Communitygithub.com

majiayu000/claude-skill-registry-data

Calcular percentuais de alocação atuais, identificar desvios em relação às metas, analisar eficiência da margem

O que é claude-skill-registry-data?

Esta skill (habilidade) do agente AI executa a Etapa 2/4 do fluxo de trabalho 'portfolio_balancer', focada na análise fundamental do Portfólio Permanente de Harry Browne. Ela calcula os percentuais de alocação atual de cada classe de ativo (ações, títulos de longo prazo, ouro e caixa/tesouros) em relação à meta igualitária de 25/25/25/25. A skill identifica desvios percentuais (drifts), determina se um rebalanceamento é necessário com base em um limite configurável, analisa a eficiência do uso de margem (comparando custos reais com esperados) e avalia alocações satélites, se habilitado. O resultado é um arquivo YAML estruturado contendo toda a análise, que serve como base para a etapa seguinte de geração de recomendações. A ferramenta é útil para investidores que seguem a estratégia do Portfólio Permanente e desejam automatizar o monitoramento diário de suas carteiras, garantindo que mantenham o equilíbrio entre as quatro estações econômicas. A saída inclui contexto econômico das 'Quatro Estações', ajudando a interpretar os desvios atuais.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

portfolio_balancer.analyze_allocation

Etapa 2/4 do fluxo de trabalho portfolio_balancer

Análise diária do Portfólio Permanente com cálculo de desvios de alocação e recomendações de rebalanceamento

Pré-requisitos (Verificar Primeiro)

Antes de prosseguir, confirme que estas etapas foram concluídas:

  • /portfolio_balancer.collect_portfolio_data

Instruções

Objetivo: Calcular percentuais de alocação atuais, identificar desvios em relação às metas e analisar a eficiência da margem.

Analisar Alocação

Objetivo

Calcular os percentuais de alocação atuais em relação às metas de 25/25/25/25 do Portfólio Permanente, identificar desvios em relação às metas e analisar a eficiência da margem.

Tarefa

Analisar o snapshot da carteira para determinar como as alocações atuais se comparam às metas do Portfólio Permanente de Harry Browne. Identificar quais classes de ativos estão acima ou abaixo do peso e avaliar se o uso de margem é custo-efetivo.

Processo

  1. Ler o snapshot da carteira Carregar portfolio_balancer/data/portfolio_snapshot.yml da etapa collect_portfolio_data.

  2. Calcular percentuais de alocação atuais Para cada classe de ativo, calcular:

    current_percentage = (asset_class_value / total_portfolio_value) * 100
    
  3. Calcular desvio das metas A meta do Portfólio Permanente é 25% para cada classe de ativo:

    drift = current_percentage - 25.0
    
    • Desvio positivo = acima do peso
    • Desvio negativo = abaixo do peso
  4. Determinar se o rebalanceamento é necessário Comparar o desvio de cada classe de ativo com o drift_threshold do snapshot:

    • Se algum |desvio| > drift_threshold, o rebalanceamento é recomendado
    • Rastrear quais classes de ativos específicas excedem o limite
  5. Analisar alocação satélite (se habilitado) Se o rastreamento de satélites estiver habilitado:

    • Calcular o percentual de satélite em relação à alocação total de ações
    • Comparar com a meta (tipicamente 10-20%)
    • Determinar se a alocação satélite precisa de ajuste
  6. Analisar eficiência da margem Se a margem estiver habilitada:

    • Calcular o custo anual da margem: margin_balance * interest_rate
    • Avaliar custo/benefício: O retorno esperado sobre ativos marginais > custo da margem?
    • Sinalizar se as taxas de margem excedem limites razoáveis
  7. Aplicar contexto das Quatro Estações Observar quais condições econômicas favorecem as posições atuais acima/abaixo do peso:

    • Primavera (Prosperidade): Ações se beneficiam
    • Verão (Inflação): Ouro se beneficia
    • Outono (Crédito Escasso): Caixa se beneficia
    • Inverno (Deflação): Títulos de longo prazo se beneficiam

Formato de Saída

portfolio_balancer/data/allocation_analysis.yml

Um arquivo YAML contendo a análise completa da alocação.

Estrutura:

analysis_date: "YYYY-MM-DD"
drift_threshold: 5  # do snapshot

total_portfolio_value: 100000.00

# Detalhamento da alocação
allocations:
  stocks:
    target_percentage: 25.0
    current_percentage: 28.0
    current_value: 28000.00
    drift: 3.0  # acima do peso em 3%
    exceeds_threshold: false
    status: "acima_do_peso"
    # Detalhamento satélite (se habilitado)
    satellite:
      enabled: true
      core_percentage: 89.3  # % de ações no índice central
      satellite_percentage: 10.7  # % de ações em satélites
      target_satellite_percentage: 15.0
      satellite_drift: -4.3  # abaixo do peso em satélites

  long_term_bonds:
    target_percentage: 25.0
    current_percentage: 24.0
    current_value: 24000.00
    drift: -1.0  # abaixo do peso em 1%
    exceeds_threshold: false
    status: "abaixo_do_peso"

  gold:
    target_percentage: 25.0
    current_percentage: 23.0
    current_value: 23000.00
    drift: -2.0
    exceeds_threshold: false
    status: "abaixo_do_peso"

  cash_treasuries:
    target_percentage: 25.0
    current_percentage: 25.0
    current_value: 25000.00
    drift: 0.0
    exceeds_threshold: false
    status: "na_meta"

