板块轮动分析师
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 @org-eyw2ohcx/tradermonty-claude-trading-skills-sector-analyst。
技能介绍
要解决什么问题
做资产配置或择时研究时,光看个股或宽基指数往往看不清资金在行业间的轮动:哪类板块在走强、当前更像周期还是防御占优、是否出现板块层面的超买超卖,以及大周期大致处在复苏、扩张、晚周期还是衰退段,这些都需要相对强弱和广度指标,而不是一句「市场还行」。
本技能面向板块轮动与市场周期定位,用 TraderMonty 在 GitHub 上公开的 sector_summary.csv、uptrend_ratio_timeseries.csv 等数据(通过标准库拉取,无需 API Key),结合脚本输出的行业上涨比例排序、周期/防御风险 regime 分数、超买超卖标记与周期阶段估计,再对照 references/sector_rotation.md 里的框架做定性校验,并可选择用用户提供的行业表现图补充细行业层面的 1 周 / 1 月一致性判断。
技能如何工作
典型流程分五步:
- 采集 CSV:运行
scripts/analyze_sector_rotation.py,提取板块排序、风险 regime、超买超卖与周期阶段及置信度;若数据新鲜度告警需在结论中注明。 - 周期评估:以脚本定量结果对照早周期复苏、中周期扩张、晚周期、衰退等阶段的典型板块表现模式,必要时从图表中提取行业级强弱。
- 现状综合:客观陈述当前最接近哪一周期阶段、支撑与矛盾信号、置信度。
- 情景推演:按轮动原则给出 2~4 个下一阶段的过渡情景,标明可能跑赢/跑输板块、确认催化剂及概率区间(多情景概率之和约 100%)。
- 输出文档:生成含 Executive Summary、Current Situation、Supporting Evidence、Scenario Analysis、Recommended Positioning、Key Risks 的英文 Markdown,命名如
sector_analysis_YYYY-MM-DD.md。
分析原则强调数据先导、相对表现、多时间框架对比与概率表述,避免确认偏误。
适用边界与注意点
- 主输入是 CSV 脚本输出;行业表现图为可选补充,不能替代基础数据管线。
- 需要 Python 3.9+,脚本与思考过程按 SKILL 要求用英文撰写与输出。
- 市场很少完全贴合教科书周期;概率应随新数据更新,并留意与
uptrend-analyzer一致的板块分类假设。 - 本技能做研究与情景框架,不构成投资建议。
使用场景
- 周会前需用公开 CSV 跑一遍板块上涨比例排序,判断周期股与防御股谁占优
- 投资组合再平衡前,想确认哪些行业板块处于超买或超卖状态
- 拿到客户发的行业表现截图,需要对照数据估计当前处于哪一段市场周期
- 撰写宏观备忘时,要基于轮动框架给出 2~4 个下一阶段情景及概率分配
适合人员
- 管多资产组合、每周要看行业相对强弱的基金经理或研究员
- 用 TraderMonty 风格数据写交易备忘、需结构化周期与情景输出的主观交易者
- 做宏观与行业配置报告、要把定量板块数据写进固定章节的卖方分析师
- 自学轮动策略、想用无 API 的公开 CSV 复现板块分析流程的量化爱好者