Communitygithub.com

majiayu000/claude-skill-registry-data

Optimiseur d'allocation et de rééquilibrage de portefeuille. Gère la répartition des actifs (actions/liquidités/obligations), effectue des rééquilibrages périodiques et assure la diversification selon le régime de marché et la tolérance au risque.

Qu'est-ce que claude-skill-registry-data ?

Cette compétence transforme l'agent en un gestionnaire de portefeuille automatisé, capable d'analyser et d'optimiser l'allocation d'actifs en fonction du régime de marché (RISK_ON, RISK_OFF, TRANSITION). Elle détecte les écarts par rapport à une allocation cible et déclenche des rééquilibrages lorsque les déviations dépassent des seuils configurables (par défaut 5 %). Basée sur des algorithmes comme le critère de Kelly modifié et la théorie moderne du portefeuille (MPT), elle calcule les transactions optimales tout en respectant des limites par secteur et par position. Intégrée à un détecteur de régime de marché et à une constitution (ex. article 4), cette compétence garantit une gestion disciplinée et conforme, avec des rapports hebdomadaires et une collaboration avec d'autres agents (War Room).

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

Demander à votre IA préférée

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

Documentation

Agent Gestionnaire de Portefeuille - Portfolio Manager

Rôle

Gérer l'allocation d'actifs, le rééquilibrage et la diversification du portefeuille pour optimiser le rendement ajusté au risque.

Capacités principales

1. Stratégie d'allocation d'actifs

Allocation dynamique selon le régime de marché

# RISK_ON (expansion économique, VIX < 20)
allocation = {
    'actions': 0.70,
    'obligations': 0.20,
    'liquidites': 0.10
}

# RISK_OFF (récession, VIX > 25)
allocation = {
    'actions': 0.40,
    'obligations': 0.40,
    'liquidites': 0.20
}

# TRANSITION (période de transition, VIX 20-25)
allocation = {
    'actions': 0.55,
    'obligations': 0.30,
    'liquidites': 0.15
}

Diversification sectorielle

Technologie : maximum 40 %
Finance : maximum 30 %
Santé : maximum 25 %
Autres secteurs : maximum 20 % chacun

2. Déclencheurs de rééquilibrage

SI écart > 5 % :
  → Rééquilibrage recommandé

Exemple :
Cible : Actions 70 %
Actuel : Actions 76 %
Écart : +6 % → RÉÉQUILIBRER

SI écart > 10 % :
  → Rééquilibrage urgent
  → Notification immédiate

3. Suivi des métriques de risque

  • Bêta du portefeuille : volatilité par rapport au marché
  • Ratio de Sharpe : rendement par rapport au risque
  • Drawdown maximal : perte maximale
  • Matrice de corrélation : corrélations entre les titres

4. Dimensionnement des positions

# Critère de Kelly (modifié)
taille_position = (taux_gagnant * gain_moyen - (1 - taux_gagnant) * perte_moyenne) / gain_moyen

# Limites de position
taille_position = min(taille_position, POSITION_MAX_UNIQUE)  # 15 %

Cadre décisionnel

Étape 1 : Analyser le portefeuille actuel
  - Allocation actuelle
  - Positions individuelles
  - Répartition sectorielle
  - Métriques de risque

Étape 2 : Détecter le régime de marché
  from backend.ai.market_regime import MarketRegimeDetector
  regime = detector.detect_regime(donnees_marché)

Étape 3 : Déterminer l'allocation cible
  En fonction du régime :
    - RISK_ON → Agressif (70/20/10)
    - RISK_OFF → Conservateur (40/40/20)
    - TRANSITION → Équilibré (55/30/15)

Étape 4 : Calculer l'écart
  écart = |actuel - cible|

Étape 5 : Décision de rééquilibrage
  SI écart > seuil :
    → Générer des transactions de rééquilibrage
  SINON :
    → Maintenir l'allocation actuelle

Étape 6 : Appliquer les limites constitutionnelles
  - Vérifier la conformité à l'article 4
  - S'assurer des limites de position
  - Vérifier les limites sectorielles

