Communitygithub.com

vishnup22/FinSight-AI

Analyse de répartition de portefeuille sur 2 à 10 actions américaines et/ou indiennes via FinSight-AI. Calcule les poids équipondérés vs. optimaux (max Sharpe), la matrice de corrélation et les métriques de risque du portefeuille. À utiliser lorsque l'utilisateur fournit une liste de tickers et demande une allocation, une diversification ou une optimisation de portefeuille. Ne génère pas de narratives par action — utilisez /analyse pour cela.

Qu'est-ce que FinSight-AI ?

Cette compétence permet aux agents IA (comme Claude Code, Cursor, Codex) d'effectuer une analyse complète de répartition de portefeuille pour 2 à 10 actions américaines (NYSE, NASDAQ) et/ou indiennes (BSE, NSE). Elle soumet un job d'optimisation via une API REST locale (backend Python), récupère les prix historiques sur un an, puis calcule deux stratégies d'allocation : équipondérée et optimisée (maximisation du ratio de Sharpe, taux sans risque à 5%). Le résultat inclut les poids de chaque titre, les rendements annuels, volatilités, ratios de Sharpe, Value-at-Risk (VaR 95% quotidienne) et une matrice de corrélation. L'agent interprète automatiquement ces données : il compare l'efficacité des deux allocations, identifie les paires les plus et moins corrélées, évalue la VaR, détecte les échecs éventuels de l'optimiseur et mentionne le risque de change pour les actions indiennes (INR). Une recommandation finale en 2-3 phrases aide l'utilisateur à choisir l'allocation la plus adaptée.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/vishnup22/FinSight-AI/tree/HEAD/skills/portfolio

Demander à votre IA préférée

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

Documentation

Portefeuille — optimisation équipondérée vs max Sharpe

Voir reference.md pour les formats de tickers.


Prérequis

GET http://localhost:8000/health

Doit retourner {"status": "ok"}. Sinon : dire à l'utilisateur d'exécuter python backend/run.py.


Étape 1 — Analyser les tickers

  • Extraire tous les symboles de ticker du message. Mettre en majuscules, supprimer les espaces.
  • Minimum 2, maximum 10. Les doublons sont rejetés par l'API — dédupliquer silencieusement et le noter.
  • Si moins de 2 tickers sont fournis, en demander plus avant de continuer.

Étape 2 — Soumettre le job de portefeuille

POST http://localhost:8000/api/v1/portfolio
Content-Type: application/json

{"tickers": ["T1", "T2", "..."], "query": "Optimiser l'allocation pour un rendement maximal ajusté au risque."}

Réponse : {"job_id": "<uuid>", "status": "pending", "message": "..."}

Dire à l'utilisateur :

Job de portefeuille soumis pour {n} tickers. Récupération de l'historique des prix sur 1 an et optimisation… généralement 15–30 s.


Étape 3 — Vérifier le statut

GET http://localhost:8000/api/v1/status/{job_id}

Toutes les 5 s jusqu'à completed ou failed.


Étape 4 — Récupérer le résultat

GET http://localhost:8000/api/v1/result/{job_id}

Cas d'erreur

Si le résultat contient une clé error de premier niveau (par ex. "Au moins deux tickers avec un historique de prix chevauchant sont requis"), expliquer le problème en langage clair et s'arrêter :

L'optimisation de portefeuille nécessite au moins deux tickers avec un historique de transactions chevauchant au cours de la dernière année. Vérifiez que tous les tickers sont valides et ont suffisamment d'historique.

Table des champs

ChampCheminNotes
Tickers utiliséstickersPeut différer de l'entrée si certains n'avaient pas de données
Lignes de prixprice_rowsNombre de jours de trading chevauchant
Poids équipondérésequal_weight.weights{ticker: décimal} — multiplier par 100 pour obtenir %
Rendement équipondéréequal_weight.annual_return_pctDéjà en %
Volatilité équipondéréeequal_weight.annual_volatility_pctDéjà en %
Sharpe équipondéréequal_weight.sharpe_ratioAnnualisé, taux sans risque = 5%
VaR équipondéréeequal_weight.var_95_daily_pctDéjà en %, quotidienne
Poids optimauxoptimal.weights{ticker: décimal} — multiplier par 100 pour obtenir %
Rendement optimaloptimal.annual_return_pctDéjà en %
Volatilité optimaleoptimal.annual_volatility_pctDéjà en %
Sharpe optimaloptimal.sharpe_ratioAnnualisé, taux sans risque = 5%
VaR optimaleoptimal.var_95_daily_pctDéjà en %, quotidienne
Optimiseur réussioptimal.optimizer_successbooléen
Message de l'optimiseuroptimal.optimizer_messagePertinent uniquement si success = false
Matrice de corrélationcorrelation_matrixDictionnaire imbriqué {ticker: {ticker: corr}}
VaR du portefeuilleportfolio_var_95_daily_pctVaR quotidienne du portefeuille optimal, déjà en %

Étape 5 — Interpréter et présenter

Poids

Convertir les poids décimaux en pourcentages (poids * 100, 1 décimale). Si un poids est à 0.0% dans le portefeuille optimal, noter que l'optimiseur a exclu cet actif (rendement insuffisant ou corrélation élevée avec d'autres).

