algo-investor-skills: Claude Code Skills die een fraudebestendig investeerdersvoorstel bouwen

Elke algotrader die ooit externe kapitaal heeft geprobeerd op te halen, kent de muur. Je hebt een strategie die werkt, een live trackrecord op je eigen rekeningen, en een schone equity-curve. Dan ga je zitten om het investeerdersdocument te schrijven — en ontdek je dat het moeilijkste deel niet de strategie is. Het is een numeriek onderlegde, sceptische professional overtuigen dat je geen oplichter bent. Ze zullen je niet op je woord geloven. In 2026 doen ze in werkelijkheid het volgende: ze plakken je commerciële aanbod zonder verdere context in een LLM en vragen: "is dit echt, of is dit fraude?"

algo-investor-skills is een kant-en-klare set Claude Code skills, precies gebouwd voor dat moment. Het brengt je van ruwe strategiefeiten naar een afgewerkt, geauditeerd, meertalig investeerdersvoorstel — het soort geloofwaardig, eerlijkheid-voorop document dat die vijandige LLM-plaktest overleeft. Het hele ontwerp berust op één niet-onderhandelbare regel: het verzint nooit een cijfer.

Een opmerking vooraf, dezelfde waarmee de repo begint: alles in de reference/-map van de kit is een geanonimiseerd uitgewerkt voorbeeld. Namen, venues en metrics zijn plaatshouders, geen echte cijfers. De skills genereren documenten op basis van jouw eigen gemeten trackrecord — ze leveren niemands echte cijfers, en ze zullen die van jou niet verzinnen.

Waarom dit een skillset is en geen sjabloon

Je zou een investeerdersvoorstel kunnen schrijven vanuit een Word-sjabloon. Mensen doen dat, en het is te zien. Een statisch sjabloon kan je Sharpe niet herberekenen wanneer je veertig trades toevoegt, kan je edge niet stresstesten met de topwinnaars verwijderd, en kan geen vijandige allocator nabootsen om de zwakke plekken in je eigen pitch te vinden. Dat is het gat dat algo-investor-skills opvult.

Dit zijn gewone Claude Code skills die onder .claude/skills/ leven. Open de repo in Claude Code en ze laden automatisch. Omdat het gewone skills zijn, kun je ze ook in elk ander project gebruiken — kopieer de mappen naar een project-lokale .claude/skills/, of naar je gebruikers-globale ~/.claude/skills/ om ze overal te hebben:

cp -r .claude/skills/* /path/to/your/project/.claude/skills/

cp -r .claude/skills/* ~/.claude/skills/

De financiële-modellen-engine draait zelfs standalone, zonder afhankelijkheden, als een sanity check:

node .claude/skills/algo-financial-models/models.mjs   # print een uitgewerkte demo

De zes skills

De kit levert zes samenstelbare skills. Eén is de orchestrator; de andere vijf beheren elk een fase van de pipeline.

De pipeline, van begin tot eind

De skills zijn geen menu waaruit je willekeurig kiest — ze vormen een geordende pipeline, en investor-docs voert ze op volgorde uit omdat elke fase afhankelijk is van de vorige:

intake/intake-template.md   ← jij vult gemeten feiten + gelabelde aannames in
        │
        ▼
algo-financial-models   →   eerlijke cijfers / tabellen
        │
        ▼
investor-proof-pack     →   transparantie- + verificatiepakket
        │
        ▼
investor-proposal-build →   volledig voorstel van 14 secties in Markdown
        │
        ▼
investor-doc-localize   →   taal-/marktvarianten   (optioneel)
        │
        ▼
investor-proposal-audit →   sceptische-investeerder-lus tot het slaagt  (VERPLICHT)

1. Intake — de enige bron van waarheid

Het begint bij intake/intake-template.md. Je vult je strategiethese in, je gemeten trackrecord (steekproefgrootte, winratio, gemiddelde trade, Sharpe, Sortino, max drawdown, datumbereik), je venues en rekeningarchitectuur, en je commerciële voorwaarden. Cruciaal: je markeert elk cijfer als ofwel [real] (gemeten) of een duidelijk gelabelde toekomstige aanname (leverage, aantal tranches, veronderstelde diepte, slippage, alpha-decay).

De regel die de hele kit betrouwbaar maakt, zit hier: alles wat je leeg laat, wordt een expliciete TODO-plek in het concept, nooit een verzonnen cijfer. Als je een cijfer niet kunt onderbouwen met je exchange-exports, laat je het leeg, en de kit weigert het gat te verbloemen.

