Communitygithub.com

Analyse de portefeuille d'actifs EVM et évaluation des risques

Analysez la distribution des actifs d'un portefeuille EVM et identifiez les expositions à des protocoles à haut risque.

Qu'est-ce que Analyse de portefeuille d'actifs EVM et évaluation des risques ?

Cette compétence analyse en profondeur la composition des actifs d'un portefeuille EVM donné, en les catégorisant par type (native, stablecoins, DeFi, autres). Elle calcule les pourcentages de chaque catégorie et liste les positions principales. Ensuite, elle évalue le risque des protocoles DeFi identifiés en utilisant DefiLlama (TVL, audits) et Rekt.news (incidents récents). Un score de risque est calculé selon plusieurs facteurs (audit, exploits, tendance TVL, ancienneté) et classé en bas, moyen ou élevé. Le rapport final inclut un résumé, la distribution des actifs, les positions principales, les avoirs significatifs, l'exposition DeFi détaillée, un résumé des risques, et les sources de données. La compétence est conçue pour être concise (200-400 mots), précise (données horodatées issues d'API réelles) et utile (actions recommandées pour les positions à risque).

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

Demander à votre IA préférée

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

Documentation

Analyse de portefeuille d'actifs EVM

Objectif : Fournir une analyse concise de la distribution des actifs et une évaluation des risques pour les portefeuilles EVM.

Entrées

  • wallet_address (obligatoire) : Adresse EVM (0x...)

Source de données

Principale : API Zerion via zerion-portfolio.py

# Obtenir tous les actifs
python3 zerion-portfolio.py <adresse>

# Obtenir uniquement les positions DeFi
python3 zerion-portfolio.py <adresse> --only-defi

Environnement : ZERION_API_KEY doit être définie. Sinon, obtenez votre clé API sur : https://www.zerion.io/api

Workflow d'exécution

Étape 1 : Valider l'entrée

1. Vérifier le format de l'adresse : 0x + 40 caractères hexadécimaux
2. Si format invalide : Quitter avec un message d'erreur

Étape 2 : Récupérer les données du portefeuille

# Exécuter le script Zerion
python3 skills/pubfi-wallet-portfolio-analysis/zerion-portfolio.py <adresse>

Gérer les cas particuliers :

  • Portefeuille vide → Signaler "Portefeuille vide"
  • Échec API → Quitter avec erreur, impossible de continuer
  • Positions sans valeur → Ignorer

Étape 3 : Catégoriser les actifs

Grouper par type :
  Native : ETH, MATIC, BNB, etc.
  Stablecoins : USDC, USDT, DAI, USDS
  Positions DeFi : Attribut protocol + position_type != 'wallet'
  Autres jetons : Tout le reste

Suivre la valeur totale par catégorie pour les pourcentages de distribution

Étape 4 : Identifier les protocoles DeFi

Pour chaque position DeFi :
  1. Extraire le nom du protocole à partir de attributes.protocol
  2. Identifier le type de position (Lending/Staking/LP/etc.)
  3. Enregistrer la valeur de la position et son pourcentage du portefeuille
  4. Créer une liste de protocoles uniques pour l'évaluation des risques

Étape 5 : Évaluation des risques (Protocoles DeFi uniquement)

Pour chaque protocole identifié :
  
  A. Récupérer les données du protocole (en parallèle) :
     - API DefiLlama : curl "https://api.llama.fi/protocol/{slug}"
     - Extraire TVL, blockchains, informations d'audit, catégorie
  
  B. Vérifier les exploits récents :
     - Rechercher rekt.news pour le nom du protocole
     - Filtrer les 90 derniers jours
     - Enregistrer tout incident
  
  C. Calculer le score de risque :
     Risque = Base + Événements + Audit + Tendance TVL
     
     Facteurs :
     - Pas d'audit : +5
     - Exploit récent (90 jours) : +5
     - Baisse TVL >50 % (30 jours) : +3
     - Baisse TVL 20-50 % : +2
     - Nouveau protocole (<6 mois) : +2
     - Audit unique : +1
     - Audits multiples : -2
     - Éprouvé (>1 an) : -1
  
