sector-analyst

セクターアナリスト

概要

このスキルは、TraderMonty の公開 CSV データセットから上昇トレンド比率データを取得し、セクターローテーションと市場サイクルにおける現在の位置を包括的に分析します。セクターを順位付けし、景気敏感株とディフェンシブ株のリスクレジームスコアを算出して、買われすぎ・売られすぎの状況を特定し、現在の市場サイクルの段階を推定します。データに基づく分析を補完するため、チャート画像から業界レベルの詳細を任意で追加できます。

このスキルを使用する場面

次のような場合にこのスキルを使用します。

• セクターローテーション分析を依頼された場合（チャート画像は不要です）
• 景気敏感株とディフェンシブ株のどちらが優位か尋ねられた場合
• 買われすぎ、または売られすぎのセクターを知りたいと言われた場合
• 市場サイクルの段階の推定を依頼された場合
• 補足分析用のセクターパフォーマンスチャートを提供された場合
• セクターに基づくシナリオ分析や予測を依頼された場合

ユーザーからの依頼例：

• 「セクターローテーション分析を実行してください」
• 「優位なのは景気敏感株とディフェンシブ株のどちらですか？」
• 「現在、買われすぎのセクターはありますか？」
• 「市場サイクルのどの段階にいますか？」
• 「これらのセクターパフォーマンスチャートを分析して、市場サイクルの現在の段階を教えてください」

前提条件

• Python 3.8+ と requests ライブラリ（CSV の取得に使用）
• API キーは不要 — 公開 GitHub リポジトリからデータを取得します
• 任意：補足分析用のセクターパフォーマンスチャート画像

データソース

セクターの上昇トレンド比率は、TraderMonty の公開 GitHub リポジトリから取得します（API キー不要）。

• セクター概要：sector_summary.csv — セクターごとの上昇トレンド比率、トレンド、傾き、ステータス
• データ鮮度の確認：uptrend_ratio_timeseries.csv — データの新しさを確認するために使用する max(date)

スクリプトの実行

# Default: fetch CSV, print human-readable analysis
python3 scripts/analyze_sector_rotation.py

# JSON output
python3 scripts/analyze_sector_rotation.py --json

# Save to file
python3 scripts/analyze_sector_rotation.py --save --output-dir reports/

分析ワークフロー

次の構成に沿ってワークフローを実行します。

ステップ 1：CSV データの収集

1. 分析スクリプトを実行します：python3 scripts/analyze_sector_rotation.py
2. 出力から次の項目を抽出します。
   • 上昇トレンド比率に基づくセクターランキング
   • リスクレジーム（景気敏感株とディフェンシブ株）とスコア
   • 買われすぎ・売られすぎのセクター
   • サイクル段階の推定と信頼度
3. データの鮮度に関する警告が表示された場合は、分析に記載します

ステップ 2：市場サイクルの評価

スクリプトによるサイクル段階の推定を出発点として使用します。

• references/sector_rotation.md を読み、市場サイクルとセクターローテーションのフレームワークを参照します
• スクリプトの定量的な分析結果を、市場サイクルの各段階で想定されるパターンと比較します。
  • 景気回復初期
  • 景気拡大中期
  • 景気後期
  • 景気後退
• ナレッジベースを参考に、定性的な解釈を加えます

チャート画像が提供されている場合は、業界レベルの詳細を補足するために使用します。

• チャート画像から業界レベルのパフォーマンスデータを抽出します
• トレンドの一貫性を確認するため、1 週間と 1 か月のパフォーマンスを比較します
• セクター内で強さまたは弱さを示している具体的な業界を記録します

ステップ 3：現状分析

観察事項をまとめ、客観的な評価を行います。

• 現在のパフォーマンスが最もよく当てはまる市場サイクルの段階を示します
• 見解を裏付ける根拠（この見解と一致するセクター／業界）を強調します
• 相反するシグナルや異例のパターンがあれば記載します
• シグナルの一貫性に基づいて信頼度を評価します

データに基づく表現を用い、パフォーマンスの数値を具体的に示します。

ステップ 4：シナリオの策定

セクターローテーションの原則と現在のポジショニングに基づき、次の段階に向けて 2～4 個のシナリオを策定します。

各シナリオについて：

• 市場サイクルの移行について説明します
• パフォーマンスが市場平均を上回る可能性の高いセクターを特定します
• パフォーマンスが市場平均を下回る可能性の高いセクターを特定します
• シナリオを裏付ける触媒や条件を明示します
• 確率を割り当てます（sector_rotation.md の「確率評価フレームワーク」を参照）