2. algo-financial-models — de eerlijke cijfers

Deze skill zet je gemeten input om in zes kwantitatieve modellen, geleverd als drop-in Markdown-tabellen, elk met een eerlijk onderschrift van één of twee regels:

• Verwachtingswaarde en sizing — verwachte waarde, sigma per trade, payoff-ratio, capaciteit, netto-edge, en de Kelly-fractie.
• De rendementsbrug — vier treden van de ruwe edge per event naar het capaciteitsgecorrigeerde, na-kosten, na-decay cijfer. Het toont altijd beide: de ruwe edge en de capaciteitsgecorrigeerde edge, omdat het ruwe cijfer per event geen fondsrealiseerbaar rendement is en doen alsof anders precies het soort oneerlijkheid is dat de kit wil voorkomen.
• High-water-mark fee-schema — alleen performance fee, in rekening gebracht bij nieuwe equity-hoogtepunten.
• Kwantitatieve metrics — berekent sigma en downside deviation terug zodat je gemeten Sharpe en Sortino exact worden gereproduceerd. Het zijn doorgeefluiken; de kit zal ze niet overrulen of mooier maken.
• Monte-Carlo (GBM) — P5 / P50 / P95-paden plus kans op ruïne, met alpha-decay verwerkt.
• Alpha-duurzaamheid + Wilson-BI — een afnemend-edge-schema en een betrouwbaarheidsinterval voor winratio bij kleine steekproef, zodat een cijfer van 62% op 80 trades nooit wordt gepresenteerd alsof het een natuurwet is.

Een detail dat ik oprecht scherp vind: effectieve blootstelling per event wordt berekend als leverage / tranches (L / N), en de exposure-sweeptabel is kleurgecodeerd tegen Kelly — groen op of onder halve Kelly, amber tot volledige Kelly, rood daarboven. Dat maakt van "hoeveel moet ik inzetten?" geen onderbuikgevoel maar een tabel die je kunt verdedigen.

3. investor-proof-pack — eerlijkheid controleerbaar gemaakt

Dit is het deel waar sceptici echt om geven. Het proof pack stelt een transparantiepakket samen dat bewijst dat je live trackrecord echt is zonder het geheime recept te lekken en zonder iets te verzinnen:

• Een tabel met openbaargemaakte trades met vaste kolommen (# | Venue | Pair | Datum | Zijde | PnL % | Houdtijd | Status) met alle trades in het venster — winnaars en verliezers. Cherry-picking is expliciet verboden. Percentages en datums worden getoond; dollarbedragen worden bewust achtergehouden, en de kit stelt die grens in gewone woorden.
• Een onafhankelijke reconciliatiemethodologie met twee paden die het eens moeten zijn: order-id-reconciliatie via de REST-API van de exchange (realized P&L exact herberekenen uit de fills), en statement-reconciliatie tegen de officiële transactiehistorie-export van de exchange (gematcht op symbool + tijd + teken binnen een gestelde tolerantie). Twee onafhankelijke reconciliaties die overeenkomen zijn veel moeilijker te vervalsen dan één.
• Een read-only "Stap 0"-verificatieaanbod: een script dat de investeerder zelf draait tegen een read-only API-sleutel die zij zelf genereren, waarbij de openbaargemaakte trades worden gereconcilieerd tegen de eigen data van de exchange — voordat er enige trade-permissie-sleutel wordt verleend.
• Grafieken — synthetische illustraties (duidelijk gelabeld, om trademechanica te leren) naast echte candle-voor-candle grafieken met entry/exit-markeringen gekoppeld aan de gereconcilieerde fills.

En het deel dat dit onderscheidt van een pitchdeck: het proof pack benoemt zijn eigen grens hardop. De reconciliatie bewijst de authenticiteit en omvang van eerdere live trades. Het bewijst niet toekomstige rendementen, het bewijst niet dat de edge standhoudt bij grote omvang, en het is geen volledige audit. Het sterkste bewijs, zegt de kit ronduit, is een forward pilot op de eigen rekening van de investeerder.

4. investor-proposal-build — de boog van 14 secties

Deze skill stelt één zelfstandig Markdown-document samen dat een vijandige investeerder in zijn geheel in een LLM kan plakken en uit elkaar kan halen. De structuur is een bewuste boog van 14 secties die begint met risico en bewaring, niet met rendementen:

