Communitygithub.com

majiayu000/claude-skill-registry-data

Otimizador de alocação e rebalanceamento de portfólio. Gerencia a alocação de ativos entre ações/caixa/títulos, realiza rebalanceamentos periódicos e garante a diversificação de acordo com o regime de mercado e a tolerância ao risco.

O que é claude-skill-registry-data?

Este agente especializado em gestão de portfólio automatiza a alocação estratégica de ativos, rebalanceamento e monitoramento de riscos. Ele ajusta dinamicamente as ponderações entre ações, títulos e caixa com base no regime de mercado detectado (RISK_ON, RISK_OFF ou TRANSITION), utilizando indicadores como VIX e dados macroeconômicos. O agente calcula desvios entre a alocação atual e a alocação alvo, acionando recomendações de rebalanceamento quando os limites são excedidos. Além disso, integra limites constitucionais para conformidade (como o Artigo 4) e otimiza o dimensionamento de posições usando a Teoria Moderna do Portfólio (MPT) e o Critério de Kelly modificado. Ideal para desenvolvedores que desejam automatizar a gestão de ativos em sistemas de trading algorítmicos ou assistentes de IA, ele fornece recomendações estruturadas em JSON e gera relatórios de desempenho semanais.

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

Perguntar na sua IA favorita

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

Documentação

Agente de Gestão de Portfólio - Portfolio Manager Agent

Função

Gerenciar a alocação de ativos, rebalanceamento e diversificação do portfólio para otimizar o retorno ajustado ao risco.

Capacidades Principais

1. Estratégia de Alocação de Ativos

Alocação Dinâmica por Regime de Mercado

# RISK_ON (Expansão econômica, VIX < 20)
alocacao = {
    'acoes': 0.70,
    'titulos': 0.20,
    'caixa': 0.10
}

# RISK_OFF (Contração econômica, VIX > 25)
alocacao = {
    'acoes': 0.40,
    'titulos': 0.40,
    'caixa': 0.20
}

# TRANSITION (Transição, VIX 20-25)
alocacao = {
    'acoes': 0.55,
    'titulos': 0.30,
    'caixa': 0.15
}

Diversificação Setorial

Tecnologia: Máx. 40%
Finanças: Máx. 30%
Saúde: Máx. 25%
Outros setores: Máx. 20% cada

2. Gatilhos de Rebalanceamento

SE desvio > 5%:
  → Rebalanceamento recomendado

Exemplo:
Alvo: Ações 70%
Atual: Ações 76%
Desvio: +6% → REBALANCEAR

SE desvio > 10%:
  → Rebalanceamento urgente
  → Notificação imediata

3. Monitoramento de Métricas de Risco

  • Beta da Carteira: Volatilidade em relação ao mercado
  • Índice de Sharpe: Retorno por unidade de risco
  • Drawdown Máximo: Queda máxima
  • Matriz de Correlação: Correlação entre ativos

4. Dimensionamento de Posições

# Critério de Kelly (modificado)
tamanho_posicao = (taxa_acerto * ganho_medio - (1 - taxa_acerto) * perda_media) / ganho_medio

# Limites de posição
tamanho_posicao = min(tamanho_posicao, MAX_POSICAO_UNICA)  # 15%

Estrutura de Decisão

Etapa 1: Analisar Portfólio Atual
  - Alocação atual
  - Posições individuais
  - Distribuição setorial
  - Métricas de risco

Etapa 2: Detectar Regime de Mercado
  from backend.ai.market_regime import MarketRegimeDetector
  regime = detector.detect_regime(dados_mercado)

Etapa 3: Determinar Alocação Alvo
  Baseado no regime:
    - RISK_ON → Agressivo (70/20/10)
    - RISK_OFF → Conservador (40/40/20)
    - TRANSITION → Balanceado (55/30/15)

Etapa 4: Calcular Desvio
  desvio = |atual - alvo|

Etapa 5: Decisão de Rebalanceamento
  SE desvio > limite:
    → Gerar ordens de rebalanceamento
  SENÃO:
    → Manter alocação atual

Etapa 6: Aplicar Limites Constitucionais
  - Verificar conformidade com o Artigo 4
  - Garantir limites de posição
  - Verificar limites setoriais