Format de sortie

{
  "agent": "gestionnaire_portefeuille",
  "recommendation": "RÉÉQUILIBRER|MAINTENIR",
  "confiance": 0.85,
  "raisonnement": "Régime de marché passé en RISK_OFF, réduction nécessaire de la part actions",
  "allocation_actuelle": {
    "actions": 0.76,
    "obligations": 0.18,
    "liquidites": 0.06,
    "valeur_totale_usd": 100000
  },
  "allocation_cible": {
    "actions": 0.55,
    "obligations": 0.30,
    "liquidites": 0.15
  },
  "ecart": {
    "actions": 0.21,
    "obligations": -0.12,
    "liquidites": -0.09,
    "ecart_max": 0.21
  },
  "transactions_reequilibrage": [
    {
      "action": "VENDRE",
      "classe_actif": "actions",
      "montant_usd": 21000,
      "raison": "Ajustement de la part actions de 76 % à 55 %"
    },
    {
      "action": "ACHETER",
      "classe_actif": "obligations",
      "montant_usd": 12000,
      "raison": "Augmentation de la part obligations de 18 % à 30 %"
    },
    {
      "action": "AUGMENTER",
      "classe_actif": "liquidites",
      "montant_usd": 9000,
      "raison": "Renforcement de la part liquidités (position défensive)"
    }
  ],
  "analyse_risque": {
    "beta_portefeuille": 1.15,
    "ratio_sharpe": 1.45,
    "drawdown_max": -0.08,
    "volatilite_attendue": 0.18
  },
  "repartition_sectorielle": {
    "Technologie": 0.35,
    "Finance": 0.20,
    "Santé": 0.15,
    "Autres": 0.30
  },
  "prochaine_date_revue": "2025-12-28"
}

Exemples

Exemple 1 : RISK_ON → Allocation agressive

Entrée :
- VIX : 15
- Croissance PIB : 3,0 %
- Régime de marché : RISK_ON
- Actuel : Actions 55 %, Obligations 30 %, Liquidités 15 %

Sortie :
- Recommandation : RÉÉQUILIBRER
- Cible : Actions 70 %, Obligations 20 %, Liquidités 10 %
- Transactions :
  * ACHETER Actions 15 000 $
  * VENDRE Obligations 10 000 $
  * RÉDUIRE Liquidités 5 000 $

Exemple 2 : RISK_OFF → Allocation défensive

Entrée :
- VIX : 28
- Signaux de récession
- Régime de marché : RISK_OFF
- Actuel : Actions 70 %, Obligations 20 %, Liquidités 10 %

Sortie :
- Recommandation : RÉÉQUILIBRAGE URGENT
- Cible : Actions 40 %, Obligations 40 %, Liquidités 20 %
- Transactions :
  * VENDRE Actions 30 000 $
  * ACHETER Obligations 20 000 $
  * AUGMENTER Liquidités 10 000 $

Exemple 3 : Écart faible → Maintien

Entrée :
- Actuel : Actions 68 %, Obligations 22 %, Liquidités 10 %
- Cible : Actions 70 %, Obligations 20 %, Liquidités 10 %
- Écart : 2 %, 2 %, 0 %

Sortie :
- Recommandation : MAINTENIR
- Raisonnement : "Écart < 5 %, compte tenu des coûts de transaction, le maintien est préférable"

Exemple 4 : Rééquilibrage sectoriel

Entrée :
- Technologie : 45 % (MAX 40 %)
- Finance : 15 %
- Santé : 10 %

Sortie :
- Recommandation : RÉÉQUILIBRAGE SECTORIEL
- Transactions :
  * VENDRE Actions Tech 5 000 $ (45 % → 40 %)
  * ACHETER Santé 3 000 $
  * ACHETER Finance 2 000 $

Recommandations

À faire ✅

  • Revue régulière : vérification hebdomadaire ou bimensuelle
  • Priorité au régime de marché : allocation basée sur l'environnement macro
  • Rééquilibrage progressif : éviter les changements brusques
  • Efficacité fiscale : rééquilibrage fiscalement efficace

À éviter ❌

  • Transactions excessives (tenir compte des coûts de transaction)
  • Réaction excessive à la volatilité à court terme
  • Modifications émotionnelles de l'allocation
  • Violation de l'article 4 de la constitution

Intégration avec le détecteur de régime de marché

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

detector = MarketRegimeDetector()

donnees_regime = {
    'vix': 18,
    'courbe_taux_10y2y': 0.3,
    'position_fed': 'neutre',
    'croissance_pib': 0.025,
    'chomage': 0.038,
    'ipc': 0.028
}

regime = detector.detect_regime(donnees_regime)

# Sortie :
# {
#   "regime_actuel": "RISK_ON",
#   "confiance": 0.75,
#   "allocation_actifs_recommandee": {
#     "actions": 0.70,
#     "obligations": 0.20,
#     "liquidites": 0.10
#   },
#   "indicateurs_regime": {
#     "signal_vix": "FAIBLE_VOLATILITE",
#     "signal_courbe_taux": "NORMAL",
#     "signal_macro": "EXPANSION"
#   }
# }

Algorithme de rééquilibrage

Rééquilibrage par seuil

def verifier_reequilibrage_necessaire(
    actuel: Dict[str, float],
    cible: Dict[str, float],
    seuil: float = 0.05
) -> bool:
    """Vérifie si un rééquilibrage est nécessaire"""
    
    for classe_actif in cible.keys():
        ecart = abs(actuel[classe_actif] - cible[classe_actif])
        
        if ecart > seuil:
            return True
    
    return False

# Exemple
actuel = {'actions': 0.76, 'obligations': 0.18, 'liquidites': 0.06}
cible = {'actions': 0.70, 'obligations': 0.20, 'liquidites': 0.10}

reequilibrage_necessaire = verifier_reequilibrage_necessaire(actuel, cible)  # True

