Communitygithub.com

MikeCheng1208/BattleTree

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

¿Qué es BattleTree?

El agente Portfolio Manager Agent es una habilidad especializada para optimizar la asignación de activos de una cartera de inversión. Su función principal es ajustar dinámicamente la distribución entre acciones, bonos y efectivo según el régimen de mercado detectado (RISK_ON, RISK_OFF o TRANSITION), utilizando indicadores como el VIX, el crecimiento del PIB y la pendiente de la curva de rendimientos. El agente monitorea constantemente las desviaciones respecto a la asignación objetivo, aplicando umbrales de reequilibrio (5% para recomendación normal, 10% para urgente) y generando órdenes de compra/venta específicas. Además, incorpora métricas de riesgo avanzadas como el Ratio de Sharpe, el Beta de la cartera y la correlación entre activos, y aplica límites constitucionales para garantizar el cumplimiento normativo (ej. límite del 15% por posición individual). Esta habilidad está diseñada para plataformas como Claude Code, Cursor o Codex, y se integra con detectores de régimen de mercado y el sistema de constitución para validar las operaciones sugeridas. Al optimizar el equilibrio entre riesgo y rendimiento y automatizar el proceso de reequilibrio, ayuda a los inversores a mantener una cartera diversificada y alineada con sus objetivos a largo plazo, reduciendo la volatilidad y mejorando el rendimiento ajustado al riesgo.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/MikeCheng1208/BattleTree/tree/HEAD/.agents/skills/portfolio-manager-agent

Preguntar en tu IA favorita

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

Documentación

Agente Gestor de Cartera - Portfolio Manager Agent

Rol

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

Capacidades principales

1. Estrategia de asignación de activos

Asignación dinámica según el 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%
Finanzas: Máximo 30%
Salud: Máximo 25%
Otros sectores: Máximo 20% cada uno

2. Desencadenantes de reequilibrio

SI desviación > 5%:
  → Se recomienda reequilibrar

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

SI desviación > 10%:
  → Reequilibrio 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 pérdida: Drawdown máximo
  • Matriz de correlación: Correlación 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 la cartera actual
  - Asignación actual
  - Posiciones individuales
  - Desglose sectorial
  - Métricas de riesgo

Paso 2: Detectar el régimen de mercado
  from backend.ai.market_regime import MarketRegimeDetector
  regime = detector.detect_regime(market_data)

Paso 3: Determinar la asignación objetivo
  Según el régimen:
    - RISK_ON → Agresiva (70/20/10)
    - RISK_OFF → Conservadora (40/40/20)
    - TRANSITION → Equilibrada (55/30/15)

Paso 4: Calcular la desviación
  deviation = |actual - objetivo|

Paso 5: Decisión de reequilibrio
  SI desviación > umbral:
    → Generar operaciones de reequilibrio
  SINO:
    → 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": "Transición a régimen RISK_OFF, es necesario reducir la ponderación 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": "Ajuste de ponderación de acciones 76% → 55%"
    },
    {
      "action": "BUY",
      "asset_class": "bonds",
      "amount_usd": 12000,
      "reason": "Aumento de ponderación de bonos 18% → 30%"
    },
    {
      "action": "INCREASE",
      "asset_class": "cash",
      "amount_usd": 9000,
      "reason": "Ampliación de la posición en 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 del PIB: 3.0%
- Régimen de mercado: RISK_ON
- Actual: Acciones 55%, Bonos 30%, Efectivo 15%

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

Ejemplo 4: Reequilibrio sectorial

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

Salida:
- Recomendación: SECTOR_REBALANCE
- Operaciones:
  * VENDER Acciones tecnológicas $5,000 (45% → 40%)
  * COMPRAR Salud $3,000
  * COMPRAR Finanzas $2,000

Directrices

Lo que se debe hacer ✅

  • Revisión periódica: Semanal o quincenal
  • Priorizar el régimen de mercado: Asignación según el entorno macro
  • Reequilibrio gradual: Evitar cambios bruscos
  • Eficiencia fiscal: Reequilibrio fiscalmente eficiente

Lo que no se debe hacer ❌

  • Evitar el exceso de operaciones (considerar costos de transacción)
  • No reaccionar de forma exagerada a la volatilidad a 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 reequilibrio

Reequilibrio basado en umbrales

def check_rebalancing_needed(
    current: Dict[str, float],
    target: Dict[str, float],
    threshold: float = 0.05
) -> bool:
    """Verifica si es necesario reequilibrar"""
    
    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 reequilibrio"""
    
    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 reequilibrio: 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 pérdidas: Objetivo -20% vs. cartera no gestionada

Cumplimiento constitucional

from backend.constitution import Constitution

constitution = Constitution()

# Validar operaciones de reequilibrio
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 la 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:
    """Optimizar 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 el Sharpe negativo
    
    # Restricciones
    constraints = [
        {'type': 'eq', 'fun': lambda w: np.sum(w) - 1},  # Suma a 1
        {'type': 'ineq', 'fun': lambda w: w}  # No negativo
    ]
    
    # Límites (máx. 15% por acción)
    bounds = tuple((0, 0.15) for _ in range(n_assets))
    
    # Suposición 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 la 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
- Pérdida máxima: -8.2%

## Acciones realizadas
- 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 del régimen de mercado.

Individual skills in this repo

This repo contains 12 individual skills — each has its own dedicated page.

MikeCheng1208/BattleTree

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.

MikeCheng1208/BattleTree

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

MikeCheng1208/BattleTree

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

MikeCheng1208/BattleTree

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.

MikeCheng1208/BattleTree

Personal meta-skill for Arach. Use this as the entry point to understand arach's projects, conventions, and available skills. Activates on "arach's projects", "what does arach work on", or when working in any arach/* repo.

MikeCheng1208/BattleTree

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

MikeCheng1208/BattleTree

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,...

MikeCheng1208/BattleTree

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

MikeCheng1208/BattleTree

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.

MikeCheng1208/BattleTree

Optimize project portfolio selection under constraints using mathematical optimization

MikeCheng1208/BattleTree

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.

MikeCheng1208/BattleTree

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.

Skills relacionados