# Avaliação geral de rebalanceamento
rebalancing:
  needed: false
  reason: "Nenhuma classe de ativo excede o limite de desvio de 5%"
  assets_exceeding_threshold: []

# Análise de margem
margin_analysis:
  enabled: true
  current_balance: 5000.00
  annual_cost: 300.00  # saldo * taxa
  monthly_cost: 25.00
  monthly_fees_paid: 50.00
  efficiency_rating: "ruim"  # pagando mais em taxas do que o custo calculado
  recommendation: "Revisar taxas de margem - pagando $50/mês vs custo esperado de $25/mês"

# Contexto das Quatro Estações
economic_context:
  current_overweights:
    - asset: "stocks"
      favored_condition: "Prosperidade/Crescimento (Primavera)"
      drift: 3.0
  current_underweights:
    - asset: "gold"
      favored_condition: "Inflação (Verão)"
      drift: -2.0
    - asset: "long_term_bonds"
      favored_condition: "Deflação/Recessão (Inverno)"
      drift: -1.0
  interpretation: "Carteira atualmente posicionada para prosperidade; vulnerável à inflação"

Critérios de Qualidade

  • Todas as quatro classes de ativos analisadas com percentual atual e desvio
  • Cálculos de desvio matematicamente corretos
  • Comparação do limite de rebalanceamento precisa
  • Análise de eficiência da margem incluída se a margem estiver habilitada
  • Análise de satélite incluída se o rastreamento de satélite estiver habilitado
  • Contexto econômico das Quatro Estações fornecido
  • Todos os percentuais somam 100% (dentro da tolerância de arredondamento)
  • YAML é válido e analisável
  • Quando todos os critérios forem atendidos, inclua <promise>✓ Critérios de Qualidade Atendidos</promise> na sua resposta

Contexto

Esta análise é o núcleo da gestão do Portfólio Permanente. Harry Browne projetou a alocação 25/25/25/25 para fornecer equilíbrio em todas as condições econômicas - as "Quatro Estações" do ciclo econômico. A análise de desvio ajuda a determinar quando o rebalanceamento é necessário para manter esse equilíbrio.

A análise de margem ajuda os usuários a entender se o uso de margem é custo-efetivo, comparando as taxas reais pagas com os custos calculados e benefícios esperados.

Contexto do Job

Análise de carteira diária automatizada implementando a estratégia do Portfólio Permanente de Harry Browne.

O Portfólio Permanente mantém alocações iguais de 25% em quatro classes de ativos projetadas para ter desempenho em diferentes condições econômicas:

  • Ações (25%): Prosperidade/Crescimento
  • Títulos de Longo Prazo (25%): Deflação/Recessão
  • Ouro (25%): Inflação
  • Caixa/Tesouros (25%): Crédito Escasso/Recessão

Este fluxo de trabalho:

  1. Coleta dados da carteira via CLI bin/robinhood positions --save
  2. Analisa a alocação atual em relação às metas 25/25/25/25
  3. Rastreia picks de ações satélites (opcional, 10-20% da alocação em ações)
  4. Avalia a eficiência do uso de margem vs taxas pagas
  5. Gera recomendações de rebalanceamento quando o desvio excede o limite definido pelo usuário
  6. Produz um relatório diário legível para revisão manual

IMPORTANTE: Este sistema é somente leitura. Nenhuma negociação é executada automaticamente. Todas as recomendações requerem revisão e execução manuais.

Entradas Necessárias

Arquivos de Etapas Anteriores - Leia estes primeiro:

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

Branch de Trabalho

Use formato de branch: deepwork/portfolio_balancer-[instancia]-YYYYMMDD

  • Se estiver em uma branch de trabalho correspondente: continue usando-a
  • Se estiver em main/master: crie nova branch com git checkout -b deepwork/portfolio_balancer-[instancia]-$(date +%Y%m%d)

Saídas

Saídas necessárias:

  • portfolio_balancer/data/allocation_analysis.yml

Diretrizes

  • NÃO pule a verificação de pré-requisitos se esta etapa tiver dependências
  • NÃO produza saídas parciais; complete todas as saídas necessárias antes de terminar
  • NÃO prossiga sem as entradas necessárias; pergunte ao usuário se alguma estiver faltando
  • NÃO modifique arquivos fora do escopo das saídas definidas desta etapa

Ao Concluir

  1. Verifique se as saídas foram criadas
  2. Informe ao usuário: "Etapa 2/4 concluída, saídas: portfolio_balancer/data/allocation_analysis.yml"
  3. Continue o fluxo de trabalho: Use a ferramenta Skill para invocar /portfolio_balancer.generate_recommendations

Arquivos de referência: .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-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".

Habilidades Relacionadas