القائمة
行业轮动分析——申万行业景气度评分、行业动量排名、产业链传导、估值/盈利/资金流多维比较框架
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
Professional finance research toolkit — backtesting (8 engines + benchmark comparison panel), factor analysis, Alpha Zoo (462 pre-built alphas across qlib158/alpha101/gtja191/academic/fundamental), options pricing, 88 finance skills, 30 multi-agent swarm teams, Trade Journal analyzer, and Shadow Account (extract → backtest → render) across 23 market-data sources (tushare, yfinance, okx, binance, akshare, baostock, tencent, mootdx, ccxt, futu, mt5, local, eastmoney, sina, stooq, yahoo, india_broker, qveris, longbridge, plus optional-key finnhub/alphavantage/tiingo/fmp).
Perpetual futures funding rate analysis and cash-carry basis trading — funding rate regimes, annualized basis signals, carry trade construction, and funding rate arbitrage between exchanges.
Paid capability marketplace for global multi-asset data; use it when free Vibe-Trading sources lack coverage, depth, or provider quality, and keep free sources as the default for routine OHLCV.
Correlation-regime detection and crisis attribution — edge-density regime states with hysteresis, causal (no look-ahead) smoothing, regime-aware exposure context, first-mover crisis attribution with honest NAME / MACRO / AMBIGUOUS / ABSTAIN verdicts, and a correlation-rewiring leaderboard that catches slow bleed-outs
Read any common document/data file — PDF, Word (.docx), Excel (.xlsx/.xls), PowerPoint (.pptx), images (OCR), CSV/TSV, plain text, JSON/YAML/TOML, HTML/XML, and most source-code files. Use the `read_document` tool.
Strategy Development Manager: convert academic papers and research reports into validated factors and strategies with automated backtesting, persistent storage, and decay monitoring.
استنادا إلى تصنيف SOC المهني
| name | sector-rotation |
| description | 行业轮动分析——申万行业景气度评分、行业动量排名、产业链传导、估值/盈利/资金流多维比较框架 |
| category | asset-class |
基于A股申万行业分类体系，通过景气度评分、动量排名、估值比较、资金流向四个维度进行行业轮动分析，输出行业超配/低配建议。
| 大类 | 行业 | 代码示例 |
|---|---|---|
| 上游周期 | 煤炭、有色、石油石化、钢铁、基础化工 | 煤炭ETF: 515220 |
| 中游制造 | 电力设备、机械设备、国防军工、汽车 | 新能源ETF: 516160 |
| 下游消费 | 食品饮料、家用电器、医药生物、美容护理 | 消费ETF: 510150 |
| TMT | 电子、计算机、通信、传媒 | 科技ETF: 515000 |
| 金融地产 | 银行、非银金融、房地产 | 金融ETF: 510230 |
| 公用事业 | 公用事业、交通运输、环保 | 红利ETF: 510880 |
| 类型 | 行业 | 特征 | 驱动因子 |
|---|---|---|---|
| 强周期 | 煤炭/有色/钢铁/化工 | 盈利波动大，跟宏观紧密 | PPI、PMI、商品价格 |
| 弱周期 | 食品饮料/医药/公用 | 盈利稳定，防御属性 | CPI、消费数据 |
| 成长型 | 电子/计算机/电力设备 | 高PE高增速，政策敏感 | 产业政策、渗透率 |