Ratio de Sharpe

  • < 0 : le portefeuille rapporte moins que le taux sans risque (5%) ; reconsidérer la composition.
  • 0–1 : rendement ajusté au risque médiocre.
  • 1–2 : bon.
  • 2 : excellent.

Comparer le Sharpe équipondéré avec le Sharpe optimal. Si le Sharpe optimal est plus élevé, les poids concentrés sont justifiés. Si similaires (différence < 0.1), le portefeuille équipondéré est presque aussi efficace et plus simple à rééquilibrer.

Matrice de corrélation

Interpréter les corrélations par paires :

  • 0.80 : fortement corrélées — ces deux actifs évoluent presque ensemble ; détenir les deux ajoute peu de diversification.

  • 0.50–0.80 : corrélation modérée — une certaine co-mouvance, bénéfice partiel de diversification.
  • < 0.30 : faible corrélation — bonne paire de diversification.
  • Proche de 0 ou négatif : fort diversificateur.

Identifier la paire la plus corrélée et la paire la moins corrélée et les mentionner dans la narration.

VaR

VaR quotidienne à 95% de confiance : sur le pire 1 jour de trading sur 20, le portefeuille a historiquement perdu environ {portfolio_var_95_daily_pct}%. Annualiser une estimation approximative uniquement si utile : multiplier la VaR quotidienne par √252 ≈ 15.9 pour approximer la VaR annuelle (note : il s'agit d'une approximation grossière).

Échec de l'optimiseur

Si optimal.optimizer_success = false, dire :

L'optimiseur n'a pas convergé ({optimal.optimizer_message}). Les poids optimaux sont revenus aux poids équipondérés — traiter la colonne "optimale" comme équipondérée.

Actions indiennes dans le portefeuille

Si un ticker se termine par .NS ou .BO, noter que les actifs libellés en INR introduisent un risque de change pour les investisseurs basés en USD. La matrice de corrélation reflète les rendements en devise locale et ne capture pas la volatilité INR/USD.


Étape 6 — Recommandation

Après avoir présenté les données, donner une recommandation en 2–3 phrases :

  • Indiquer s'il faut utiliser les poids équipondérés ou optimaux et pourquoi (comparaison Sharpe).
  • Nommer les 1–2 principales pondérations du portefeuille optimal et ce qui motive leur poids.
  • Noter tout problème de diversification (paires fortement corrélées) ou considération de change.

Sortie

# Analyse de portefeuille — {tickers séparés par des virgules}

Historique des prix : {price_rows} jours de trading chevauchant (≈ {price_rows/252:.1f} ans)

---

## Comparaison des allocations

| Ticker   | Poids équipondéré | Poids optimal |
|----------|-------------------|---------------|
| {ticker} | {ew*100:.1f}%     | {ow*100:.1f}% |
| …        | …                 | …             |

---

## Métriques du portefeuille

| Métrique                   | Équipondéré | Optimal (max Sharpe) |
|---------------------------|-------------|----------------------|
| Rendement annuel attendu  | {eq_ret}%   | {opt_ret}%           |
| Volatilité annuelle        | {eq_vol}%   | {opt_vol}%           |
| Ratio de Sharpe            | {eq_sh}     | {opt_sh}             |
| VaR (95%, 1 jour)          | {eq_var}%   | {opt_var}%           |

{Si optimizer_success = false :
> ⚠ L'optimiseur n'a pas convergé ({optimizer_message}) — les poids optimaux sont égaux aux poids équipondérés.}

---

## Matrice de corrélation

| Ticker | {t1} | {t2} | … |
|--------|------|------|---|
| {t1}   | 1.00 | …    | … |
| …      | …    | …    | … |

**Paire la plus corrélée :** {t_a} / {t_b} à {corr:.2f} — bénéfice de diversification limité.
**Paire la moins corrélée :** {t_c} / {t_d} à {corr:.2f} — bénéfice de diversification le plus fort.

---

## Recommandation

{2–3 phrases : choix équipondéré vs optimal, justification des principales pondérations, éventuelle mise en garde sur la diversification ou le change.}

{Si des tickers .NS/.BO :
> ⚠ Les actions indiennes ({liste}) sont libellées en INR. La matrice de corrélation reflète les rendements en devise locale et ne capture pas le risque de change INR/USD pour les investisseurs basés en USD.}

Récupération d'erreurs

SituationAction
Erreur de premier niveau dans le résultatExpliquer le problème ; demander à l'utilisateur de vérifier les tickers et réessayer
Un ticker retiré de la liste tickersNoter qu'il avait un historique de prix insuffisant ou non chevauchant
optimizer_success = falseExpliquer le repli sur les poids équipondérés ; afficher quand même les métriques
Un seul ticker .NS/.BONoter le risque de change ; l'afficher dans la matrice de corrélation comme d'habitude

Skills associés