Communitygithub.com

majiayu000/claude-skill-registry

Calcule les pourcentages d'allocation actuels, identifie les écarts par rapport aux cibles et analyse l'efficacité de la marge

Qu'est-ce que claude-skill-registry ?

Cette compétence automatisée est la deuxième étape d'un workflow en quatre parties pour la gestion d'un portefeuille Permanent Portfolio. Elle analyse un instantané du portefeuille pour calculer les pourcentages d'allocation de chaque classe d'actifs (actions, obligations à long terme, or, liquidités/obligations d'État) et les compare à la cible égale de 25 % définie par Harry Browne. Elle identifie les écarts (drift) par rapport à cette cible, détermine si un rééquilibrage est nécessaire en fonction d'un seuil configurable, et évalue l'efficacité de l'utilisation de la marge en comparant les frais payés aux coûts calculés. De plus, elle analyse l'allocation satellite optionnelle (10-20 % des actions) et fournit un contexte économique basé sur les "Quatre Saisons" pour interpréter les positions actuelles. Les sorties sont écrites dans un fichier YAML structuré, et le workflow se poursuit ensuite vers l'étape de génération de recommandations.

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

Demander à votre IA préférée

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

Documentation

portfolio_balancer.analyze_allocation

Étape 2/4 du workflow portfolio_balancer

Analyse quotidienne du portefeuille Permanent Portfolio avec détection des écarts d'allocation et recommandations de rééquilibrage

Prérequis (Vérifier d'abord)

Avant de continuer, confirmez que ces étapes sont terminées :

  • /portfolio_balancer.collect_portfolio_data

Instructions

Objectif : Calculer les pourcentages d'allocation actuels, identifier les écarts par rapport aux cibles, analyser l'efficacité de la marge.

Analyser l'allocation

Objectif

Calculer les pourcentages d'allocation actuels par rapport aux cibles 25/25/25/25 du portefeuille Permanent Portfolio, identifier les écarts par rapport aux cibles et analyser l'efficacité de la marge.

Tâche

Analyser l'instantané du portefeuille pour déterminer comment les allocations actuelles se comparent aux cibles du portefeuille Permanent Portfolio de Harry Browne. Identifier les classes d'actifs en surpoids ou en sous-poids et évaluer si l'utilisation de la marge est rentable.

Processus

  1. Lire l'instantané du portefeuille Charger portfolio_balancer/data/portfolio_snapshot.yml depuis l'étape collect_portfolio_data.

  2. Calculer les pourcentages d'allocation actuels Pour chaque classe d'actifs, calculer :

    pourcentage_actuel = (valeur_classe_actifs / valeur_totale_portefeuille) * 100
    
  3. Calculer l'écart par rapport aux cibles La cible du portefeuille Permanent Portfolio est de 25 % pour chaque classe d'actifs :

    écart = pourcentage_actuel - 25.0
    
    • Écart positif = surpoids
    • Écart négatif = sous-poids
  4. Déterminer si un rééquilibrage est nécessaire Comparer l'écart de chaque classe d'actifs par rapport au seuil_d_écart de l'instantané :

    • Si |écart| > seuil_d_écart, un rééquilibrage est recommandé
    • Suivre quelles classes d'actifs spécifiques dépassent le seuil
  5. Analyser l'allocation satellite (si activée) Si le suivi satellite est activé :

    • Calculer le % satellite de l'allocation totale en actions
    • Comparer à la cible (généralement 10-20 %)
    • Déterminer si l'allocation satellite nécessite un ajustement
  6. Analyser l'efficacité de la marge Si la marge est activée :

    • Calculer le coût annuel de la marge : solde_marge * taux_intérêt
    • Évaluer le rapport coût/bénéfice : Le rendement attendu des actifs sous marge est-il supérieur au coût de la marge ?
    • Signaler si les frais de marge dépassent des seuils raisonnables
  7. Appliquer le contexte des Quatre Saisons Noter quelles conditions économiques favorisent les positions actuelles en surpoids/sous-poids :

    • Printemps (Prospérité) : Les actions bénéficient
    • Été (Inflation) : L'or bénéficie
    • Automne (Argent rare) : Les liquidités bénéficient
    • Hiver (Déflation) : Les obligations à long terme bénéficient

Format de sortie

portfolio_balancer/data/allocation_analysis.yml

Un fichier YAML contenant l'analyse complète de l'allocation.

Structure :

analysis_date: "YYYY-MM-DD"
seuil_d_écart: 5  # depuis l'instantané

valeur_totale_portefeuille: 100000.00

# Répartition de l'allocation
allocations:
  actions:
    pourcentage_cible: 25.0
    pourcentage_actuel: 28.0
    valeur_actuelle: 28000.00
    écart: 3.0  # surpondéré de 3 %
    dépasse_seuil: false
    statut: "surpoids"
    # Répartition satellite (si activée)
    satellite:
      activé: true
      pourcentage_noyau: 89.3  # % des actions dans l'indice de base
      pourcentage_satellite: 10.7  # % des actions dans les satellites
      pourcentage_cible_satellite: 15.0
      écart_satellite: -4.3  # sous-pondération des satellites

  obligations_long_terme:
    pourcentage_cible: 25.0
    pourcentage_actuel: 24.0
    valeur_actuelle: 24000.00
    écart: -1.0  # sous-pondéré de 1 %
    dépasse_seuil: false
    statut: "sous-poids"

  or:
    pourcentage_cible: 25.0
    pourcentage_actuel: 23.0
    valeur_actuelle: 23000.00
    écart: -2.0
    dépasse_seuil: false
    statut: "sous-poids"

  liquidités_obligations_d_état:
    pourcentage_cible: 25.0
    pourcentage_actuel: 25.0
    valeur_actuelle: 25000.00
    écart: 0.0
    dépasse_seuil: false
    statut: "conforme"

