Menu
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
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
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.
| 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
- ...