Communitygithub.com

majiayu000/claude-skill-registry-data

Calcular los porcentajes actuales de asignación, identificar la desviación de los objetivos y analizar la eficiencia del margen.

¿Qué es claude-skill-registry-data?

Esta skill automatiza el análisis diario de carteras siguiendo la estrategia de la Cartera Permanente de Harry Browne (asignación 25/25/25/25). Calcula los porcentajes de asignación actual de cada clase de activo (acciones, bonos a largo plazo, oro, efectivo/letras del tesoro), mide la desviación respecto al objetivo del 25% y determina si es necesario rebalancear en función de un umbral de desviación definido por el usuario. Además, evalúa la eficiencia del uso de margen, compara los costes reales con los esperados, y analiza la asignación satélite (opcional, entre el 10-20% de la parte de acciones). La skill también incorpora el contexto económico de las 'Cuatro Estaciones' para relacionar las posiciones actuales sobreponderadas o infraponderadas con las condiciones económicas favorables o desfavorables. Está diseñada para entornos de agentes de IA como Claude Code, Cursor o Codex, y se ejecuta leyendo un snapshot YAML previamente generado, produciendo un informe YAML detallado con recomendaciones listas para revisión manual. Es una skill de solo lectura que no ejecuta operaciones automáticamente.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/majiayu000/claude-skill-registry-data/tree/HEAD/analysis/portfolio-balancer-analyze-allocation-ncrmro-deepwork-permanent-

Preguntar en tu IA favorita

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

Documentación

portfolio_balancer.analyze_allocation

Paso 2/4 del flujo de trabajo portfolio_balancer

Análisis diario de la Cartera Permanente con desviación de asignación y recomendaciones de rebalanceo

Prerrequisitos (Verificar primero)

Antes de continuar, confirme que estos pasos están completos:

  • /portfolio_balancer.collect_portfolio_data

Instrucciones

Objetivo: Calcular los porcentajes actuales de asignación, identificar la desviación de los objetivos y analizar la eficiencia del margen.

Analizar Asignación

Objetivo

Calcular los porcentajes de asignación actuales frente a los objetivos de la Cartera Permanente (25/25/25/25), identificar la desviación de los objetivos y analizar la eficiencia del margen.

Tarea

Analizar la instantánea de la cartera para determinar cómo se comparan las asignaciones actuales con los objetivos de la Cartera Permanente de Harry Browne. Identificar qué clases de activos están sobreponderadas o infraponderadas y evaluar si el uso del margen es rentable.

Proceso

  1. Leer la instantánea de la cartera Cargar portfolio_balancer/data/portfolio_snapshot.yml del paso collect_portfolio_data.

  2. Calcular los porcentajes de asignación actuales Para cada clase de activo, calcular:

    porcentaje_actual = (valor_clase_activo / valor_total_cartera) * 100
    
  3. Calcular la desviación de los objetivos El objetivo de la Cartera Permanente es del 25% para cada clase de activo:

    desviacion = porcentaje_actual - 25.0
    
    • Desviación positiva = sobreponderado
    • Desviación negativa = infraponderado
  4. Determinar si es necesario rebalancear Comparar la desviación de cada clase de activo con el umbral_desviacion de la instantánea:

    • Si alguna |desviacion| > umbral_desviacion, se recomienda rebalancear
    • Rastrear qué clases de activos específicas superan el umbral
  5. Analizar la asignación satélite (si está habilitada) Si el seguimiento satélite está habilitado:

    • Calcular el % satélite de la asignación total de acciones
    • Comparar con el objetivo (típicamente 10-20%)
    • Determinar si la asignación satélite necesita ajuste
  6. Analizar la eficiencia del margen Si el margen está habilitado:

    • Calcular el coste anual del margen: saldo_margen * tasa_interes
    • Evaluar coste/beneficio: ¿El rendimiento esperado de los activos con margen es mayor que el coste del margen?
    • Señalar si las comisiones de margen superan umbrales razonables
  7. Aplicar el contexto de las Cuatro Estaciones Observar qué condiciones económicas favorecen las posiciones actuales sobreponderadas/infraponderadas:

    • Primavera (Prosperidad): Las acciones se benefician
    • Verano (Inflación): El oro se beneficia
    • Otoño (Dinero ajustado): El efectivo se beneficia
    • Invierno (Deflación): Los bonos a largo plazo se benefician

Formato de salida

portfolio_balancer/data/allocation_analysis.yml

Un archivo YAML que contiene el análisis de asignación completo.

