关于 sector-analyst
用于分析行业与板块表现图表的技能,帮助判断市场周期位置并推演轮动情景。它比较多个时间范围的相对表现,结合轮动框架给出概率评估和策略定位建议。
主要功能
- 01提取板块与行业表现
- 02比较周度和月度趋势
- 03判断市场周期阶段
- 04构建概率加权情景
- 05生成 Markdown 分析报告
适用场景
- 01解读板块表现图并判断市场周期
- 02评估板块轮动及潜在领涨方向
- 03根据情景概率制定市场定位
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ nicepkg/ ai-workflow --skill sector-analyst安装后在 Claude Code 中输入/sector-analyst确认已加载。
附带文件references/sector_rotation.md
详细介绍
行业分析师
概览
此技能可全面分析板块和行业表现图表,判断市场周期所处阶段,并预测可能的轮动情景。分析结合已观察到的表现数据与成熟的板块轮动原则,对市场进行客观评估,并以概率形式预测各种情景。
何时使用此技能
在以下情况下使用此技能:
- 用户提供板块表现图表(通常为 1 周和 1 个月时间范围)
- 用户提供显示相对表现数据的行业表现图表
- 用户要求分析当前市场周期所处阶段
- 用户要求评估或预测板块轮动
- 用户需要按概率加权的市场定位情景
用户请求示例:
- “分析这些板块表现图表,告诉我当前处于市场周期的哪个阶段”
- “根据这些表现图表,哪些板块接下来可能跑赢?”
- “根据这些数据,防御型板块轮动的概率有多大?”
- “查看这些板块和行业图表,并提供情景分析”
分析工作流
分析板块/行业表现图表时,请遵循以下结构化工作流:
步骤 1:收集数据并进行观察
首先,仔细查看所有提供的图表图片,提取以下信息:
- 板块表现:确定哪些板块(科技、金融、非必需消费品等)表现领先或落后
- 行业表现:记录表现强劲或疲软的具体行业
- 时间范围对比:比较 1 周与 1 个月的表现,判断趋势是否一致或出现背离
- 波动幅度:评估相对表现差异的大小
- 涨跌广度:判断表现是集中于少数板块,还是较为普遍
分析图表时请用英语思考。记录主要板块和行业的具体数值表现。
步骤 2:评估市场周期
加载板块轮动知识库,为分析提供依据:
- 阅读
references/sector_rotation.md,了解市场周期和板块轮动框架 - 将观察到的表现模式与各周期阶段的典型模式进行比较:
- 周期初期复苏
- 周期中期扩张
- 周期后期
- 衰退期
通过以下方式判断当前观察结果最符合哪个周期阶段:
- 将表现领先的板块与各周期的典型领涨板块对应起来
- 将表现落后的板块与各周期的典型落后板块对应起来
- 评估多个板块之间的一致性
- 判断防御型板块与周期型板块的表现是否符合预期
步骤 3:分析当前形势
综合观察结果,形成客观评估:
- 指出当前表现最接近哪个市场周期阶段
- 强调支持这一判断的证据(哪些板块/行业能够佐证)
- 指出矛盾信号或异常模式
- 根据各信号的一致性评估置信度
使用以数据为依据的表述,并具体引用表现数据。
步骤 4:制定情景
根据板块轮动原则和当前市场定位,为下一阶段制定 2-4 种可能情景:
对于每种情景:
- 描述市场周期的转换
- 指出哪些板块可能表现领先
- 指出哪些板块可能表现落后
- 说明能够确认该情景的催化因素或条件
- 分配概率(参见
sector_rotation.md中的“概率评估框架”)
情景应按照可能性从高到低排列,包括最可能情景及其他/逆向情景。
第 5 步:生成输出
创建包含以下部分的结构化 Markdown 文档:
必需部分:
- 执行摘要:用 2-3 句话概述关键发现
- 当前情况:详细分析当前表现模式和市场周期定位
- 支持证据:支持周期评估的具体板块和行业表现数据
- 情景分析:列出 2-4 种情景,并附上描述和概率
- 建议配置:根据情景概率提出战略和战术配置建议
- 主要风险:值得关注的显著风险或相互矛盾的信号
输出格式
将分析结果保存为 Markdown 文件,命名格式为:sector_analysis_YYYY-MM-DD.md
使用以下结构:
# 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]*
关键分析原则
开展分析时:
- 客观优先:以数据为依据得出结论,而非先入为主
- 概率思维:通过概率范围表达不确定性
- 多时间周期:比较 1-week 和 1-month 数据以确认趋势
- 相对表现:关注相对强势,而非绝对回报
- 市场广度很重要:广泛的走势比孤立的变动更重要
- 避免绝对化:市场很少会完全遵循教科书式模式
- 历史背景:参考典型的轮动模式,同时承认其独特性
概率指南
根据证据强度使用以下概率范围:
- 70-85%:有强有力的证据,并且多个板块和时间周期的信号相互印证
- 50-70%:证据力度中等,有部分信号相互印证,但指标并不一致
- 30-50%:证据较弱,信号有限或相互矛盾
- 15-30%:与当前指标相悖但仍有可能的推测性情景
所有情景的概率总和应约为 100%。
资源
references/
sector_rotation.md- 全面的知识库,涵盖市场周期阶段、典型板块表现模式和概率评估框架
assets/
展示预期输入格式的示例图表:
sector_performance.jpeg- 板块级表现图表示例(1-week 和 1-month)industory_performance_1.jpeg- 行业表现图表示例(表现优异者)industory_performance_2.jpeg- 行业表现图表示例(表现落后者)
这些示例展示了此技能分析的视觉数据类型。用户提供的图表格式可能不同,但应包含类似的相对表现信息。
重要说明
- 所有分析思考都应以英语进行
- 输出的 Markdown 文件必须为英文
- 每次分析都应参考板块轮动知识库
- 保持客观,避免确认偏误
- 如有新数据,应更新概率评估
- 图表通常展示 1-week 和 1-month 期间的表现
评论
支持 Markdown