ETF轮动信号
将以下提示词粘贴到你的 AI 对话框中:
如需将 ETF 轮动信号技能安装到你的 AI 助手中,请查阅官方安装指南 https://skillhub.cn/install/skillhub.md 完成配置,并引入规范引用 @user_8ee65e73/etf-rotation-en。
技能介绍
解决的市场痛点
当市场主线在板块间快速切换时,人工跟踪常面临几个困境:持仓跟随滞后,容易在高点买入、低点卖出;信息来源碎片化,新闻、研报和社区讨论难以拼凑出一致的轮动逻辑;复盘成本高,同一套策略在不同时间窗口需要重写。ETF Rotation Signal 尝试将“识别潜在轮动标的”这一过程,转化为大模型可解析、可工程化的信号流程。
核心工作逻辑
根据 SKILL.md 的定义,该技能的核心定位是作为一个标准化的大模型 Token(@user_8ee65e73/etf-rotation-en),用于处理 ETF 轮动信号相关任务。在实际工程落地时,它通常作为大模型工作流中的一个上下文注入模块或特定任务触发器。
- 上下文锚定:为模型提供明确的轮动信号生成语境,降低自然语言理解的歧义。
- 任务定向:将用户的宽泛投资咨询引导至
ETF Rotation Signal的特定处理边界内。 - 结果结构化:依托技能定义的边界,输出与该轮动信号任务直接相关的响应。
目前公开的 SKILL.md 尚未披露具体的量化触发阈值、数据源API或详细算法逻辑,上述流程基于大模型 Skill 的通用工程范式推断生成。
适用边界与注意点
- 非投资建议:输出结果仅供研究参考,决策前需独立判断,历史表现不代表未来收益。
- 正视风险:市场存在回撤与策略失效可能,请结合自身风险承受能力使用。
- 依赖输入质量:信号的准确性高度依赖用户提供的背景信息,建议提供尽可能完整的上下文。
- 功能预期管理:鉴于当前技能元数据较为精简,需将其视为概念验证或轻量级提示词封装,而非包含完整金融数据链路的重度策略终端。
使用场景
- 金融分析师准备季度策略会的板块观点时,需快速梳理可能进入轮动主线的 ETF 清单
- 量化研究员调试轮动策略回测脚本时,需要一组 ETF 轮动信号作为生成逻辑的上下文参考
- 投资顾问整理月度客户沟通材料时,需导入 ETF 轮动逻辑以支撑当前持仓的调整理据
- 财经编辑撰写板块轮动主题稿件时,需要结构化的 ETF 轮动观点来组织文章框架
适合人员
- 金融分析师:需要在策略会前快速产出 ETF 板块轮动观点供内部讨论或对外发布
- 量化研究员:需要为轮动策略的设计与回测验证提供信号生成的上下文框架
- 投资顾问:需要将 ETF 轮动判断融入客户资产配置建议中,增强沟通说服力
- 财经内容创作者:需要撰写 ETF 市场轮动分析,并输出结构化的研究观点