| name | macro-regime-monitor |
| description | Use when tracking macro regime shifts, summarizing inflation, growth, spreads, and liquidity signals, or creating a house view before updating sector or asset-allocation calls. |
| zh_description | 用于macro、regime、monitor,支持投资研究、风险评估和报告生成。 |
| version | 1.0.0 |
| author | seaworld008 |
| source | in-house |
| source_url | |
| tags | ["finance", "macro", "monitor", "regime"] |
| created_at | 2026-03-18 |
| updated_at | 2026-03-20 |
| quality | 2 |
| complexity | intermediate |
Macro Regime Monitor (宏观周期监控器)
从宏观噪音中提取信号,识别当前的宏观范式(Macro Regime),为资产配置和行业轮动提供决策依据。本技能通过整合通胀、增长、利差和流动性等多维指标,帮助投资者判断市场正处于何种周期阶段,从而决定是“Risk-on”还是“Risk-off”。
安装与前提条件
pip install pandas numpy openbb requests
npx clawhub install macro-regime-monitor
触发条件 / When to Use
- 每周宏观周报 (Weekly Macro Note):在周一开盘前,梳理上周所有宏观数据的变化及其对周期的影响。
- 资产配置会议 (Asset-allocation Meetings):在决定增配股票还是债权前,先确认宏观大环境。
- 风险模式切换 (Risk-on vs Risk-off Framing):当突发地缘政治冲突或重大利率决议时,快速评估环境切换风险。
- 跨资产仓位更新 (Cross-asset Positioning):根据宏观象限的变化,动态调整大宗商品、外汇及权益类资产的比例。
- 核心逻辑修正:当通胀数据连续三个月超预期,触发“通胀粘性”范式确认。
核心能力 / Core Capabilities
1. 核心指标实时跟踪 (Key Indicators Tracking)
- 操作步骤:
- 获取最新的 增长 (Growth) 数据:如 GDP, PMI (制造/服务), 零售销售。
- 获取最新的 通胀 (Inflation) 数据:如 CPI, PPI, PCE, 薪资增速。
- 获取最新的 流动性 (Liquidity) 数据:如 M2, 央行资产负债表变化, 逆回购(RRP)规模。
- 获取最新的 利差 (Spreads) 数据:如 10Y-2Y 收益率曲线倒挂程度, 信用违约掉期(CDS)。
- 最佳实践:优先关注“二阶导数”(即增长是否在放缓,或通胀是否在加速)。
2. 宏观象限分类 (Regime Classification)
- 操作步骤:
- 运行
scripts/classify_regime.py。
- 将当前环境映射到经典象限:
- 金发姑娘 (Goldilocks): 增长高,通胀低。
- 通货膨胀 (Reflation): 增长高,通胀高。
- 滞胀 (Stagflation): 增长低,通胀高。
- 衰退/通缩 (Recession): 增长低,通胀低。
- 最佳实践:不仅给出标签,更要标注当前位置在象限中的偏移趋势。
3. 资产配置含义推导 (Allocation Implications)
- 操作步骤:
- 基于当前的 Regime,自动匹配历史胜率最高的资产类别。
- 生成“战术性资产配置”(TAA)建议。
- 识别最受影响的行业板块(如:滞胀环境下通常利好能源和必需消费品)。
- 最佳实践:提供“反转触发点”(Flip Points),例如:“如果 10Y 美债收益率突破 5.0%,则从成长股切换到防守型价值股”。
4. 情绪与头寸分析 (Sentiment & Positioning)
- 操作步骤:
- 抓取
Fear & Greed Index 或 AAII Sentiment Survey。
- 分析
Commitment of Traders (COT) 报告,查看机构在大宗商品和外汇上的多空头寸分布。