mcpField
M
macro-regime-detector

macro-regime-detector

github.com/mphinanceデータ・データベース3284 回インストール5 日前に更新
リポジトリ

macro-regime-detector について

macro-regime-detectorは、1～2年の構造的な市場変化を評価する投資家向けスキルです。月次のクロスアセット比率と米国債金利を分析し、判定根拠やポートフォリオ方針を含むレポートを生成します。

主な機能

  1. 016つの加重クロスアセット・金利指標
  2. 025種類の市場レジーム分類
  3. 03月次の6・12カ月移動平均
  4. 04MarkdownレポートとJSON出力
  5. 05過去のレジーム参考資料

活用シーン

  1. 01構造的なレジーム転換の進行状況を評価
  2. 02市場の集中と参加範囲の拡大を分析
  3. 03金利や信用シグナルに基づく長期配分の検討

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/mphinance/alpha-skills --skill macro-regime-detector

インストール後、Claude Code で/macro-regime-detectorを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

README.md
references/
historical_regimes.md
indicator_interpretation_guide.md
regime_detection_methodology.md
scripts/
fmp_client.py
macro_regime_detector.py
report_generator.py
scorer.py
scripts/calculators/
__init__.py
concentration_calculator.py
credit_conditions_calculator.py
equity_bond_calculator.py
sector_rotation_calculator.py
size_factor_calculator.py
utils.py
yield_curve_calculator.py
scripts/tests/
conftest.py
test_concentration.py
test_credit_conditions.py
test_equity_bond.py
test_fmp_client.py
test_helpers.py
test_main_cli.py
test_report_generator.py
test_scorer.py
test_sector_rotation.py
test_size_factor.py
test_utils.py
test_yield_curve.py

詳細

マクロレジーム検出器

月次頻度のクロスアセット比率分析を用いて、構造的なマクロレジームの転換を検出します。このスキルは、戦略的なポートフォリオポジショニングに役立つ1〜2年のレジームシフトを特定します。

使用する場面

  • ユーザーが現在のマクロレジームやレジーム転換について質問する場合
  • ユーザーが構造的な市場ローテーション（集中と拡散）を理解したい場合
  • ユーザーがイールドカーブ、クレジット、クロスアセットシグナルに基づく長期的なポジショニングについて質問する場合
  • ユーザーが RSP/SPY 比率、IWM/SPY、HYG/LQD、その他のクロスアセット比率に言及する場合
  • ユーザーがレジーム変化が進行中かどうかを評価したい場合

ワークフロー

  1. 方法論の背景として参照ドキュメントを読み込みます:

    • references/regime_detection_methodology.md
    • references/indicator_interpretation_guide.md

  2. メイン分析スクリプトを実行します:

    python3 skills/macro-regime-detector/scripts/macro_regime_detector.py

    これは 9 つの ETF + 国債利回りの 600 日分のデータを取得します（合計 10 回の API 呼び出し）。

  3. 生成された Markdown レポートを読み、調査結果をユーザーに提示します。

  4. ユーザーが歴史的な類似事例について質問した場合は、references/historical_regimes.md を使って補足の背景情報を提供します。

前提条件

  • FMP API キー（必須）: FMP_API_KEY 環境変数を設定するか、--api-key を渡します
  • 無料枠（1 日 250 回の呼び出し）で十分です（スクリプトは約 10 回の呼び出しを使用）

6 つのコンポーネント

#コンポーネント比率/データ重み検出内容
1市場集中度RSP/SPY25%メガキャップ集中と市場拡散
2イールドカーブ10Y-2Y スプレッド20%金利サイクルの転換
3クレジット状況HYG/LQD15%クレジットサイクルのリスク選好
4サイズファクターIWM/SPY15%小型株と大型株のローテーション
5株式・債券SPY/TLT + 相関15%株式・債券関係のレジーム
6セクターローテーションXLY/XLP10%景気敏感とディフェンシブの選好

5 つのレジーム分類

  • 集中: メガキャップ主導、市場の狭まり
  • 拡散: 参加銘柄の拡大、小型株/バリューのローテーション
  • 収縮: クレジット引き締め、ディフェンシブへのローテーション、リスクオフ
  • インフレ的: 株式・債券の正の相関、伝統的なヘッジが機能しない
  • 移行期: 複数のシグナルがあるがパターンが不明瞭

出力

  • macro_regime_YYYY-MM-DD_HHMMSS.json — プログラムでの利用向けの構造化データ
  • macro_regime_YYYY-MM-DD_HHMMSS.md — 人間が読めるレポート。以下を含みます:
    1. 現在のレジーム評価
    2. 転換シグナルダッシュボード
    3. コンポーネントの詳細
    4. レジーム分類の根拠
    5. ポートフォリオスタンスの推奨

他のスキルとの関係

観点マクロレジーム検出器市場天井検出器市場ブレッドス分析器
時間軸1〜2 年（構造的）2〜8 週間（戦術的）現在のスナップショット
データ粒度月次（6M/12M SMA）日次（25 営業日）日次 CSV
検出対象レジーム転換10〜20% の調整ブレッドス健全性スコア
API 呼び出し約 10約 330（無料 CSV）

スクリプト引数

python3 macro_regime_detector.py [options]

Options:
  --api-key KEY       FMP API key (default: $FMP_API_KEY)
  --output-dir DIR    Output directory (default: current directory)
  --days N            Days of history to fetch (default: 600)

リソース

  • references/regime_detection_methodology.md — 検出方法論とシグナルの解釈
  • references/indicator_interpretation_guide.md — クロスアセット比率を解釈するためのガイド
  • references/historical_regimes.md — 背景としての過去のレジーム事例

コメント

Markdown 対応