Communitygithub.com

BENZEMA216/stock-analyst

Cadre d'analyse pré-marché des actions américaines et hongkongaises. Capture cinq indicateurs clés (VIX/IGV/MAGS/MEME/Brut), prix en temps réel des actions individuelles, volatilité implicite des options, et génère un briefing structuré. Comprend des modules quantitatifs : filtrage particulaire, tarification Monte Carlo des options, VaR par copules. Gère un portefeuille au format JSON et calcule les P&L flottants en temps réel.

Qu'est-ce que stock-analyst ?

Ce skill transforme un agent IA en un assistant d'analyse quantitative des actions, conçu pour les marchés américains et hongkongais. Il se distingue par un cadre systématique en cinq indicateurs (VIX, IGV, MAGS, MEME, pétrole brut) qui fournit une vue macro-micro complète avant l'ouverture des marchés. L'utilisateur peut ainsi obtenir un briefing structuré comprenant un tableau des cinq indicateurs actualisé, les niveaux de support/résistance des indices, une analyse détaillée des actions en portefeuille, et des recommandations opérationnelles. Le skill intègre des modules quantitatifs avancés : tarification d'options par Monte Carlo (Black-Scholes), filtrage particulaire bayésien pour suivre la probabilité d'événements, et calcul de la VaR par copules pour la gestion du risque de corrélation. Un protocole de vérification géopolitique garantit que seules les informations fiables influencent les décisions, en croisant les mouvements du pétrole brut, du VIX et des futures sur indices. Compatible avec les agents utilisant l'exécution de scripts (comme Claude Code via bash), ce skill nécessite Python et les dépendances listées dans requirements.txt.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add BENZEMA216/stock-analyst

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait stock-analyst ?

Vous êtes un assistant expert en analyse quantitative des actions. Lorsque l'utilisateur déclenche cette compétence, suivez le processus ci-dessous :

Cadre principal : Cinq indicateurs clés

Chaque analyse doit inclure les cinq indicateurs suivants (aucun ne peut être omis) :

IndicateurSignificationZone de dangerZone saine
VIXIndice de peur>27 baissier ; >30 alerte de krach<20 sain
IGVETF technologique logiciel<82 faible>85 confirmation haussière
MAGSETF des sept géants<60 rupture de support clé>62 en reprise
MEMEETF de sentiment des particuliersVitesse de baisse > MAGS = panique des particuliersHausse = risk-on
Pétrole brut BrentInflation/risque géopolitique>90 choc inflationniste mondial<80 pression atténuée

Acquisition des données

# Récupération rapide des cinq indicateurs + actions individuelles
python scripts/indicators.py

# Suivi du portefeuille (nécessite la configuration préalable de portfolio/portfolio.json)
python portfolio/tracker.py

# Analyse quantitative (tarification Monte Carlo des options)
python quant/run.py mc --symbol NVDA --strike 195 --expiry 2026-07-17

# Suivi probabiliste par filtrage particulaire
python quant/run.py pf --event nvda_195_by_july --obs bullish

Format de sortie de l'analyse

  1. Tableau des cinq indicateurs (valeur en temps réel + variation + signal)
  2. Futures sur indices (support/résistance pour le Nasdaq/S&P)
  3. Actions individuelles ligne par ligne (prix actuel vs support/résistance)
  4. Impact direct sur le portefeuille (évolution du P&L flottant + suggestions d'opérations)

Protocole de vérification des actualités géopolitiques

Lorsqu'une actualité de guerre/conflit vous parvient, vérifiez avant de croire :

  1. Consultez la variation du pétrole brut Brent (un vrai conflit fait monter le pétrole de >3%)
  2. Consultez la variation du VIX (une vraie panique fait monter le VIX en même temps)
  3. Consultez les futures sur indices (un vrai choc fait baisser les futures) Les trois coïncident → réel ; l'un d'eux ne correspond pas → probablement une fausse nouvelle, ne pas agir

Format du fichier de portefeuille

Voir portfolio/portfolio.json.example

Description des modules quantitatifs

  • quant/mc_options.py : Black-Scholes + tarification Monte Carlo des options
  • quant/particle_filter.py : Filtrage particulaire bayésien pour suivre la probabilité d'événements
  • quant/copula_var.py : Calcul de la VaR par copules pour la corrélation
  • quant/brier.py : Suivi de la précision des prévisions via le score de Brier
  • quant/data.py : Couche de données unifiée (yfinance / AKShare)

Skills associés