mcpField
M
macro-regime-detector

macro-regime-detector

github.com/mphinance数据与数据库3284 次安装5 天前更新
代码仓库

关于 macro-regime-detector

macro-regime-detector 是面向投资者的技能，用于评估 1–2 年期的结构性市场变化。它分析月度跨资产比率和国债利率，并生成包含分类依据与投资组合建议的报告。

主要功能

  1. 01六项加权跨资产及利率指标
  2. 02五种市场体制分类
  3. 03月度 6 个月及 12 个月均线
  4. 04Markdown 报告与 JSON 输出
  5. 05历史市场体制参考资料

适用场景

  1. 01评估结构性体制变化是否正在发生
  2. 02分析市场集中与参与面扩大的变化
  3. 03依据利率和信用信号制定长期配置

安装

复制下面的命令，在终端中运行。

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

安装后在 Claude Code 中输入/macro-regime-detector确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

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

详细介绍

宏观制度检测器

通过月频跨资产比率分析，检测宏观制度的结构性转变。此技能可识别持续 1-2 年的制度转变，为战略性投资组合配置提供参考。

使用场景

  • 用户询问当前宏观制度或制度转变
  • 用户想了解结构性市场轮动（集中化还是市场扩散）
  • 用户询问基于收益率曲线、信用或跨资产信号的长期配置
  • 用户提及 RSP/SPY 比率、IWM/SPY、HYG/LQD 或其他跨资产比率
  • 用户想评估是否正在发生制度转变

工作流程

  1. 加载参考文档以了解方法背景：

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

  2. 执行主分析脚本：

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

    此脚本会获取 9 只 ETF 和国债利率的 600 天数据（共 10 次 API 调用）。

  3. 阅读生成的 Markdown 报告，并向用户展示分析结果。

  4. 用户询问历史相似情况时，使用 references/historical_regimes.md 提供更多背景信息。

前提条件

  • FMP API Key（必需）：设置 FMP_API_KEY 环境变量，或传入 --api-key
  • 免费套餐（每天 250 次调用）即可满足需求（脚本约使用 10 次调用）

6 个组成部分

#组成部分比率/数据权重检测内容
1市场集中度RSP/SPY25%超大盘股集中度与市场扩散
2收益率曲线10Y-2Y 利差20%利率周期转变
3信用状况HYG/LQD15%信贷周期的风险偏好
4市值因子IWM/SPY15%小盘股与大盘股轮动
5股票与债券SPY/TLT + 相关性15%股债关系制度
6板块轮动XLY/XLP10%周期性与防御性偏好

5 种制度分类

  • 集中化：超大盘股领涨，市场表现狭窄
  • 扩散：市场参与面扩大，小盘股/价值股轮动
  • 收缩：信贷收紧、防御性轮动、避险
  • 通胀型：股债相关性为正，传统对冲失效
  • 过渡型：存在多个信号，但模式尚不明确

输出

  • macro_regime_YYYY-MM-DD_HHMMSS.json — 供程序使用的结构化数据
  • macro_regime_YYYY-MM-DD_HHMMSS.md — 供人阅读的报告，包含：
    1. 当前制度评估
    2. 转变信号仪表板
    3. 组成部分详情
    4. 制度分类依据
    5. 投资组合姿态建议

与其他技能的关系

方面宏观制度检测器市场顶部检测器市场广度分析器
时间范围1-2 年（结构性）2-8 周（战术性）当前快照
数据粒度月度（6M/12M SMA）日度（25 个工作日）日度 CSV
检测目标制度转变10-20% 回调广度健康评分
API 调用约 10 次约 33 次0 次（免费 CSV）

脚本参数

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)

资源

  • references/regime_detection_methodology.md — 检测方法与信号解读
  • references/indicator_interpretation_guide.md — 跨资产比率解读指南
  • references/historical_regimes.md — 用于参考的历史制度示例

评论

支持 Markdown