1. Thesis — met het bewaringsanker als één regel in de allereerste alinea.
2. Waar de edge vandaan komt — de structurele inefficiëntie, met een eerlijk voorbehoud dat externe studies niet worden gepresenteerd als de eigen resultaten van de operator.
3. Kernmetrics — Sharpe / Sortino / max drawdown, genoteerd als leverage-invariante ratio's, Sortino-voorop, met het voorbehoud voor kleine steekproeven eraan gehecht.
4. Bewaring en operationeel model — trade-only API-sleutels, geen opnamerechten, one-click-intrekking als de "noodrem," vermeld als het enige aangeboden model.
5. Transparantie van echte trades — het proof pack uit stap 3.
6. Kapitaalfasen — pilot (~$50k, fee in escrow, 0% tot het high-water mark herstelt), opschaling, dan doel.
7. Fee-model — een concrete performance fee als percentage van netto winst, met een high-water mark en geen management fee.
8. De twee benoemde risico's — niet-getest-op-schaal (exit-liquiditeit) en het ultrakorte houdvenster, zonder omhaal vermeld.
9. Een gekwantificeerde faalscenario's-tabel — wat de investeerder verliest in elk scenario, gekoppeld aan de N-tranche-wiskunde.
10. Aansprakelijkheid en risicoallocatie — inclusief het eerlijke voorbehoud van geen-rechtspersoon / beperkt-verhaal.
11. Kapitaalspreiding over N afzonderlijke toplevel-rekeningen (geen subrekeningen, die kunnen cascaderen bij een bevriezing), met een cap per venue.
12. Alpha-duurzaamheid — de expliciete decay-aanname en capaciteitsplafond, geformuleerd als toekomstige aanname.
13. Operator — één persoon, één aanspreekpunt, vermeld als zowel een alignment-kenmerk als een key-person-risico.
14. Roadmap — expliciet gelabeld "geen beloftes."

Het geheel is door zijn constructie laag-hype. Als een zin klinkt als een pitchdeck, schrapt de skill die. Bewaring en de noodrem komen vóór elk rendementscijfer, en elke sectie die als opschepperij zou kunnen klinken, wordt in dezelfde adem gebalanceerd door het bijbehorende risico.

5. investor-doc-localize — vertaling zonder afwijking

Optioneel, maar goed ontworpen. Het lokaliseert het afgeronde masterdocument naar en / ru / zh / ko (uitbreidbaar), en produceert zelfs marktspecifieke varianten — bijvoorbeeld een geïsoleerde-markt-variant die de structurele edge naar voren brengt voor een publiek dat de venue uit eerste hand kent, versus een gesaneerde publieke variant. De hoofdzonde waartegen het waakt: een cijfer laten afwijken of een voorbehoud laten verzachten omdat het "beter leest" in een andere taal. Elk fee-percentage, elke bewaringsvoorwaarde, elk faalscenario wordt identiek weergegeven in alle talen, met een terugvertaal-steekproefcontrole op de secties bewaring, fee en aansprakelijkheid.

6. investor-proposal-audit — de verplichte poort

Dit is de skill die van de kit meer maakt dan een documentgenerator. Het simuleert precies de controle die een serieuze investeerder uitvoert: een frisse, alleen-op-document AI-investeerder — geen code, geen trackrecord, geen voordeel van de twijfel — leest het voorstel en geeft een gestructureerd oordeel: satisfaction (0–100), wouldInvest, scamRisk (laag / gemiddeld / hoog), belangrijkste zorgen, ontbrekende informatie, rode vlaggen, en sterke punten. Vervolgens repareert een reviser-agent wat de scepticus heeft gesignaleerd — eerlijk — en de lus herhaalt zich.

De rubriek is standaard sceptisch. Het beloont eerlijke beperkingen, concrete verificatiemechanismen, expliciete fee- en bewaringsvoorwaarden, en gekwantificeerde neerwaartse risico's. Het bestraft hard: marketingbijvoeglijke naamwoorden, "vertrouw ons" met verborgen cijfers, vaagheid over geld, onverifieerbare claims, en interne tegenstrijdigheden — de klassieker is een groot bedrag vragen terwijl je toegeeft dat de capaciteit per event klein is.

De regels van de reviser vormen de morele kern van de hele kit. Het overdrijft nooit een metric, verwijdert nooit een voorbehoud, verzint nooit een trackrecord. De manier om "onverifieerbaar" op te lossen is aanbiedbaar bewijs toevoegen — read-only API-toegang, exchange-geëxporteerde statements, een kleine betaalde pilot, performance-fee-escrow — niet overdrijven. Een document is pas "klaar" wanneer satisfaction >= 88 en scamRisk niet high is, na minstens twee iteraties. Een voorstel dat deze audit niet heeft doorstaan, is per definitie een concept en geen eindresultaat.

De ontwerpprincipes (en waarom ze belangrijk zijn voor een allocator)

De repo stelt vier niet-onderhandelbare principes, en die zijn de moeite waard om te lezen als een manifest voor eerlijke fondsenwerving:

• Nooit verzinnen. Elk cijfer is te herleiden tot gemeten data of een duidelijk gelabelde toekomstige aanname. Ontbrekende feiten worden zichtbare TODO-plekken, geen verzonnen cijfers.
• Eerlijkheid-voorop, laag-hype. Begin met risico en bewaring. Benoem beperkingen. Bied verificatie aan in plaats van om vertrouwen te vragen.
• Bewaring is structureel, niet beloofd. Trade-only API-sleutels op rekeningen die eigendom zijn van de investeerder, geen opnamerechten, met één klik in te trekken.
• De auditpoort is verplicht. Een document is niet klaar totdat de sceptische-investeerder-lus is doorstaan.

