القائمة
对关税政策、央行加息/降息、地缘冲突、大选、汇率剧变、大宗商品冲击等宏观事件进行六步结构化深度分析，输出机构级投研框架报告。当用户提到宏观事件分析、宏观冲击、关税影响、央行决议、地缘冲突、汇率变动、大宗商品冲击、情景推演、宏观交易时使用此技能。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
| name | macro-event-analysis |
| author | Yilin |
| description | 对关税政策、央行加息/降息、地缘冲突、大选、汇率剧变、大宗商品冲击等宏观事件进行六步结构化深度分析，输出机构级投研框架报告。当用户提到宏观事件分析、宏观冲击、关税影响、央行决议、地缘冲突、汇率变动、大宗商品冲击、情景推演、宏观交易时使用此技能。 |
对重大宏观事件进行六步结构化深度分析，输出机构级投研框架报告，帮助投资者快速理解事件影响、推演传导路径、制定交易策略。
[事件描述] 宏观事件分析分析 [事件] 对市场的影响@skill://macro-event-analysis [事件描述]参数说明：
yiyanxuangu MCP、万行新闻（太一数据/万行数据MCP）
输出格式：Markdown (.md)
文件命名：[事件简称]_宏观分析_[YYYYMMDD].md
驱动事件演化的 3-7 个核心变量，含当前读数与关键阈值
表格格式：
| 变量名称 | 当前读数 | 关键阈值 | 变量含义 | 数据来源 |
|---|---|---|---|---|
| [变量1] | [数值] | [阈值] | [说明该变量如何影响事件演化] | [来源] |
| [变量2] | [数值] | [阈值] | [说明] | [来源] |
| ... | ... | ... | ... | ... |
要求：
从事件冲击到资产定价的因果链，标注传导时滞与放大/衰减机制
格式要求：
事件冲击 → 中间变量1 → 中间变量2 → 资产价格示例：
关税升级 → 出口企业盈利预期下调（1-4周） → A股出口链估值下修（即时）
↓
人民币贬值压力（1-3天） → 外资流出（1-4周） → A股整体承压
↓
避险情绪升温（即时） → 黄金上涨（即时） → 美债收益率下行（1-3天）
2-4 个可比历史案例，含量化资产回报数据与本次异同分析
表格格式：
| 案例 | 时间 | 事件描述 | 持续时间 | A股表现 | 汇率表现 | 黄金表现 | 美债表现 | 与本次异同 |
|---|---|---|---|---|---|---|---|---|
| [案例1] | [时间] | [简述] | [X天/月] | [涨跌幅] | [涨跌幅] | [涨跌幅] | [涨跌幅] | [相同点/不同点] |
| [案例2] | ... | ... | ... | ... | ... | ... | ... | ... |
要求：
基准/乐观/悲观三情景及概率权重，各情景下主要资产的方向判断
表格格式：
| 情景 | 概率 | 触发条件 | 核心假设 | A股方向 | 汇率方向 | 黄金方向 | 美债方向 | 商品方向 |
|---|---|---|---|---|---|---|---|---|
| 乐观 | X% | [条件] | [假设] | [上涨/下跌/震荡] | [升值/贬值] | [上涨/下跌] | [收益率上行/下行] | [上涨/下跌] |
| 基准 | X% | [条件] | [假设] | ... | ... | ... | ... | ... |
| 悲观 | X% | [条件] | [假设] | ... | ... | ... | ... | ... |
要求：
可执行的交易组合，含标的、方向、仓位比例、入场条件与止损
表格格式：
| 交易编号 | 标的 | 方向 | 仓位比例 | 入场条件 | 目标价位 | 止损价位 | 持有周期 | 逻辑 |
|---|---|---|---|---|---|---|---|---|
| Trade 1 | [具体标的] | 多/空 | X% | [什么条件下入场] | [目标] | [止损] | [X天/周] | [交易逻辑] |