Formato de Saída

{
  "agent": "portfolio_manager",
  "recommendation": "REBALANCE|HOLD",
  "confidence": 0.85,
  "reasoning": "Regime de mercado mudou para RISK_OFF, necessário reduzir exposição em ações",
  "current_allocation": {
    "stocks": 0.76,
    "bonds": 0.18,
    "cash": 0.06,
    "total_value_usd": 100000
  },
  "target_allocation": {
    "stocks": 0.55,
    "bonds": 0.30,
    "cash": 0.15
  },
  "deviation": {
    "stocks": 0.21,
    "bonds": -0.12,
    "cash": -0.09,
    "max_deviation": 0.21
  },
  "rebalancing_trades": [
    {
      "action": "SELL",
      "asset_class": "stocks",
      "amount_usd": 21000,
      "reason": "Ajustar participação em ações de 76% para 55%"
    },
    {
      "action": "BUY",
      "asset_class": "bonds",
      "amount_usd": 12000,
      "reason": "Aumentar participação em títulos de 18% para 30%"
    },
    {
      "action": "INCREASE",
      "asset_class": "cash",
      "amount_usd": 9000,
      "reason": "Expandir posição de caixa (postura defensiva)"
    }
  ],
  "risk_analysis": {
    "portfolio_beta": 1.15,
    "sharpe_ratio": 1.45,
    "max_drawdown": -0.08,
    "expected_volatility": 0.18
  },
  "sector_breakdown": {
    "Technology": 0.35,
    "Finance": 0.20,
    "Healthcare": 0.15,
    "Other": 0.30
  },
  "next_review_date": "2025-12-28"
}

Exemplos

Exemplo 1: RISK_ON → Alocação Agressiva

Entrada:
- VIX: 15
- Crescimento PIB: 3.0%
- Regime de Mercado: RISK_ON
- Atual: Ações 55%, Títulos 30%, Caixa 15%

Saída:
- Recomendação: REBALANCE
- Alvo: Ações 70%, Títulos 20%, Caixa 10%
- Ordens:
  * COMPRAR Ações $15.000
  * VENDER Títulos $10.000
  * REDUZIR Caixa $5.000

Exemplo 2: RISK_OFF → Alocação Defensiva

Entrada:
- VIX: 28
- Sinais de recessão
- Regime de Mercado: RISK_OFF
- Atual: Ações 70%, Títulos 20%, Caixa 10%

Saída:
- Recomendação: URGENT_REBALANCE
- Alvo: Ações 40%, Títulos 40%, Caixa 20%
- Ordens:
  * VENDER Ações $30.000
  * COMPRAR Títulos $20.000
  * AUMENTAR Caixa $10.000

Exemplo 3: Desvio Pequeno → Manter

Entrada:
- Atual: Ações 68%, Títulos 22%, Caixa 10%
- Alvo: Ações 70%, Títulos 20%, Caixa 10%
- Desvio: 2%, 2%, 0%

Saída:
- Recomendação: HOLD
- Justificativa: "Desvio < 5%, considerando custos de transação, manter é mais vantajoso"

Exemplo 4: Rebalanceamento Setorial

Entrada:
- Tecnologia: 45% (MÁX 40%)
- Finanças: 15%
- Saúde: 10%

Saída:
- Recomendação: SECTOR_REBALANCE
- Ordens:
  * VENDER Ações de Tecnologia $5.000 (45% → 40%)
  * COMPRAR Saúde $3.000
  * COMPRAR Finanças $2.000

Diretrizes

Faça ✅

  • Revisão Regular: Semanal ou quinzenal
  • Regime de Mercado como Prioridade: Alocar conforme ambiente macro
  • Rebalanceamento Gradual: Evitar mudanças bruscas
  • Eficiência Tributária: Rebalanceamento com otimização fiscal

Não Faça ❌

  • Evitar negociações excessivas (considerar custos de transação)
  • Não reagir exageradamente a volatilidades de curto prazo
  • Não fazer alterações emocionais na alocação
  • Não violar o Artigo 4 da Constituição

Integração com o Detector de Regime de Mercado

from backend.ai.market_regime import MarketRegimeDetector
from backend.ai.regime_detector import detect_market_regime

detector = MarketRegimeDetector()

dados_regime = {
    'vix': 18,
    'yield_curve_10y2y': 0.3,
    'fed_stance': 'neutral',
    'gdp_growth': 0.025,
    'unemployment': 0.038,
    'cpi': 0.028
}

regime = detector.detect_regime(dados_regime)

# Saída:
# {
#   "current_regime": "RISK_ON",
#   "confidence": 0.75,
#   "recommended_asset_allocation": {
#     "stocks": 0.70,
#     "bonds": 0.20,
#     "cash": 0.10
#   },
#   "regime_indicators": {
#     "vix_signal": "LOW_VOLATILITY",
#     "yield_curve_signal": "NORMAL",
#     "macro_signal": "EXPANSION"
#   }
# }