  D. Attribuer le niveau de risque :
     - Score > 7 : 🔴 Risque élevé
     - Score 4-7 : 🟡 Risque moyen
     - Score < 4 : 🟢 Risque faible
  
  E. Gestion des erreurs :
     - DefiLlama échoue : Marquer TVL comme "N/D", continuer
     - Rekt.news indisponible : Marquer exploits comme "Inconnu"

Protocoles connus comme sûrs (automatiquement 🟢) :
  - Aave V2/V3, Uniswap V2/V3, Compound V2/V3
  - Lido, Curve, MakerDAO/Sky

Étape 6 : Générer le rapport

Produire un rapport structuré en Markdown suivant la section Format de sortie ci-dessous.


Format de sortie

1) Résumé

Portefeuille : 0x...
Valeur totale : X XXX $ USD
Blockchains : Ethereum, Arbitrum, Base

2) Distribution des actifs

Répartition des actifs :
• Native : XXX $ (XX %)
• Stablecoins : XXX $ (XX %)
• Positions DeFi : XXX $ (XX %)
• Autres jetons : XXX $ (XX %)

3) Positions principales

Format tableau montrant toutes les positions triées par valeur :

Protocole/Portefeuille | Type de position | Valeur | % Portefeuille
----------------|---------------|-------|------------
Actifs du portefeuille | Portefeuille | XXX $ | XX %
Protocole A | Prêt | XXX $ | XX %
Protocole B | LP | XXX $ | XX %

4) Avoirs principaux (>2 % du portefeuille)

Format tableau :

Blockchain | Actif | Type | Quantité | Valeur | % Portefeuille
------|-------|------|--------|-------|------------

5) Exposition DeFi

Pour chaque protocole avec risque 🟡 Moyen ou 🔴 Élevé uniquement (ignorer les 🟢 Faible) :

Nom du protocole (Blockchain)
• Valeur de la position : XXX $ (XX % du portefeuille)
• Type de position : Prêt/Staking/LP/etc.
• Risque : 🟡/🔴
• TVL : XXX $ (DefiLlama)
• Audit : Oui/Non (noms des auditeurs)
• Problèmes récents : Aucun / [décrire]

Si tous les protocoles sont à faible risque, afficher : "Toutes les positions DeFi se trouvent dans des protocoles à faible risque (🟢)"

6) Résumé des risques

Haute priorité :

  • Lister les positions 🔴 à haut risque avec actions recommandées

Moyenne priorité :

  • Lister les positions 🟡 à risque moyen avec considérations

Évaluation globale :

  • Un paragraphe de résumé
  • Score de risque : Faible/Moyen/Élevé

7) Sources de données

  • API Zerion : Données du portefeuille (horodatage)
  • DefiLlama : TVL et informations du protocole
  • Rekt.news : Incidents de sécurité
  • [Autres sources utilisées]

Normes de qualité

Concision :

  • Rapport total : 200-400 mots (hors tableaux)
  • Se concentrer uniquement sur les informations exploitables
  • Pas de remplissage ni de déclarations génériques

Précision :

  • Toutes les données doivent comporter un horodatage
  • Toutes les valeurs doivent provenir d'appels API réels
  • Les évaluations des risques doivent citer des preuves spécifiques

Utilité :

  • Mettre en évidence les positions >5 % du portefeuille
  • Signaler immédiatement toute exposition à haut risque
  • Fournir des actions claires si nécessaire

Fréquence de mise à jour

  • Base de données des risques : Mise à jour mensuelle avec rekt.news
  • Protocoles connus : Mise à jour au lancement de nouveaux protocoles majeurs
  • Statut des audits : Vérification trimestrielle

Dernière mise à jour : 2026-02-05

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 associés