# trader-portfolio-cg

Решает задачу mean-variance через сопряжённые градиенты вместо ряда Неймана. Нужен, когда пересчитываете веса портфеля часто и упираетесь в задержку.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 513 установок · ★ 79357
- Автор: ruvnet
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/ruvnet/ruflo/tree/HEAD/plugins/ruflo-neural-trader/skills/trader-portfolio-cg/SKILL.md
- Обновлён: 2026-10-25
- HTML: https://affpapa.org/nevibecode/skills/trader-portfolio-cg

## Что делает

Скилл решает систему `Σ · x = μ` методом сопряжённых градиентов. Ковариационная матрица Σ симметрична и положительно определена по построению, поэтому CG сходится максимум за n итераций без предобусловливания, а при кластеризации собственных значений — заметно быстрее. Заявленное ускорение против старого пути через ряд Неймана — 40-60×, расхождение с ним в пределах 1e-4 на фиксированном seed.

Внутри — адаптер `sublinearAdapter`, который сам выбирает бэкенд: пробует нативный `mcp__ruflo-sublinear__solve`, а если тот недоступен, уходит на встроенную JS-реализацию CG примерно на 50 строк. Математика одна и та же. В метаданных артефакта остаётся `method` — `cg-sublinear-native`, `cg-local` или `neumann-fallback`, так что видно, кто считал.

Перед запуском проверьте, что у вас есть откуда взять Σ и μ: `neural-trader` 2.8.11 их не возвращает, `--portfolio current` гоняет демо с равными весами. Матрицу доходностей придётся передать самому или достать из AgentDB, где её сохранил прошлый прогон. Веса складываются в namespace `trading-risk` без TTL — это аудиторский след. Если новая раскладка отличается от исторической медианы больше чем на 30% по любому активу, скилл советует отправить результат на ручную проверку.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add ruvnet/ruflo --skill trader-portfolio-cg -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/trader-portfolio-cg/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/trader-portfolio-cg/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add ruvnet/ruflo --skill trader-portfolio-cg -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/trader-portfolio-cg/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add ruvnet/ruflo --skill trader-portfolio-cg -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/trader-portfolio-cg/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install ruvnet/ruflo trader-portfolio-cg
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/trader-portfolio-cg/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add ruvnet/ruflo --skill trader-portfolio-cg -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/ruvnet/ruflo --path plugins/ruflo-neural-trader/skills/trader-portfolio-cg
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/trader-portfolio-cg/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add ruvnet/ruflo --skill trader-portfolio-cg -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/ruvnet/ruflo/tree/HEAD/plugins/ruflo-neural-trader/skills/trader-portfolio-cg/SKILL.md

## Когда брать
- посчитать оптимальные веса портфеля на матрице 256×256
- ускорить пересчёт mean-variance без смены математики
- сравнить CG и старый путь Неймана на одном seed
- сохранить веса вместе с методом и числом итераций
- поймать расхождение новых весов с исторической медианой

## Примеры запросов агенту
- посчитай оптимальные веса портфеля через trader-portfolio-cg, tolerance 1e-6
- прогони trader-portfolio-cg на ковариационной матрице из AgentDB
- сравни результат trader-portfolio-cg с fallback-путём Неймана

## Похожие
- [trader-memory-core](https://affpapa.org/nevibecode/skills/trader-memory-core.md) — скилл · 3300 установок
- [okx-cex-portfolio](https://affpapa.org/nevibecode/skills/okx-cex-portfolio.md) — скилл · 10100 установок
- [portfolio-manager](https://affpapa.org/nevibecode/skills/portfolio-manager.md) — скилл · 3900 установок
- [longbridge-portfolio](https://affpapa.org/nevibecode/skills/longbridge-portfolio.md) — скилл · 3900 установок
- [gmgn-portfolio](https://affpapa.org/nevibecode/skills/gmgn-portfolio.md) — скилл · 17600 установок
- [llmquant-portfolio-lab](https://affpapa.org/nevibecode/skills/llmquant-portfolio-lab.md) — скилл · 479 установок

Из того же набора: [ruvnet/ruflo](https://affpapa.org/nevibecode/by/ruvnet/ruflo.md) — 146 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md