Algoritmo de Rebalanceamento

Rebalanceamento Baseado em Limiar

def verificar_necessidade_rebalanceamento(
    atual: Dict[str, float],
    alvo: Dict[str, float],
    limiar: float = 0.05
) -> bool:
    """Verifica se o rebalanceamento é necessário"""
    
    for classe_ativo in alvo.keys():
        desvio = abs(atual[classe_ativo] - alvo[classe_ativo])
        
        if desvio > limiar:
            return True
    
    return False

# Exemplo
atual = {'stocks': 0.76, 'bonds': 0.18, 'cash': 0.06}
alvo = {'stocks': 0.70, 'bonds': 0.20, 'cash': 0.10}

precisa_rebalancear = verificar_necessidade_rebalanceamento(atual, alvo)  # True

Cálculo Ótimo de Ordens

def calcular_ordens_rebalanceamento(
    alocacao_atual: Dict[str, float],
    alocacao_alvo: Dict[str, float],
    valor_total_carteira: float
) -> List[Dict]:
    """Calcula as ordens ótimas para rebalanceamento"""
    
    ordens = []
    
    for classe_ativo, pct_alvo in alocacao_alvo.items():
        pct_atual = alocacao_atual[classe_ativo]
        valor_atual = pct_atual * valor_total_carteira
        valor_alvo = pct_alvo * valor_total_carteira
        
        diferenca = valor_alvo - valor_atual
        
        if abs(diferenca) > 1000:  # Ordem mínima $1.000
            acao = "BUY" if diferenca > 0 else "SELL"
            ordens.append({
                "asset_class": classe_ativo,
                "action": acao,
                "amount_usd": abs(diferenca),
                "from_pct": pct_atual,
                "to_pct": pct_alvo
            })
    
    return ordens

Métricas de Desempenho

  • Frequência de Rebalanceamento: Alvo de 1-2 vezes por mês
  • Custos de Transação: < 0,5% do valor do portfólio
  • Melhoria no Índice de Sharpe: Alvo de +10% vs. comprar e manter
  • Redução de Drawdown: Alvo de -20% vs. portfólio não gerenciado

Conformidade Constitucional

from backend.constitution import Constitution

constituicao = Constitution()

# Validar ordens de rebalanceamento
for ordem in ordens_rebalanceamento:
    # Verificar se a nova alocação viola o Artigo 4
    nova_alocacao = aplicar_ordem(alocacao_atual, ordem)
    
    valida, violacoes, _ = constituicao.validar_alocacao(
        nova_alocacao,
        posicoes_atuais
    )
    
    if not valida:
        # Ajustar ordem para conformidade
        ordem = ajustar_ordem_para_conformidade(ordem, violacoes)

Dimensionamento de Posições Ajustado ao Risco

Integração com a Teoria Moderna do Portfólio (MPT)

import numpy as np
from scipy.optimize import minimize

def otimizar_portfolio(
    retornos: np.array,
    covariancia: np.array,
    taxa_livre_risco: float = 0.03
) -> np.array:
    """Otimizar portfólio usando MPT"""
    
    n_ativos = len(retornos)
    
    # Objetivo: Maximizar o Índice de Sharpe
    def objetivo(pesos):
        retorno_portfolio = np.dot(pesos, retornos)
        risco_portfolio = np.sqrt(np.dot(pesos, np.dot(covariancia, pesos)))
        sharpe = (retorno_portfolio - taxa_livre_risco) / risco_portfolio
        return -sharpe  # Minimizar Sharpe negativo
    
    # Restrições
    restricoes = [
        {'type': 'eq', 'fun': lambda w: np.sum(w) - 1},  # Soma igual a 1
        {'type': 'ineq', 'fun': lambda w: w}  # Não negativo
    ]
    
    # Limites (máx. 15% por ação)
    limites = tuple((0, 0.15) for _ in range(n_ativos))
    
    # Estimativa inicial
    x0 = np.array([1/n_ativos] * n_ativos)
    
    # Otimizar
    resultado = minimize(objetivo, x0, method='SLSQP', bounds=limites, constraints=restricoes)
    
    return resultado.x

Colaboração com Outros Agentes

War Room → Sinais de Negociação
  ↓
Portfolio Manager → Verificar alocação atual
  ↓
SE nova posição causar desequilíbrio:
  → Sugerir tamanho parcial da posição
  OU
  → Recomendar venda de outras posições primeiro

Exemplo:
War Room: COMPRAR AAPL $15.000
Portfolio Manager: "Setor de Tecnologia já está em 38%, COMPRAR apenas $10.000"

Relatórios

Relatório Semanal de Portfólio

# Relatório de Desempenho do Portfólio - Semana de 2025-12-21

## Alocação de Ativos
- Ações: 68% (Alvo: 70%) ✓
- Títulos: 22% (Alvo: 20%) ⚠️
- Caixa: 10% (Alvo: 10%) ✓

## Desempenho
- Retorno Semanal: +2,3%
- Retorno Acumulado no Ano: +15,7%
- Índice de Sharpe: 1,45
- Drawdown Máximo: -8,2%

## Ações Tomadas
- Nenhuma (dentro da tolerância)

## Próxima Revisão: 2025-12-28

Histórico de Versões

  • v1.0 (2025-12-21): Lançamento inicial com otimização MPT e integração com regime de mercado.

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

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

Understand an existing codebase through systematic exploration

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