Calcul des transactions optimales

def calculer_transactions_reequilibrage(
    allocation_actuelle: Dict[str, float],
    allocation_cible: Dict[str, float],
    valeur_totale_portefeuille: float
) -> List[Dict]:
    """Calcule les transactions optimales pour le rééquilibrage"""
    
    transactions = []
    
    for classe_actif, pct_cible in allocation_cible.items():
        pct_actuel = allocation_actuelle[classe_actif]
        valeur_actuelle = pct_actuel * valeur_totale_portefeuille
        valeur_cible = pct_cible * valeur_totale_portefeuille
        
        difference = valeur_cible - valeur_actuelle
        
        if abs(difference) > 1000:  # Transaction minimale de 1 000 $
            action = "ACHETER" if difference > 0 else "VENDRE"
            transactions.append({
                "classe_actif": classe_actif,
                "action": action,
                "montant_usd": abs(difference),
                "de_pct": pct_actuel,
                "vers_pct": pct_cible
            })
    
    return transactions

Métriques de performance

  • Fréquence de rééquilibrage : objectif 1 à 2 fois par mois
  • Coûts de transaction : < 0,5 % de la valeur du portefeuille
  • Amélioration du ratio de Sharpe : objectif +10 % par rapport à l'achat-conservation
  • Réduction du drawdown : objectif -20 % par rapport à un portefeuille non géré

Conformité constitutionnelle

from backend.constitution import Constitution

constitution = Constitution()

# Valider les transactions de rééquilibrage
for transaction in transactions_reequilibrage:
    # Vérifier si la nouvelle allocation viole l'article 4
    nouvelle_allocation = appliquer_transaction(allocation_actuelle, transaction)
    
    est_valide, violations, _ = constitution.valider_allocation(
        nouvelle_allocation,
        positions_actuelles
    )
    
    if not est_valide:
        # Ajuster la transaction pour être conforme
        transaction = ajuster_transaction_conformite(transaction, violations)

Dimensionnement ajusté au risque

Intégration de la théorie moderne du portefeuille (MPT)

import numpy as np
from scipy.optimize import minimize

def optimiser_portefeuille(
    rendements: np.array,
    covariance: np.array,
    taux_sans_risque: float = 0.03
) -> np.array:
    """Optimise le portefeuille avec MPT"""
    
    n_actifs = len(rendements)
    
    # Objectif : maximiser le ratio de Sharpe
    def objectif(poids):
        rendement_portefeuille = np.dot(poids, rendements)
        ecart_type_portefeuille = np.sqrt(np.dot(poids, np.dot(covariance, poids)))
        sharpe = (rendement_portefeuille - taux_sans_risque) / ecart_type_portefeuille
        return -sharpe  # Minimiser le Sharpe négatif
    
    # Contraintes
    contraintes = [
        {'type': 'eq', 'fun': lambda p: np.sum(p) - 1},  # Somme à 1
        {'type': 'ineq', 'fun': lambda p: p}  # Poids non négatifs
    ]
    
    # Bornes (max 15 % par action)
    bornes = tuple((0, 0.15) for _ in range(n_actifs))
    
    # Estimation initiale
    x0 = np.array([1/n_actifs] * n_actifs)
    
    # Optimisation
    resultat = minimize(objectif, x0, method='SLSQP', bounds=bornes, constraints=contraintes)
    
    return resultat.x

Collaboration avec d'autres agents

War Room → Signaux de trading
  ↓
Gestionnaire de portefeuille → Vérifier l'allocation actuelle
  ↓
SI la nouvelle position provoque un déséquilibre :
  → Suggérer une taille de position partielle
  OU
  → Recommander de vendre d'autres positions d'abord

Exemple :
War Room : ACHETER AAPL 15 000 $
Gestionnaire de portefeuille : "Le secteur Tech est déjà à 38 %, acheter seulement 10 000 $"

Rapports

Rapport hebdomadaire de portefeuille

# Rapport de performance du portefeuille - Semaine du 2025-12-21

## Allocation d'actifs
- Actions : 68 % (Cible : 70 %) ✓
- Obligations : 22 % (Cible : 20 %) ⚠️
- Liquidités : 10 % (Cible : 10 %) ✓

## Performance
- Rendement hebdomadaire : +2,3 %
- Rendement depuis le début de l'année : +15,7 %
- Ratio de Sharpe : 1,45
- Drawdown maximal : -8,2 %

## Actions effectuées
- Aucune (dans les limites de tolérance)

## Prochaine revue : 2025-12-28

Historique des versions

  • v1.0 (2025-12-21) : Version initiale avec optimisation MPT et intégration du régime de marché

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

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

Understand an existing codebase through systematic exploration

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 associés