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のデータを取得し、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、買われすぎ・売られすぎの状態を特定して、現在の市場サイクルの局面を推定します。データに基づく分析を補足するため、必要に応じてチャート画像から業界レベルの詳細を確認できます。

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：

• ユーザーがセクターローテーション分析を求めている（チャート画像は不要です）
• ユーザーが景気敏感株とディフェンシブ株のポジショニングについて尋ねている
• ユーザーが買われすぎ、または売られすぎのセクターを知りたがっている
• ユーザーが市場サイクルの局面の推定を求めている
• ユーザーが補足分析用のセクターパフォーマンスチャートを提供している
• ユーザーがセクターに基づくシナリオ分析や予測を求めている

ユーザーからの依頼の例：

• 「セクターローテーション分析を実行してください」
• 「景気敏感株とディフェンシブ株のどちらが優勢ですか？」
• 「現在、買われすぎのセクターはありますか？」
• 「市場サイクルは現在どの局面にありますか？」
• 「これらのセクターパフォーマンスチャートを分析し、市場サイクルの現在の局面を教えてください」

前提条件

• Python 3.9 以降。サードパーティライブラリは不要です（CSV の取得には標準ライブラリの urllib を使用します）
• API キーは不要です。データは公開 GitHub リポジトリから取得します
• 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 キーは不要です）。

• セクターの概要：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
• データの鮮度チェック：uptrend_ratio_timeseries.csv — データの鮮度確認に使用する最大日付（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

次の手順に沿って分析します。

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. 出力から以下の情報を抽出します：
   • 上昇トレンド比率によるセクターの順位
   • 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
   • サイクル局面の推定と信頼度
3. データの鮮度に関する警告が表示された場合は、分析にその旨を記載します

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局面の推定を出発点として、次のように評価します。

• 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確認します
• スクリプトの定量的な結果を、市場サイクルの各局面で想定されるパターンと比較します：
  • 初期の景気回復
  • 中盤の景気拡大
  • 景気後期
  • 景気後退
• ナレッジベースに基づく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加えて分析を補足します。

• 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
• 1 週間と 1 か月のパフォーマンスを比較し、トレンドの一貫性を確認します
• セクター内で強さ、または弱さが見られる特定の業界に注目します

ステップ 3：現状分析

観察結果を総合し、客観的に評価します。

• 現在のパフォーマンスが最も近い市場サイクルの局面を示します
• 判断を裏付ける証拠（見方を裏付けるセクター・業界）を挙げます
• 矛盾するシグナルや通常とは異なるパターンがあれば記載します
• シグナルの一貫性に基づき、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：シナリオの作成

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、次の局面に向けて 2～4 個のシナリオを作成します。

各シナリオについて、以下を記載します。

• 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を上回ると予想されるセクターを特定します
• パフォーマンスが市場を下回ると予想されるセクターを特定します
• このシナリオを裏付ける材料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・逆張りのシナリオまで幅広く設定します。

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