mcpField
M
macro-regime-detector

macro-regime-detector

github.com/tradermonty其他3.4k3.7k 次安装2 天前更新
代码仓库

关于 macro-regime-detector

macro-regime-detector 是用于识别宏观结构性转变、辅助战略投资组合定位的技能。它分析六项月度跨资产信号，划分市场状态，并生成 Markdown 和 JSON 报告。

主要功能

  1. 01六项跨资产指标分析
  2. 02五种市场状态分类
  3. 03月度信号分析
  4. 04生成 Markdown 和 JSON 报告
  5. 05提供历史状态参考

适用场景

  1. 01判断宏观状态是否正在转变
  2. 02分析市场集中或广度扩张
  3. 03评估信贷与收益率曲线信号
  4. 04参考历史市场状态

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/tradermonty/claude-trading-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。

requirements.txt
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_packaged_deps.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

宏观体制检测器

使用月度频率的跨资产比率分析，检测宏观体制的结构性转变。此技能可识别 1-2 年期的体制转变，为战略性投资组合配置提供参考。

使用场景

  • 用户询问当前的宏观体制或体制转变
  • 用户希望了解结构性市场轮动（集中化与扩散）
  • 用户询问基于收益率曲线、信贷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
  • 用户希望评估是否正在发生体制转变

工作流

  1. 加载参考文档，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 -m pip install -r skills/macro-regime-detector/requirements.txt
uv run python3 skills/macro-regime-detector/scripts/macro_regime_detector.py --output-dir reports/

    此脚本会获取 9 只 ETF 的 600 天数据。如果提供 FMP 密钥，客户端会优先尝试 FMP 并获取美国国债利率（总计约 10 次 API 调用），然后对无法获取历史数据的 ETF 改用 yfinance。如果未提供 FMP 密钥，则仅使用 yfinance，并以 SHY/TLT 作为收益率曲线的备用数据。

    如果六个组成部分都没有可用数据，检测器会停止运行且不会生成报告。不要将报告缺失或非零退出代码视为有效的低转变体制。

  3. 阅读生成的 Markdown 报告，并向用户呈现分析结果。

  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。

前置条件

  • Python 依赖项（必需）：安装 requirements.txt，其中包括 yfinance 和 requests
  • FMP API 密钥（可选）：设置 FMP_API_KEY 或传入 --api-key，以便在使用 yfinance/SHY-TLT 备用数据之前使用 FMP 和美国国债数据
  • FMP 免费套餐可能无法提供所有 ETF 的数据；无法获取的标的会自动改用 yfinance

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%大盘股集中与市场扩散
2收益率曲线10Y-2Y 利差20%利率周期转变
3信贷状况HYG/LQD15%信贷周期中的风险偏好
4规模因子IWM/SPY15%小盘股与大盘股轮动
5股债关系SPY/TLT + 相关性15%股债关系体制
6行业轮动XLY/XLP10%周期性与防御性偏好

5 种体制分类

  • 集中化：大盘股引领，市场覆盖面狭窄
  • 扩散：市场参与度扩大，小盘股/价值股轮动
  • 收缩：信贷趋紧、防御性轮动、规避风险
  • 通胀型：股债正相关，传统对冲失效
  • 过渡型：存在多个信号，但模式不明确

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 — 面向用户的报告，包含：
    1. 当前体制评估
    2. 转变信号仪表板
    3. 组成部分详情
    4. 体制分类依据
    5. 投资组合配置建议

与其他技能的关系

方面宏观体制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
检测目标体制转变10-20% 回调市场广度健康评分
API 调用次数~10~330（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 — 检测方法和信号解读
  • references/indicator_interpretation_guide.md — 跨资产比率解读指南
  • references/historical_regimes.md — 用于参考的历史体制示例

评论

支持 Markdown