Als je ooit een algotrading-pitch hebt gelezen en je scepsis met elke superlatief voelde stijgen, begrijp je waarom deze omkering werkt. Vertrouwen wordt niet opgebouwd door meer te claimen; het wordt opgebouwd door precies te claimen wat je kunt bewijzen, en door de lezer de tools te geven om het zelf te controleren.

Hoe een algo-investeerder het daadwerkelijk gebruikt

In de praktijk is de workflow kort:

1. Open de repo in Claude Code zodat de skills automatisch laden.
2. Kopieer het intake-sjabloon en vul het in met je gemeten trackrecord en expliciet gelabelde toekomstige aannames, en laat lege plekken waar je geen data hebt.
3. Vraag Claude: "Bereid een investeerdersdocument voor mijn strategie voor." Dat activeert de investor-docs-orchestrator, die de pipeline van begin tot eind uitvoert.
4. De auditpoort draait als laatste en herhaalt zich tot de tevredenheid hoog genoeg is en het scam-risico niet langer hoog is.

Wat je eruit krijgt is één Markdown-bestand: draagbaar, zelfstandig, en gebouwd om de LLM-plaktest te overleven waaraan een echte allocator het toch zal onderwerpen.

Waar het past in het Marketmaker/AI-agent-ecosysteem

We hebben op deze blog al veel geschreven over AI-agenten die tradingbeslissingen nemen — multi-agent-fondsen, LLM-analistencommissies, reinforcement-learning-ecosystemen. algo-investor-skills zit één laag verder naar buiten, op een probleem dat die projecten grotendeels negeren: zodra een geautomatiseerde strategie werkt, hoe communiceer je dat geloofwaardig naar kapitaal? Het is het agentic-AI-patroon gericht op investor relations en due diligence in plaats van op signaalgeneratie. De vorm van orchestrator-plus-specialisten — één skill die regisseert, meerdere die elk een fase beheren — is dezelfde samenstelbare-agent-architectuur die we steeds weer zien winnen, hier toegepast op een documentatie- en verificatiepijplijn in plaats van een orderboek.

Voor een serieuze algotrader is dat een betekenisvol stuk infrastructuur. De strategie is je edge; het geauditeerde, eerlijkheid-voorop voorstel is wat die edge in staat stelt kapitaal aan te trekken zonder dat je een marketeer hoeft te worden of je geloofwaardigheid hoeft te compromitteren. De houding van de kit — verificatie boven vertrouwen, risico vóór rendementen, nooit verzonnen cijfers — is precies de houding die het contact met een professionele allocator overleeft.

Eerlijke kanttekeningen

Dit is een vroeg-stadium project met één beheerder, en de repo zegt dat ook zo. Het referentievoorstel en de modellen zijn geanonimiseerde illustratieve voorbeelden, geen echte cijfers — de waarde van de kit zit in het proces en de discipline, niet in enige geleverde cijfers. De auditlus is slechts zo goed als het model dat hem draait, en een geslaagde score op papier blijft een papieren score: zoals de kit zelf benadrukt, is het sterkste bewijs altijd een forward pilot op de eigen rekening van de investeerder. De kit produceert documenten; het geeft geen financieel, juridisch of fiscaal advies, en eerdere of gebacktestte resultaten garanderen geen toekomstige.

Niets daarvan ondermijnt het kernidee. Het harde, eerlijke werk van het voorbereiden van investeerdersdocumenten — reproduceerbare cijfers berekenen, een controleerbaar proof pack bouwen, met risico beginnen, en een vijandige beoordeling overleven — is precies het werk dat deze kit systematiseert.

Links

• GitHub: suenot/algo-investor-skills

Conclusie

algo-investor-skills is een kleine repo met een ongewoon gedisciplineerde these: de manier om kapitaal op te halen voor een algotrading-strategie is niet harder pitchen maar controleerbaar eerlijk zijn. Zes Claude Code skills zetten die these om in een pipeline — gemeten feiten erin, reproduceerbare cijfers, een verifieerbaar proof pack, een risico-voorop voorstel van 14 secties, optionele getrouwe lokalisatie, en een verplichte skeptische-investeerder-audit die zwaktes verhelpt door bewijs toe te voegen in plaats van te overdrijven.

Als je een echte strategie runt en ooit bent vastgelopen bij de investeerdersdocument-muur, is dit een middag waard. Vul de intake in, draai de orchestrator, laat de scepticus je concept aan stukken scheuren, en lever een document af dat precies zegt wat je kunt bewijzen — en geeft de lezer de tools om het te bevestigen.