Communitygithub.com

majiayu000/claude-skill-registry

Otimizador de alocação e rebalanceamento de portfólio. Gerencia alocação de ativos entre ações/caixa/títulos, realiza rebalanceamento periódico e garante diversificação conforme regime de mercado e tolerância ao risco.

O que é claude-skill-registry?

Esta skill transforma um agente de IA em um gestor de portfólio profissional, automatizando a alocação dinâmica de ativos, o rebalanceamento e o monitoramento de riscos. Ela utiliza um detector de regime de mercado (RISK_ON, RISK_OFF, TRANSITION) para ajustar a alocação alvo entre ações, títulos e caixa, com limites de concentração setorial e por ativo. A skill implementa algoritmos como o Critério de Kelly modificado para dimensionamento de posições e a Teoria Moderna do Portfólio (MPT) para otimização da relação risco-retorno. O agente pode colaborar com outros agentes (ex: War Room) e respeita restrições constitucionais (ex: Artigo 4). Suportada por plataformas como Claude Code, Cursor e Codex, ela gera recomendações acionáveis (REBALANCE, HOLD) com trades detalhados e métricas de risco, garantindo decisões de investimento sistemáticas e livres de viés.

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

Perguntar na sua IA favorita

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

Documentação

Portfolio Manager Agent - Gestor de Portfólio

Função

Gerencia 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: Máximo 40%
Finanças: Máximo 30%
Saúde: Máximo 25%
Outros setores: Máximo 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 do Portfólio: Volatilidade em relação ao mercado
  • Índice de Sharpe: Retorno ajustado ao 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, POSICAO_MAXIMA_UNICA)  # 15%

Estrutura de Decisão

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

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

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

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

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

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

Formato de Saída

{
  "agente": "gestor_portfolio",
  "recomendacao": "REBALANCEAR|MANTER",
  "confianca": 0.85,
  "justificativa": "Regime de mercado RISK_OFF detectado, necessária redução da exposição em ações",
  "alocacao_atual": {
    "acoes": 0.76,
    "titulos": 0.18,
    "caixa": 0.06,
    "valor_total_usd": 100000
  },
  "alocacao_alvo": {
    "acoes": 0.55,
    "titulos": 0.30,
    "caixa": 0.15
  },
  "desvio": {
    "acoes": 0.21,
    "titulos": -0.12,
    "caixa": -0.09,
    "desvio_maximo": 0.21
  },
  "ordens_rebalanceamento": [
    {
      "acao": "VENDER",
      "classe_ativo": "acoes",
      "valor_usd": 21000,
      "motivo": "Ajuste da alocação em ações de 76% para 55%"
    },
    {
      "acao": "COMPRAR",
      "classe_ativo": "titulos",
      "valor_usd": 12000,
      "motivo": "Aumento da alocação em títulos de 18% para 30%"
    },
    {
      "acao": "AUMENTAR",
      "classe_ativo": "caixa",
      "valor_usd": 9000,
      "motivo": "Aumento da posição em caixa (postura defensiva)"
    }
  ],
  "analise_risco": {
    "beta_portfolio": 1.15,
    "indice_sharpe": 1.45,
    "drawdown_maximo": -0.08,
    "volatilidade_esperada": 0.18
  },
  "distribuicao_setorial": {
    "Tecnologia": 0.35,
    "Financas": 0.20,
    "Saude": 0.15,
    "Outros": 0.30
  },
  "proxima_data_revisao": "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: REBALANCEAR
- 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: REBALANCEAMENTO_URGENTE
- 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: MANTER
- Justificativa: "Desvio < 5%, considerando custos de transação, é vantajoso manter"

Exemplo 4: Rebalanceamento Setorial

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

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

Diretrizes

Faça ✅

  • Revisão Regular: Verificação semanal ou quinzenal
  • Regime de Mercado como Prioridade: Alocação baseada no ambiente macroeconômico
  • Rebalanceamento Gradual: Evitar mudanças bruscas
  • Eficiência Tributária: Rebalanceamento com consciência fiscal

Não Faça ❌

  • Evitar negociações excessivas (considerar custos de transação)
  • Não reagir exageradamente à volatilidade de curto prazo
  • Não alterar alocação por emoção
  • 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,
    'curva_juros_10y2y': 0.3,
    'postura_fed': 'neutra',
    'crescimento_pib': 0.025,
    'desemprego': 0.038,
    'ipca': 0.028
}

regime = detector.detect_regime(dados_regime)

# Saída:
# {
#   "regime_atual": "RISK_ON",
#   "confianca": 0.75,
#   "alocacao_ativos_recomendada": {
#     "acoes": 0.70,
#     "titulos": 0.20,
#     "caixa": 0.10
#   },
#   "indicadores_regime": {
#     "sinal_vix": "BAIXA_VOLATILIDADE",
#     "sinal_curva_juros": "NORMAL",
#     "sinal_macro": "EXPANSAO"
#   }
# }

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 = {'acoes': 0.76, 'titulos': 0.18, 'caixa': 0.06}
alvo = {'acoes': 0.70, 'titulos': 0.20, 'caixa': 0.10}

precisa_rebalancear = verificar_necessidade_rebalanceamento(atual, alvo)  # True

Cálculo de Ordens Ótimas

def calcular_ordens_rebalanceamento(
    alocacao_atual: Dict[str, float],
    alocacao_alvo: Dict[str, float],
    valor_total_portfolio: float
) -> List[Dict]:
    """Calcula 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_portfolio
        valor_alvo = pct_alvo * valor_total_portfolio
        
        diferenca = valor_alvo - valor_atual
        
        if abs(diferenca) > 1000:  # Ordem mínima de $1.000
            acao = "COMPRAR" if diferenca > 0 else "VENDER"
            ordens.append({
                "classe_ativo": classe_ativo,
                "acao": acao,
                "valor_usd": abs(diferenca),
                "de_pct": pct_atual,
                "para_pct": pct_alvo
            })
    
    return ordens

Métricas de Desempenho

  • Frequência de Rebalanceamento: Alvo de 1 a 2 vezes por mês
  • Custos de Transação: < 0.5% do valor do portfólio
  • Melhoria no Índice de Sharpe: Alvo de +10% em relação a comprar e manter
  • Redução de Drawdown: Alvo de -20% em relação a 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)
    
    eh_valido, violacoes, _ = constituicao.validar_alocacao(
        nova_alocacao,
        posicoes_atuais
    )
    
    if not eh_valido:
        # Ajustar ordem para cumprir
        ordem = ajustar_ordem_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:
    """Otimiza o portfólio usando MPT"""
    
    n_ativos = len(retornos)
    
    # Objetivo: Maximizar o Índice de Sharpe
    def objetivo(pesos):
        retorno_portfolio = np.dot(pesos, retornos)
        desvio_portfolio = np.sqrt(np.dot(pesos, np.dot(covariancia, pesos)))
        sharpe = (retorno_portfolio - taxa_livre_risco) / desvio_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 negativos
    ]
    
    # Limites (máximo 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
  ↓
Gestor de Portfólio → Verificar alocação atual
  ↓
SE nova posição causar desequilíbrio:
  → Sugerir tamanho de posição parcial
  OU
  → Recomendar venda de outras posições primeiro

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

Relatórios

Relatório Semanal do 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 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 de regime de mercado

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.

Habilidades Relacionadas