Agent Skills
返回列表
AI 宏观研究

AI 宏观研究

行业专业 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_d0deb03a/ai-macro-research。

技能介绍

要解决的具体问题

宏观研究中，一个临时假设从列数据点到验证往往要数天；小样本历史类比常沦为表面对比；变量传导路径容易混入噪声；用LLM估算数据更会导致结果不可追溯、无法复现。

技能如何工作

核心能力

  • 成本结构重构：把假设初步检验从数天压缩到数分钟，标注数据获取难度，快速淘汰错误方向
  • 小样本历史类比：先区分供给/需求/政策/金融条件冲击，再按通胀、外债等维度找机制同类案例
  • 三层架构分离：推理层（LLM）负责理解问题，计算层（代码）跑原始数据，基础设施层提供数据映射与可追溯性
  • 知识图谱传导：分层识别一阶/二阶/三阶传导路径，标注强度与时间

关键步骤

  1. 输入校验：区分具体假设与模糊请求，超范围直接拒绝
  2. 决策树匹配：按问题类型选10个方法论框架之一
  3. 执行分析：计算必须用代码，数据不足明确标注
  4. 输出标准结构：覆盖度+置信度+未解决问题

适用边界与注意点

  • 不适合实时高频决策、纯情感舆情分析、无数据领域的定性判断
  • 历史类比必须先判冲击来源，再找机制同类，拒绝表面对比
  • 所有计算必须可复现、可回原始数据，LLM不得替代数值估算
  • 分析为方法论演示，不构成投资建议

使用场景

  • 看到突发供给冲击后，想用几分钟快速判断某个宏观假设是否值得深入研究
  • 某央行政策突变后，需要梳理利率变化对股、债、商品等多类资产的传导路径
  • 想为当前宏观环境寻找历史相似时期，先判断冲击来源再做机制类比
  • 复盘季度交易记录，需要审计研究判断与实际执行之间的偏差

适合人员

  • 买方宏观研究员：手上堆着多个待验证假设，希望先快速检验再决定是否投入深度调研资源
  • 商品研究分析师：需要处理库存、仓储、运费等微观数据，验证商品价格的传导逻辑
  • 基金经理：想复盘自己的交易行为，找出研究判断与实际执行之间的偏差
  • 策略负责人：需要梳理某个宏观冲击对组合内多类资产的传导路径与潜在盲区