Communitygithub.com

majiayu000/claude-skill-registry

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

Qu'est-ce que claude-skill-registry ?

Cet agent spécialisé dans la gestion de portefeuille optimise l'allocation d'actifs, le rééquilibrage et la diversification pour maximiser le rendement ajusté au risque. Il s'intègre à des environnements d'agents d'IA comme Claude Code, Cursor ou Codex. L'agent détecte dynamiquement le régime de marché (RISK_ON, RISK_OFF, TRANSITION) à l'aide d'indicateurs macroéconomiques (VIX, courbe des taux, croissance du PIB) et ajuste l'allocation cible (par exemple, 70/20/10 pour un marché haussier, 40/40/20 pour un marché baissier). Il calcule les écarts par rapport à l'allocation cible et déclenche des rééquilibrages lorsque les seuils (5 % pour un rééquilibrage standard, 10 % pour un rééquilibrage urgent) sont dépassés. Il prend en charge le dimensionnement des positions basé sur le critère de Kelly, l'optimisation mean-variance (MPT), les limites sectorielles, la conformité constitutionnelle (Article 4) et la collaboration avec d'autres agents (par exemple, War Room). La sortie est un JSON structuré avec recommandation, trades, analyse de risque et ventilation sectorielle.

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

Demander à votre IA préférée

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

Documentation

Agent de Gestion de Portefeuille - Portfolio Manager Agent

Rôle

Gère 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 par Régime de Marché

# RISK_ON (expansion économique, VIX < 20)
allocation = {
    'stocks': 0.70,
    'bonds': 0.20,
    'cash': 0.10
}

# RISK_OFF (contraction économique, VIX > 25)
allocation = {
    'stocks': 0.40,
    'bonds': 0.40,
    'cash': 0.20
}

# TRANSITION (période de transition, VIX 20-25)
allocation = {
    'stocks': 0.55,
    'bonds': 0.30,
    'cash': 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. Surveillance des Indicateurs de Risque

  • Bêta du Portefeuille : Volatilité par rapport au marché
  • Ratio de Sharpe : Rendement ajusté au risque
  • Drawdown Maximum : Perte maximale
  • Matrice de Corrélation : Corrélations entre les titres

4. Dimensionnement des Positions

# Critère de Kelly (modifié)
taille_position = (taux_gain * gain_moyen - (1 - taux_gain) * 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
  - Indicateurs de risque

Étape 2 : Détecter le Régime de Marché
  depuis backend.ai.market_regime importer MarketRegimeDetector
  regime = detecteur.detecter_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 les 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 RISK_OFF, réduction de la part actions nécessaire",
  "allocation_actuelle": {
    "actions": 0.76,
    "obligations": 0.18,
    "liquidités": 0.06,
    "valeur_totale_usd": 100000
  },
  "allocation_cible": {
    "actions": 0.55,
    "obligations": 0.30,
    "liquidités": 0.15
  },
  "écart": {
    "actions": 0.21,
    "obligations": -0.12,
    "liquidités": -0.09,
    "écart_max": 0.21
  },
  "transactions_rééquilibrage": [
    {
      "action": "VENDRE",
      "classe_actif": "actions",
      "montant_usd": 21000,
      "raison": "Réduction 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": "liquidités",
      "montant_usd": 9000,
      "raison": "Augmentation de la part liquidités (position défensive)"
    }
  ],
  "analyse_risque": {
    "bêta_portefeuille": 1.15,
    "ratio_sharpe": 1.45,
    "drawdown_max": -0.08,
    "volatilité_attendue": 0.18
  },
  "répartition_sectorielle": {
    "Technologie": 0.35,
    "Finance": 0.20,
    "Santé": 0.15,
    "Autres": 0.30
  },
  "prochaine_date_révision": "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 %, le maintien est préférable compte tenu des coûts de transaction"