| Trade 2 | ... | ... | ... | ... | ... | ... | ... | ... |
要求：
3-5 个可量化的框架失效信号，附止损/退出规则
表格格式：
| 失效信号 | 量化阈值 | 含义 | 应对措施 |
|---|---|---|---|
| [信号1] | [具体数值] | [说明该信号为何意味着框架失效] | [平仓/减仓/对冲/反转] |
| [信号2] | [具体数值] | ... | ... |
| ... | ... | ... | ... |
要求：
1. 解析用户输入的宏观事件描述
2. 确定事件类型：
- 关税/贸易政策
- 央行货币政策（加息/降息/QE/QT）
- 地缘冲突/战争
- 大选/政治事件
- 汇率剧变
- 大宗商品冲击（油价暴涨/暴跌）
- 其他（疫情、自然灾害、技术封锁等）
3. 多维度信息收集（至少6轮搜索）：
- 事件本身：web_search(query="[事件] 最新进展 详情 2026", count=10, freshness="oneweek")
- 市场反应：web_search(query="[事件] 市场影响 股市 债市 汇率 2026", count=10, freshness="oneweek")
- 历史案例：web_search(query="[事件类型] 历史类似事件 资产表现 回顾", count=10, freshness="nolimit")
- 机构观点：web_search(query="[事件] 券商 投行 分析师 点评 展望", count=10, freshness="oneweek")
- 政策应对：web_search(query="[事件] 政策应对 政府 央行 回应", count=10, freshness="oneweek")
- 数据验证：web_search(query="[事件相关经济指标] 最新数据 GDP CPI 就业", count=10, freshness="onemonth")
4. 数据源轮换：万行数据 和 太一数据 交替使用
从搜索结果中提取3-7个核心变量：
1. 政策变量：关税税率、利率水平、财政刺激规模等
2. 市场变量：汇率、股指、债券收益率、商品价格等
3. 情绪变量：VIX指数、资金流向、期权隐含波动率等
4. 基本面变量：GDP增速、CPI、就业数据、企业盈利等
对每个变量：
- 查找当前读数（最新数据）
- 确定关键阈值（历史经验或市场共识）
- 说明变量如何影响事件演化
构建从事件到资产的因果链：
1. 直接传导：事件→第一层影响（如关税→出口企业盈利）
2. 间接传导：第一层→第二层→资产价格（如盈利→估值→股价）
3. 反馈回路：资产价格→实体经济→事件演化（如股市下跌→消费萎缩→经济放缓）
标注每个环节：
- 传导时滞（即时/短/中/长）
- 放大/衰减机制（杠杆、预期、流动性等）
搜索2-4个可比历史案例：
1. 确定筛选标准：事件类型相似、宏观环境可比、数据可得
2. 收集各案例的资产表现数据：
- 事件后1周/1月/3月/6月的资产回报
- A股、汇率、黄金、美债、原油
3. 分析异同：
- 相同点：传导机制、市场反应模式
- 不同点：政策空间、估值起点、全球环境
构建三情景框架：
1. 乐观情景（X%概率）：事件缓和/政策超预期/市场快速消化
2. 基准情景（Y%概率）：事件按当前路径演化/市场逐步定价
3. 悲观情景（Z%概率）：事件升级/政策失误/市场恐慌
概率赋值原则：
- 基于当前信息和历史经验
- 三个概率之和为100%
- 基准情景通常概率最高（50-60%）
各情景下资产方向判断：
- 必须具体（涨跌幅区间而非简单方向）
- 区分短期（1-4周）和中期（1-3月）
1. 交易表达：
- 核心交易（高确定性）：1-2个，仓位30-50%
- 卫星交易（高弹性）：2-3个，仓位10-20%
- 每个交易必须包含：标的、方向、仓位、入场、目标、止损、周期
2. 失效条件：
- 3-5个可量化信号
- 每个信号对应明确的应对措施
- 覆盖政策、市场、流动性、黑天鹅等维度