Estructura:

fecha_analisis: "YYYY-MM-DD"
umbral_desviacion: 5  # de la instantánea

valor_total_cartera: 100000.00

# Desglose de asignación
asignaciones:
  acciones:
    porcentaje_objetivo: 25.0
    porcentaje_actual: 28.0
    valor_actual: 28000.00
    desviacion: 3.0  # sobreponderado en un 3%
    supera_umbral: false
    estado: "sobreponderado"
    # Desglose satélite (si está habilitado)
    satelite:
      habilitado: true
      porcentaje_nucleo: 89.3  # % de acciones en índice central
      porcentaje_satelite: 10.7  # % de acciones en satélites
      porcentaje_objetivo_satelite: 15.0
      desviacion_satelite: -4.3  # satélites infraponderados

  bonos_largo_plazo:
    porcentaje_objetivo: 25.0
    porcentaje_actual: 24.0
    valor_actual: 24000.00
    desviacion: -1.0  # infraponderado en un 1%
    supera_umbral: false
    estado: "infraponderado"

  oro:
    porcentaje_objetivo: 25.0
    porcentaje_actual: 23.0
    valor_actual: 23000.00
    desviacion: -2.0
    supera_umbral: false
    estado: "infraponderado"

  efectivo_letras_tesoro:
    porcentaje_objetivo: 25.0
    porcentaje_actual: 25.0
    valor_actual: 25000.00
    desviacion: 0.0
    supera_umbral: false
    estado: "en_objetivo"

# Evaluación general de rebalanceo
rebalanceo:
  necesario: false
  motivo: "Ninguna clase de activo supera el umbral de desviación del 5%"
  activos_superan_umbral: []

# Análisis de margen
analisis_margen:
  habilitado: true
  saldo_actual: 5000.00
  coste_anual: 300.00  # saldo * tasa
  coste_mensual: 25.00
  comisiones_mensuales_pagadas: 50.00
  calificacion_eficiencia: "pobre"  # pagando más en comisiones que el coste calculado
  recomendacion: "Revisar comisiones de margen: pagando $50/mes frente a $25/mes de coste esperado"

# Contexto de las Cuatro Estaciones
contexto_economico:
  sobreponderaciones_actuales:
    - activo: "acciones"
      condicion_favorable: "Prosperidad/Crecimiento (Primavera)"
      desviacion: 3.0
  infraponderaciones_actuales:
    - activo: "oro"
      condicion_favorable: "Inflación (Verano)"
      desviacion: -2.0
    - activo: "bonos_largo_plazo"
      condicion_favorable: "Deflación/Recesión (Invierno)"
      desviacion: -1.0
  interpretacion: "Cartera actualmente posicionada para la prosperidad; vulnerable a la inflación"

Criterios de calidad

  • Las cuatro clases de activos analizadas con porcentaje actual y desviación
  • Los cálculos de desviación son matemáticamente correctos
  • La comparación del umbral de rebalanceo es precisa
  • El análisis de eficiencia del margen incluido si el margen está habilitado
  • El análisis satélite incluido si el seguimiento satélite está habilitado
  • Se proporciona el contexto económico de las Cuatro Estaciones
  • Todos los porcentajes suman 100% (dentro de la tolerancia de redondeo)
  • El YAML es válido y analizable
  • Cuando se cumplan todos los criterios, incluya <promesa>✓ Criterios de calidad cumplidos</promesa> en su respuesta

Contexto

Este análisis es el núcleo de la gestión de la Cartera Permanente. Harry Browne diseñó la asignación 25/25/25/25 para proporcionar equilibrio en todas las condiciones económicas: las "Cuatro Estaciones" del ciclo económico. El análisis de desviación ayuda a determinar cuándo es necesario rebalancear para mantener este equilibrio.