Exemple 4 : Rééquilibrage sectoriel

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

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

Bonnes Pratiques

À Faire ✅

  • Révision régulière : Vérification hebdomadaire ou bimensuelle
  • Priorité au Régime de Marché : Allocation en fonction de l'environnement macro
  • Rééquilibrage Progressif : Éviter les changements brusques
  • Efficacité Fiscale : Rééquilibrage fiscalement efficace

À Éviter ❌

  • Éviter les transactions excessives (tenir compte des coûts)
  • Éviter les réactions excessives à la volatilité à court terme
  • Éviter les changements d'allocation émotionnels
  • Éviter les violations de l'Article 4 de la Constitution

Intégration avec le Détecteur de Régime de Marché

depuis backend.ai.market_regime importer MarketRegimeDetector
depuis backend.ai.regime_detector importer detect_market_regime

detecteur = MarketRegimeDetector()

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

regime = detecteur.detecter_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 Basé sur un Seuil

def vérifier_besoin_rééquilibrage(
    actuel: Dict[str, float],
    cible: Dict[str, float],
    seuil: float = 0.05
) -> bool:
    """Vérifier si un rééquilibrage est nécessaire"""
    
    pour classe_actif in cible.keys():
        écart = abs(actuel[classe_actif] - cible[classe_actif])
        
        if écart > seuil:
            return Vrai
    
    return Faux

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

besoin_rééquilibrage = vérifier_besoin_rééquilibrage(actuel, cible)  # Vrai

Calcul des Transactions Optimales

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

Indicateurs de Performance

  • Fréquence de Rééquilibrage : Objectif de 1 à 2 fois par mois
  • Coûts de Transaction : < 0,5 % de la valeur du portefeuille
  • Amélioration du Ratio de Sharpe : Objectif de +10 % par rapport à une stratégie d'achat-conservation
  • Réduction du Drawdown : Objectif de -20 % par rapport à un portefeuille non géré

Conformité Constitutionnelle

depuis backend.constitution importer Constitution

constitution = Constitution()

# Valider les transactions de rééquilibrage
pour transaction in transactions_rééquilibrage:
    # 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 se conformer
        transaction = ajuster_transaction_conformité(transaction, violations)

Dimensionnement des Positions Ajusté au Risque

Intégration de la Théorie Moderne du Portefeuille (MPT)

importer numpy en tant que np
depuis scipy.optimize importer minimize

def optimiser_portefeuille(
    rendements: np.array,
    covariance: np.array,
    taux_sans_risque: float = 0.03
) -> np.array:
    """Optimiser le portefeuille à l'aide de la MPT"""
    
    n_actifs = len(rendements)
    
    # Objectif : Maximiser le Ratio de Sharpe
    def objectif(poids):
        rendement_portefeuille = np.dot(poids, rendements)
        écart_type_portefeuille = np.sqrt(np.dot(poids, np.dot(covariance, poids)))
        sharpe = (rendement_portefeuille - taux_sans_risque) / écart_type_portefeuille
        return -sharpe  # Minimiser le Sharpe négatif
    
    # Contraintes
    contraintes = [
        {'type': 'eq', 'fun': lambda w: np.sum(w) - 1},  # Somme à 1
        {'type': 'ineq', 'fun': lambda w: w}  # Non négatif
    ]
    
    # 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
    résultat = minimize(objectif, x0, method='SLSQP', bounds=bornes, constraints=contraintes)
    
    return résultat.x

Collaboration avec d'Autres Agents

War Room → Signaux de Trading
  ↓
Gestionnaire de Portefeuille → Vérifier l'allocation actuelle
  ↓
SI une nouvelle position entraîne un déséquilibre :
  → Suggérer une taille de partielle
  OU
  → Recommander la vente d'autres positions en premier

Exemple :
War Room : ACHETER AAPL 15 000 $
Gestionnaire de Portefeuille : "Secteur tech déjà à 38 %, ACHETER seulement 10 000 $"

Rapports

Rapport Hebdomadaire du 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 d'Année : +15,7 %
- Ratio de Sharpe : 1,45
- Drawdown Maximum : -8,2 %

## Actions Menées
- Aucune (dans la tolérance)

## Prochaine Révision : 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

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 associés