Communitygithub.com

majiayu000/claude-skill-registry

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

¿Qué es claude-skill-registry?

Este agente, llamado Portfolio Manager Agent (Agente de Gestión de Cartera), está diseñado para optimizar la rentabilidad ajustada al riesgo de una cartera de inversiones mediante la gestión dinámica de la asignación de activos, el reequilibrio periódico y el control de la diversificación. Es útil para inversores y gestores de carteras que buscan automatizar decisiones complejas de asignación basadas en regímenes de mercado (RISK_ON, RISK_OFF, TRANSITION) y métricas de riesgo (Beta, Sharpe, Drawdown). La habilidad se integra con detectores de régimen de mercado y se ejecuta en plataformas de agentes de IA como Claude Code, Cursor y Codex. Su funcionamiento se basa en un marco de decisión de seis pasos: analiza la cartera actual, detecta el régimen de mercado, determina la asignación objetivo, calcula la desviación, decide si reequilibrar (umbrales del 5% y 10%) y aplica límites constitucionales para cumplir con las restricciones de posición y sector. También incorpora algoritmos como el Criterio de Kelly y la Teoría Moderna de Carteras (MPT) para el dimensionamiento de posiciones.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/majiayu000/claude-skill-registry/tree/HEAD/skills/agent/portfolio-manager-agent

Preguntar en tu IA favorita

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

Documentación

Portfolio Manager Agent - Gestor de Cartera

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 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%
Finanzas: Máximo 30%
Salud: Máximo 25%
Otros sectores: Máximo 20% cada uno

2. Disparadores de Reequilibrio

IF desviación > 5%:
  → Reequilibrio recomendado

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

IF 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 Caída: Caída máxima desde el pico
  • 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 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 → Agresiva (70/20/10)
    - RISK_OFF → Conservadora (40/40/20)
    - TRANSITION → Equilibrada (55/30/15)

Paso 4: Calcular Desviación
  deviation = |current - target|

Paso 5: Decisión de Reequilibrio
  IF deviation > threshold:
    → Generar operaciones de reequilibrio
  ELSE:
    → 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": "Régimen de mercado RISK_OFF detectado, se necesita reducir exposición a 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 de 76% a 55%"
    },
    {
      "action": "BUY",
      "asset_class": "bonds",
      "amount_usd": 12000,
      "reason": "Aumentar peso de bonos de 18% a 30%"
    },
    {
      "action": "INCREASE",
      "asset_class": "cash",
      "amount_usd": 9000,
      "reason": "Ampliar posición en efectivo (postura 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: 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

Hacer ✅

  • Revisión periódica: Semanal o quincenal
  • Priorizar el Régimen de Mercado: Asignar según el entorno macroeconómico
  • Reequilibrio Gradual: Evitar cambios bruscos
  • Eficiencia Fiscal: Reequilibrar de manera fiscalmente eficiente

No Hacer ❌

  • Evitar operaciones excesivas (considerar costos de transacción)
  • No reaccionar exageradamente 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 se necesita reequilibrio"""
    
    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 de 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 Caídas: 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:
    """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 el Sharpe negativo
    
    # Restricciones
    constraints = [
        {'type': 'eq', 'fun': lambda w: np.sum(w) - 1},  # Suma a 1
        {'type': 'ineq', 'fun': lambda w: w}  # No negativos
    ]
    
    # 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

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

Ejemplo:
Sala de Guerra: COMPRAR AAPL $15,000
Gestor de Cartera: "El sector tecnológico ya tiene un 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: +15.7%
- Ratio de Sharpe: 1.45
- Máxima Caída: -8.2%

## Acciones Tomadas
- Ninguna (dentro del margen de 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 20 individual skills — each has its own dedicated page.

majiayu000/claude-skill-registry

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".

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

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

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

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

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

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

majiayu000/claude-skill-registry

BlockRun works with Claude Code and Google Antigravity.

majiayu000/claude-skill-registry

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

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

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

CRITICAL: Use for MolyKit AI chat toolkit. Triggers on: BotClient, OpenAI, SSE streaming, AI chat, molykit, PlatformSend, spawn(), ThreadToken, cross-platform async, Chat widget, Messages, PromptInput, Avatar, LLM

majiayu000/claude-skill-registry

AI and machine learning workflow covering LLM application development, RAG implementation, agent architecture, ML pipelines, and AI-powered features.

majiayu000/claude-skill-registry

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

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

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

majiayu000/claude-skill-registry

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

Skills relacionados