El análisis de margen ayuda a los usuarios a comprender si su uso del margen es rentable, comparando las comisiones reales pagadas con los costes calculados y los beneficios esperados.

Contexto del trabajo

Análisis diario automatizado de carteras que implementa la estrategia de la Cartera Permanente de Harry Browne.

La Cartera Permanente mantiene asignaciones iguales del 25% en cuatro clases de activos diseñadas para rendir en diferentes condiciones económicas:

  • Acciones (25%): Prosperidad/Crecimiento
  • Bonos a Largo Plazo (25%): Deflación/Recesión
  • Oro (25%): Inflación
  • Efectivo/Letras del Tesoro (25%): Dinero Ajustado/Recesión

Este flujo de trabajo:

  1. Recopila datos de la cartera a través de la CLI bin/robinhood positions --save
  2. Analiza la asignación actual frente a los objetivos 25/25/25/25
  3. Realiza un seguimiento de las selecciones de acciones satélite (opcional, 10-20% de la asignación de acciones)
  4. Evalúa la eficiencia del uso del margen frente a las comisiones pagadas
  5. Genera recomendaciones de rebalanceo cuando la desviación supera el umbral definido por el usuario
  6. Produce un informe diario legible para revisión manual

IMPORTANTE: Este sistema es de solo lectura. No se ejecutan operaciones automáticamente. Todas las recomendaciones requieren revisión y ejecución manual.

Entradas requeridas

Archivos de pasos anteriores - Leer estos primero:

  • portfolio_balancer/data/portfolio_snapshot.yml (de collect_portfolio_data)

Rama de trabajo

Usar formato de rama: deepwork/portfolio_balancer-[instancia]-AAAAMMDD

  • Si está en una rama de trabajo coincidente: continuar usándola
  • Si está en main/master: crear nueva rama con git checkout -b deepwork/portfolio_balancer-[instancia]-$(date +%Y%m%d)

Salidas

Salidas requeridas:

  • portfolio_balancer/data/allocation_analysis.yml

Barreras de seguridad

  • NO omitir la verificación de prerrequisitos si este paso tiene dependencias
  • NO producir salidas parciales; completar todas las salidas requeridas antes de finalizar
  • NO continuar sin las entradas requeridas; preguntar al usuario si falta alguna
  • NO modificar archivos fuera del alcance de las salidas definidas de este paso

Al finalizar

  1. Verificar que las salidas se hayan creado
  2. Informar al usuario: "Paso 2/4 completado, salidas: portfolio_balancer/data/allocation_analysis.yml"
  3. Continuar el flujo de trabajo: Usar la herramienta Skill para invocar /portfolio_balancer.generate_recommendations

Archivos de referencia: .deepwork/jobs/portfolio_balancer/job.yml, .deepwork/jobs/portfolio_balancer/steps/analyze_allocation.md

Individual skills in this repo

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

majiayu000/claude-skill-registry-data

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry-data

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry-data

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry-data

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry-data

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-data

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-data

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-data

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-data

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-data

Speech-to-text transcription and translation via OpenAI Audio API -- models, response formats, timestamps, prompting, streaming, chunking, and diarization

majiayu000/claude-skill-registry-data

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-data

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-data

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-data

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-data

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-data

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

majiayu000/claude-skill-registry-data

Conduct domain and industry research. Use when the user says "lets create a research report on [domain or industry]

majiayu000/claude-skill-registry-data

Conduct market research on competition and customers. Use when the user says "create a market research report about [business idea]".

majiayu000/claude-skill-registry-data

Conduct technical research on technologies and architecture. Use when the user says "create a technical research report on [topic]".

majiayu000/claude-skill-registry-data

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".

Skills relacionados