tracking data to surface portfolio-level insights, trends, and recommendations for where to focus Innovation efforts.

diegosouzapw/awesome-omni-skill

Optimize project portfolio selection under constraints using mathematical optimization

diegosouzapw/awesome-omni-skill

Rapidly build, prototype, and deploy full-stack software using AI "text-to-app" tools. Use this when you need to create a greenfield application, build a high-fidelity working prototype for user testing, or bypass traditional engineering bottlenecks for internal tools.

diegosouzapw/awesome-omni-skill

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios,...

diegosouzapw/awesome-omni-skill

Minimalist, typography-focused portfolio design system inspired by neo-brutalist and Swiss design principles. Emphasizes bold typography, generous whitespace, monochromatic color schemes, and elegant simplicity for developer/designer portfolios.

diegosouzapw/awesome-omni-skill

Review UI code for Web Interface Guidelines compliance. Use when asked to "review my UI", "check accessibility", "audit design", "review UX", or "check my site against best practices".

diegosouzapw/awesome-omni-skill

High-converting landing pages. Copy + design + implementation. Triggers: landing page, conversion page.

diegosouzapw/awesome-omni-skill

Detect and explain risk drift in lending portfolios over time using vintage analysis, migration matrices, and concentration metrics. Use when monitoring portfolio credit quality trends, preparing board risk reports, conducting stress testing, or when risk metrics deviate from appetite thresholds.

diegosouzapw/awesome-omni-skill

Review UI code for Web Interface Guidelines compliance. Use when asked to "review my UI", "check accessibility", "audit design", "review UX", or "check my site against best practices".

diegosouzapw/awesome-omni-skill

Review UI code for Web Interface Guidelines compliance. Use when asked to "review my UI", "check accessibility", "audit design", "review UX", or "check my site against best practices".

diegosouzapw/awesome-omni-skill

Index-based file discovery using ABOUTME headers. Use INSTEAD of grep or Explore agent when searching for files by purpose or feature. Faster and more accurate than scanning code. Invoke this skill when user asks "which files handle X", "where is Y implemented", or when you need to find files related to a feature or task.

diegosouzapw/awesome-omni-skill

Index-based file discovery using ABOUTME headers. Use INSTEAD of grep or Explore agent when searching for files by purpose or feature. Faster and more accurate than scanning code. Invoke this skill when user asks "which files handle X", "where is Y implemented", or when you need to find files related to a feature or task.

diegosouzapw/awesome-omni-skill

Automate Klipfolio tasks via Rube MCP (Composio). Always search tools first for current schemas.

diegosouzapw/service-website-generator

Orchestrates automated service-based website generation with local SEO optimization. Creates 200+ service+location pages using parallel agents, Unsplash images via Jina AI, NextJS with dynamic routing, and PostgreSQL database. Use when building service business websites (plumbers, electricians, pressure washing, HVAC, etc.) targeting multiple locations.

Skills relacionados