# Évaluation globale du rééquilibrage
rééquilibrage:
  nécessaire: false
  raison: "Aucune classe d'actifs ne dépasse le seuil d'écart de 5 %"
  actifs_dépassant_seuil: []

# Analyse de la marge
analyse_marge:
  activée: true
  solde_actuel: 5000.00
  coût_annuel: 300.00  # solde * taux
  coût_mensuel: 25.00
  frais_mensuels_payés: 50.00
  note_efficacité: "médiocre"  # paie plus de frais que le coût calculé
  recommandation: "Vérifier les frais de marge - paie 50 $/mois contre un coût attendu de 25 $/mois"

# Contexte des Quatre Saisons
contexte_économique:
  surpoids_actuels:
    - actif: "actions"
      condition_favorable: "Prospérité/Croissance (Printemps)"
      écart: 3.0
  sous_poids_actuels:
    - actif: "or"
      condition_favorable: "Inflation (Été)"
      écart: -2.0
    - actif: "obligations_long_terme"
      condition_favorable: "Déflation/Récession (Hiver)"
      écart: -1.0
  interprétation: "Portefeuille actuellement positionné pour la prospérité ; vulnérable à l'inflation"

Critères de qualité

  • Les quatre classes d'actifs sont analysées avec le pourcentage actuel et l'écart
  • Les calculs d'écart sont mathématiquement corrects
  • La comparaison du seuil de rééquilibrage est précise
  • L'analyse de l'efficacité de la marge est incluse si la marge est activée
  • L'analyse satellite est incluse si le suivi satellite est activé
  • Le contexte économique des Quatre Saisons est fourni
  • Tous les pourcentages totalisent 100 % (avec une tolérance d'arrondi)
  • Le YAML est valide et analysable
  • Lorsque tous les critères sont satisfaits, incluez <promise>✓ Critères de Qualité Satisfaits</promise> dans votre réponse

Contexte

Cette analyse est au cœur de la gestion du portefeuille Permanent Portfolio. Harry Browne a conçu l'allocation 25/25/25/25 pour assurer un équilibre dans toutes les conditions économiques - les "Quatre Saisons" du cycle économique. L'analyse des écarts aide à déterminer quand un rééquilibrage est nécessaire pour maintenir cet équilibre.

L'analyse de la marge aide les utilisateurs à comprendre si leur utilisation de la marge est rentable, en comparant les frais réels payés aux coûts calculés et aux avantages attendus.

Contexte du travail

Analyse automatisée quotidienne du portefeuille mettant en œuvre la stratégie du portefeuille Permanent Portfolio de Harry Browne.

Le portefeuille Permanent Portfolio maintient des allocations égales de 25 % sur quatre classes d'actifs conçues pour performer dans différentes conditions économiques :

  • Actions (25 %) : Prospérité/Croissance
  • Obligations à long terme (25 %) : Déflation/Récession
  • Or (25 %) : Inflation
  • Liquidités/Obligations d'État (25 %) : Argent rare/Récession

Ce workflow :

  1. Collecte les données du portefeuille via l'interface CLI bin/robinhood positions --save
  2. Analyse l'allocation actuelle par rapport aux cibles 25/25/25/25
  3. Suit les sélections d'actions satellites (optionnellement 10-20 % de l'allocation en actions)
  4. Évalue l'efficacité de l'utilisation de la marge par rapport aux frais payés
  5. Génère des recommandations de rééquilibrage lorsque l'écart dépasse le seuil défini par l'utilisateur
  6. Produit un rapport quotidien lisible par l'homme pour une révision manuelle

IMPORTANT : Ce système est en lecture seule. Aucune transaction n'est exécutée automatiquement. Toutes les recommandations nécessitent une révision et une exécution manuelles.

Entrées requises

Fichiers des étapes précédentes - Lisez-les d'abord :

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

Branche de travail

Utiliser le format de branche : deepwork/portfolio_balancer-[instance]-YYYYMMDD

  • Si sur une branche de travail correspondante : continuez à l'utiliser
  • Si sur main/master : créez une nouvelle branche avec git checkout -b deepwork/portfolio_balancer-[instance]-$(date +%Y%m%d)

Sorties

Sorties requises :

  • portfolio_balancer/data/allocation_analysis.yml

Garde-fous

  • Ne PAS sauter la vérification des prérequis si cette étape a des dépendances
  • Ne PAS produire de sorties partielles ; terminez toutes les sorties requises avant de terminer
  • Ne PAS continuer sans les entrées requises ; demandez à l'utilisateur si l'une d'elles manque
  • Ne PAS modifier les fichiers en dehors du périmètre des sorties définies de cette étape

À la fin

  1. Vérifier que les sorties sont créées
  2. Informer l'utilisateur : "Étape 2/4 terminée, sorties : portfolio_balancer/data/allocation_analysis.yml"
  3. Continuer le workflow : Utiliser l'outil Skill pour invoquer /portfolio_balancer.generate_recommendations

Fichiers de référence : .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

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

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

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

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

Skills associés