| 金融 | 银行/非银/保险 | 利差驱动，与利率正相关 | 利率、社融、信贷 |
| 维度 | 权重 | 指标 | 评分规则 |
|---|---|---|---|
| 盈利增速 | 30% | 净利润同比增速 | >30%=30分, 15-30%=22分, 0-15%=15分, <0%=5分 |
| 盈利趋势 | 20% | 连续N季加速 | 加速3季+=20分, 2季=14分, 减速=-5分 |
| 景气指标 | 20% | PMI/开工率/价格 | 高位+上行=20分, 高位回落=12分, 低位=5分 |
| 政策支持 | 15% | 产业政策力度 | 明确利好=15分, 中性=8分, 利空=2分 |
| 估值安全 | 15% | PE历史分位 | <30%分位=15分, 30-50%=10分, >70%=3分 |
景气度上行信号（超配）:
1. 行业PMI连续2个月>50且环比改善
2. 龙头公司订单/收入同比加速
3. 产品价格上行（涨价周期）
4. 产能利用率>80%且在提升
5. 政策催化（补贴/准入/国产替代）
景气度下行信号（低配）:
1. 行业PMI连续2个月<50
2. 存货周转天数上升（库存积压）
3. 产品价格下行
4. 产能过剩（利用率<60%）
5. 政策收紧（环保/反垄断/集采）
def sector_momentum(sector_returns: pd.DataFrame, lookback: int = 60, skip: int = 5) -> pd.Series:
"""
Args:
sector_returns: 行业日收益率，columns=行业名
lookback: 回看窗口（交易日）
skip: 跳过最近N天（避免短期反转）
Returns:
行业动量得分排名
"""
cum_return = (1 + sector_returns).rolling(lookback).apply(lambda x: x[:-skip].prod() - 1)
return cum_return.iloc[-1].rank(ascending=False)
盈利动量 = 当季ROE同比变化 - 上季ROE同比变化
正值 = 盈利加速（超配信号）
负值 = 盈利减速（减配信号）
综合得分 = 0.4 × 价格动量排名 + 0.3 × 盈利动量排名 + 0.3 × 资金流排名
取 Top 5 行业超配，Bottom 5 行业低配
上游（原材料）→ 中游（制造加工）→ 下游（消费/应用）
示例1: 锂电产业链
碳酸锂（上游）→ 正极材料（中游）→ 电池（中游）→ 新能源车（下游）
传导：锂价↑ → 正极成本↑ → 电池价格↑ → 车企毛利率↓
示例2: 半导体产业链
设备/材料（上游）→ 晶圆制造（中游）→ 封测（中游）→ 消费电子（下游）
传导：手机需求↑ → 封测订单↑ → 晶圆产能紧 → 设备资本开支↑
示例3: 地产产业链
土地/融资（上游）→ 开发建设（中游）→ 销售/物业（下游）
传导：政策宽松 → 销售回暖(下游先) → 新开工↑(中游) → 拿地↑(上游)
| 规律 | 说明 | 投资含义 |
|---|---|---|
| 需求驱动自下而上 | 下游需求 → 中游订单 → 上游原材料 | 需求拐点看下游先动 |
| 成本传导自上而下 | 上游涨价 → 中游成本 → 下游提价 | 上游涨价利好上游，利空中游 |
| 库存周期传导 | 主动补库→被动补库→主动去库→被动去库 | 被动去库是买入点 |
| 领先滞后 | 上游领先中游1-2季度，中游领先下游1-2季度 | 提前布局下一环节 |
| 指标 | 用途 | 注意事项 |
|---|---|---|
| PE(TTM) | 盈利估值 | 周期股PE失真（低PE可能是顶） |
| PB | 资产估值 | 银行/地产/周期股用PB更合理 |
| PE历史分位 | 估值位置 | 看5年分位数 |
| PEG | 成长估值 | <1为低估，>2为高估 |
| 股息率 | 收益率 | 高股息=防御配置 |
| 指标 | 含义 |
|---|---|
| ROE | 盈利能力 |
| ROE变化 | 盈利趋势 |
| 毛利率 | 竞争格局 |
| 净利润增速 | 成长性 |
| 现金流/净利润 | 盈利质量 |
| 指标 | 数据源 | 信号 |
|---|---|---|
| 北向资金净流入 | 沪深港通 | 外资偏好，领先1-3个月 |
| 融资余额变化 | 融资融券 | 杠杆资金方向 |
| ETF净申购 | 基金数据 | 机构配置方向 |
| 大宗交易 | 交易所 | 机构调仓信号 |
## 行业轮动分析
### 景气度排名 Top 10
| 排名 | 行业 | 景气度 | 变化 | 核心逻辑 |
|------|------|--------|------|---------|
| 1 | 电子 | 85 | ↑+8 | AI算力需求爆发 |
| 2 | 汽车 | 80 | ↑+5 | 出口+新能源双轮驱动 |
| ... | ... | ... | ... | ... |
### 行业配置建议
| 配置 | 行业 | 权重建议 | 核心逻辑 |
|------|------|---------|---------|
| 超配 | 电子、汽车、通信 | 各10-15% | 景气上行+政策催化 |
| 标配 | 食品饮料、医药 | 各5-8% | 防御属性，估值合理 |
| 低配 | 地产、建材 | 各0-3% | 景气下行，政策效果待观察 |
### 产业链机会
- **AI产业链**: 算力(上游)→模型(中游)→应用(下游)，当前上游最确定
- **新能源车**: 碳酸锂价格见底，电池环节盈利修复预期
### 风险提示
- ...