Agent Skills
返回列表
📊

下跌趋势持续时间分析器

数据分析 更新于 2026.08.29

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-downtrend-duration-analyzer。

技能介绍

要解决什么问题

均值回归、抄底或 sector 轮动策略里,持仓周期往往拍脑袋:「这波调整一般要扛多久?」全市场平均天数会掩盖行业与市值差异,而仅凭肉眼数 K 线上的局部高低点,既难批量复现,也容易被噪声当成趋势拐点。

技能如何工作

本技能围绕历史 OHLC 走一套可重复流程:用滚动窗口识别局部峰值与谷值,把每一次 峰—谷 下跌段量化为交易日 持续时间 与 回撤深度(%)。结果按 行业(sector) 与 市值分层(Mega / Large / Mid / Small)切片,并给出中位数、均值与分位数等汇总统计。

输出三类产物,便于对照分布而非只看单点:

  • JSON / Markdown 报告:带时间戳文件名,落在 reports/ 目录
  • 交互式 HTML 直方图:Plotly.js,可按行业、市值筛选,悬停可见分位数(P25/P50/P75/P90 等)
  • 方法论说明:references/downtrend_methodology.md 描述峰谷检测与市值分档定义

脚本侧由 scripts/analyze_downtrends.py 拉数并计算,scripts/generate_histogram_html.py 负责可视化。数据依赖 FMP API(环境变量 FMP_API_KEY 或 --api-key),运行环境需 Python 3.9+ 及 requests、pandas、numpy。

报告里的经验分段(短 5–15 日、中 15–40 日、长 40+ 日)用于对照「回撤」与「趋势切换/熊市」的预期,但应以你当前样本的分位数为准,而不是硬套标签。

适用边界与注意点

  • 峰谷检测再稳健也无法消除标的池、复权方式与样本区间选择带来的偏差;分段(行业 + 市值) 才是解读重点,全局均值仅作粗参考。
  • 没有 FMP Key 或标的历史覆盖不足时,分布统计会失真或样本过少,不宜直接用于实盘止损/持仓上限的唯一依据。
  • 技能给出的是历史分布与可视化,不替你下单、不预测未来拐点;均值回归策略仍需结合流动性、基本面与当前波动 regime。

使用场景

  • 想按科技/金融等行业对比历史上峰谷下跌通常持续多少个交易日,用于设定均值回归持仓上限
  • 搭建 pullback 策略前,需要按 Mega/Large/Mid/Small 市值档查看回调天数分位数而非单一均值
  • 要给交易员一份可筛选行业与市值的回调时长直方图,并在悬停时展示 P25–P90
  • 评估是否把止损或平仓超时从固定 N 天改为依据某 sector 的历史 duration 分布

适合人员

  • 做 A 股或美股量化回测、需要把回调持有期设成有数据依据而非经验的策略研究员
  • 管理 sector 轮动组合、要向团队说明「典型调整要扛多久」并展示分行业分布的交易主管
  • 在 Claude 里编写交易技能工作流、已配置 FMP_API_KEY 并维护 Python 数据分析环境的个人交易者
  • 写 mean reversion / pullback 文档、需要可引用 JSON/Markdown 报告与 HTML 可视化的内容编辑