シナリオは、最も可能性の高いもの（確率が最も高いもの）から、代替的または逆張りのシナリオまで含めます。

ステップ 5：出力の生成

以下のセクションを含む、構造化された Markdown ドキュメントを作成します。

必須セクション：

1. エグゼクティブサマリー：主な調査結果の概要を 2～3 文で記述します
2. 現状：現在のパフォーマンスパターンと市場サイクルにおける位置づけを詳細に分析します
3. 裏付けとなる根拠：サイクル評価を裏付ける、セクターおよび業界の具体的なパフォーマンスデータを示します
4. シナリオ分析：説明と確率を割り当てたシナリオを 2～4 個提示します
5. 推奨ポジショニング：シナリオの確率に基づく、戦略面および戦術面でのポジショニングを推奨します
6. 主なリスク：監視すべき注目すべきリスクや相反するシグナルを示します

出力形式

分析結果を、次の命名規則に従って Markdown ファイルとして保存します：sector_analysis_YYYY-MM-DD.md

次の構成を使用します。

# Sector Performance Analysis - [Date]

## Executive Summary

[2-3 sentences summarizing key findings]

## Current Situation

### Market Cycle Assessment
[Which cycle phase and why]

### Performance Patterns Observed

#### 1-Week Performance
[Analysis of recent performance]

#### 1-Month Performance
[Analysis of medium-term trends]

#### Sector-Level Analysis
[Detailed breakdown by sector]

#### Industry-Level Analysis
[Notable industry-specific observations]

## Supporting Evidence

### Confirming Signals
- [List data points supporting cycle assessment]

### Contradictory Signals
- [List any conflicting indicators]

## Scenario Analysis

### Scenario 1: [Name] (Probability: XX%)
**Description**: [What happens]
**Outperformers**: [Sectors/industries]
**Underperformers**: [Sectors/industries]
**Catalysts**: [What would confirm this scenario]

### Scenario 2: [Name] (Probability: XX%)
[Repeat structure]

[Additional scenarios as appropriate]

## Recommended Positioning

### Strategic Positioning (Medium-term)
[Sector allocation recommendations]

### Tactical Positioning (Short-term)
[Specific adjustments or opportunities]

## Key Risks and Monitoring Points

[What to watch that could invalidate the analysis]

---
*Analysis Date: [Date]*
*Data Period: [Timeframe of charts analyzed]*

重要な分析原則

分析を行う際は、次の点に従います。

1. 客観性を最優先する：先入観ではなく、データに基づいて結論を導きます
2. 確率的に考える：確率の範囲を使って不確実性を表現します
3. 複数の時間軸を考慮する：トレンドを確認するため、1 週間と 1 か月のデータを比較します
4. 相対パフォーマンスを重視する：絶対リターンではなく、相対的な強さに注目します
5. 市場の広がりを重視する：一部だけの動きより、広範な動きのほうが重要です
6. 断定を避ける：市場が教科書どおりのパターンに従うことはほとんどありません
7. 歴史的背景を考慮する：一般的なローテーションパターンを参照しつつ、固有の特徴も認識します

確率のガイドライン

根拠の強さに基づいて、次の確率範囲を適用します。

• 70～85%：セクターや時間軸をまたいで複数のシグナルが一致しており、強い根拠がある
• 50～70%：一致するシグナルはいくつかあるものの、指標がまちまちで、根拠は中程度である
• 30～50%：根拠が弱く、シグナルが限られている、または相反している
• 15～30%：現行の指標とは逆行するが、可能性はある投機的シナリオである

すべてのシナリオの確率の合計は、おおむね 100% とします。

リソース

scripts/

• analyze_sector_rotation.py - セクターの CSV データを取得し、セクターランキング、リスク体制スコア、買われすぎ／売られすぎフラグ、サイクルフェーズの推定結果を生成します。API キーは不要です。

references/

• sector_rotation.md - 市場サイクルの各フェーズ、典型的なセクターのパフォーマンスパターン、確率評価のフレームワークを網羅した包括的なナレッジベース

assets/

画像を使った任意の分析で想定される入力形式を示すサンプルチャート：

• sector_performance.jpeg - セクターレベルのパフォーマンスチャートの例（1 週間と 1 か月）
• industory_performance_1.jpeg - 業界別パフォーマンスチャートの例（アウトパフォーム銘柄）
• industory_performance_2.jpeg - 業界別パフォーマンスチャートの例（アンダーパフォーム銘柄）

重要な注意事項

• 分析の思考はすべて英語で行う必要があります
• 出力する Markdown ファイルは英語で作成する必要があります
• 分析のたびにセクターローテーションのナレッジベースを参照してください
• 客観性を保ち、確証バイアスを避けてください
• 新しいデータが入手できた場合は、確率評価を更新してください
• チャート画像は任意です。主な分析入力には CSV データを使用します
• スクリプトでは、uptrend-analyzer と同じセクター分類を使用し、一貫性を保ちます