exposure-coach

Exposure Coach

概述

Exposure Coach 将 market-breadth-analyzer、uptrend-analyzer、macro-regime-detector、market-top-detector、ftd-detector、theme-detector、sector-analyst 和 institutional-flow-tracker 的输出综合为统一的控制平面决策。该技能回答个人交易者最关心的问题：“现在我应该投入多少资金买入股票？”并且会在开始任何个股分析之前给出答案。

适用场景

• 在建立任何新股票头寸之前，确定适当的资金投入规模
• 每个交易周开始时，校准投资组合敞口
• 多个市场信号相互冲突，需要统一的应对策略时
• 重大宏观或市场事件发生后，重新评估敞口上限
• 市场状态切换时（扩散、集中、收缩）

前置条件

• Python 3.9+
• FMP API 密钥（设置 FMP_API_KEY 环境变量），用于获取 institutional-flow-tracker 数据
• 来自上游技能的输入 JSON 文件（参见工作流步骤 1）
• 标准库 + argparse、json、datetime

工作流

步骤 1：收集上游技能输出

收集各集成技能最近生成的 JSON 输出。每个文件都提供一个特定维度的信号：

技能	输出文件模式	提供的信号
market-breadth-analyzer	breadth_*.json	上涨/下跌比率、新高/新低
uptrend-analyzer	uptrend_*.json	上升趋势参与度百分比
macro-regime-detector	regime_*.json	当前市场状态（集中、扩散等）
market-top-detector	top_risk_*.json	派发日数量、顶部概率分数
ftd-detector	ftd_*.json	未交割异常
theme-detector	theme_*.json	活跃投资主题及轮动
sector-analyst	sector_*.json	板块表现排名
institutional-flow-tracker	institutional_*.json	机构净买入/卖出

步骤 2：运行敞口评分引擎

执行敞口评分脚本，并传入上游输出文件的路径：

python3 skills/exposure-coach/scripts/calculate_exposure.py \
  --breadth reports/breadth_latest.json \
  --uptrend reports/uptrend_latest.json \
  --regime reports/regime_latest.json \
  --top-risk reports/top_risk_latest.json \
  --ftd reports/ftd_latest.json \
  --theme reports/theme_latest.json \
  --sector reports/sector_latest.json \
  --institutional reports/institutional_latest.json \
  --output-dir reports/

脚本支持部分输入；缺少文件会降低置信度，但不会阻止执行。

步骤 3：解读市场状态摘要

查看生成的状态报告，其中包含：

1. 敞口上限 -- 建议的股票最高配置比例（0-100%）
2. 倾向方向 -- 根据市场状态和资金流，确定成长型或价值型倾向
3. 市场参与度评估 -- 广泛（健康）或狭窄（脆弱）的市场
4. 行动建议 -- NEW_ENTRY_ALLOWED、REDUCE_ONLY 或 CASH_PRIORITY
5. 置信度 -- 根据输入完整度判定为 HIGH、MEDIUM 或 LOW

步骤 4：应用敞口指导

将状态建议映射为投资组合操作：

建议	操作
NEW_ENTRY_ALLOWED	继续进行个股分析并建立新头寸
REDUCE_ONLY	不建立新头寸；在上涨时削减现有头寸
CASH_PRIORITY	积极提高现金比例；避免新增任何资金投入

输出格式

JSON 报告

{
  "schema_version": "1.0",
  "generated_at": "2026-03-16T07:00:00Z",
  "exposure_ceiling_pct": 70,
  "bias": "GROWTH",
  "participation": "BROAD",
  "recommendation": "NEW_ENTRY_ALLOWED",
  "confidence": "HIGH",
  "component_scores": {
    "breadth_score": 65,
    "uptrend_score": 72,
    "regime_score": 80,
    "top_risk_score": 25,
    "ftd_score": 10,
    "theme_score": 68,
    "sector_score": 70,
    "institutional_score": 75
  },
  "inputs_provided": ["breadth", "uptrend", "regime", "top_risk"],
  "inputs_missing": ["ftd", "theme", "sector", "institutional"],
  "rationale": "Broad participation with low top risk supports elevated exposure."
}

Markdown 报告

Markdown 报告提供一页式摘要，便于快速查看：

# Market Posture Summary
**Date:** 2026-03-16 | **Confidence:** HIGH

## Exposure Ceiling: 70%

| Dimension | Score | Status |
|-----------|-------|--------|
| Breadth | 65 | Healthy |
| Uptrend Participation | 72% | Broad |
| Regime | Broadening | Favorable |
| Top Risk | 25 | Low |

## Recommendation: NEW_ENTRY_ALLOWED

**Bias:** Growth > Value
**Participation:** Broad (healthy internals)

### Rationale
Broad participation with low distribution day count supports elevated equity exposure.
New positions allowed within the 70% ceiling.

报告保存在 reports/ 中，文件名为 exposure_posture_YYYY-MM-DD_HHMMSS.{json,md}。

资源

• scripts/calculate_exposure.py -- 用于对输入进行评分和综合的主控脚本
• references/exposure_framework.md -- 评分规则和阈值定义
• references/regime_exposure_map.md -- 市场状态与敞口上限的映射关系

核心原则

1. 安全优先 -- 输入不完整或相互冲突时，默认采用较低敞口
2. 与市场状态一致 -- 以宏观市场状态设定基准；在范围内根据市场广度调整
3. 输出可执行 -- 始终给出明确建议，而不只是汇总数据