板块分析师

概述

此技能能够全面分析板块和行业表现图表，以识别市场周期定位并预测可能的轮动情景。该分析将观察到的表现数据与既定的板块轮动原则相结合，以提供客观的市场评估和概率情景预测。

何时使用此技能

在以下情况使用此技能：

• 用户提供板块表现图表（通常为1周和1个月的时间框架）
• 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定位
• 用户要求进行板块轮动评估或预测
• 用户需要市场定位的概率加权情景分析

用户请求示例：

• "分析这些板块表现图表，告诉我我们处于市场周期的哪个阶段"
• "基于这些表现图表，哪些板块接下来应该会表现优异？"
• "根据这些数据，防御性板块轮动的概率有多大？"
• "审阅这些板块和行业图表并提供情景分析"

分析工作流程

在分析行业/产业板块表现图表时，请遵循此结构化工作流程：

步骤 1：数据收集与观察

首先，仔细检查所有提供的图表图像以提取：

• 板块层面表现：识别哪些板块（科技、金融、非必需消费品等）表现领先/落后
• 行业层面表现：注意显示出强势或弱势的具体行业
• 时间框架比较：比较1周与1个月的表现，以识别趋势的一致性或分化
• 变动幅度：评估相对表现差异的大小
• 变动广度：判断表现是集中性的还是广泛性的

分析图表时请用英语思考。记录关键板块和行业的具体数值表现数据。

步骤 2：市场周期评估

加载板块轮动知识库以辅助分析：

• 阅读参考资料/板块轮动.md以获取市场周期和板块轮动框架
• 将观察到的表现模式与每个周期阶段的预期模式进行比较：
  • 早期复苏阶段
  • 中期扩张阶段
  • 后期阶段
  • 衰退阶段

通过以下方式确定当前观察结果最符合哪个周期阶段：

• 将表现优异的板块映射到典型的周期领先者
• 将表现不佳的板块映射到典型的周期落后者
• 评估多个板块之间的一致性
• 评估与防御性板块和周期性板块表现的契合度

步骤三：当前形势分析

将观察结果综合为客观评估：

• 阐明当前表现最接近哪个市场周期阶段
• 突出支持性证据（哪些板块/行业证实了这一观点）
• 指出任何矛盾信号或不寻常模式
• 根据信号的一致性评估置信水平

使用数据驱动的语言并具体引用业绩数据

步骤4：情景推演

基于板块轮动原则和当前持仓，为下一阶段制定2-4个潜在情景：

针对每个情景：

• 描述市场周期转换
• 识别可能表现出色的板块
• 识别可能表现不佳的板块
• 明确将证实该情景的催化剂或条件
• 分配概率（参见 sector_rotation.md 中的概率评估框架）

情景范围应从最可能（最高概率）到替代/逆向情景。

步骤5：输出生成

创建包含以下章节的结构化 Markdown 文档：

必需章节：

1. 执行摘要：2-3句话概述关键发现
2. 当前形势当前表现模式与市场周期定位的详细分析
3. 支持性证据: 支持周期评估的具体行业和产业表现数据
4. 情景分析: 包含描述和概率分配的2-4种情景
5. 推荐定位: 基于情景概率的战略和战术定位建议
6. 关键风险: 需要关注的重要风险或矛盾信号

输出格式

将分析结果保存为Markdown文件，命名规范：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

进行分析时：

1. 客观性优先: 让数据引导结论，而非先入之见
2. 概率性思维: 通过概率范围表达不确定性
3. 多重时间框架：比较一周和一个月的数据以确认趋势
4. 相对表现：关注相对强度，而非绝对回报
5. 广度至关重要：广泛性变动比孤立走势更为重要
6. 没有绝对：市场很少完全遵循教科书式模式
7. 历史背景：参考典型的轮动模式，但承认其独特性

概率指南

根据证据强度应用以下概率范围：

• 70-85%：证据充分，跨行业和跨时间框架存在多个确认信号
• 50-70%：证据中等，有一些确认信号但指标混合
• 30-50%：证据薄弱，信号有限或相互矛盾
• 15-30%：推测性情景，与当前指标相悖但有可能发生

所有情景的总概率之和应约为100%。

资源

参考资料/

• sector_rotation.md- 涵盖市场周期阶段、典型板块表现模式和概率评估框架的综合知识库

资产/

展示预期输入格式的示例图表：

• sector_performance.jpeg- 示例板块表现图表（1周和1个月）
• industory_performance_1.jpeg- 示例行业表现图表（表现优异者）
• industory_performance_2.jpeg- 示例行业表现图表（表现不佳者）

这些示例说明了此技能分析的可视化数据类型。用户提供的图表格式可能有所不同，但应包含类似的相对表现信息。

重要说明

• 所有分析思考均需使用英语进行
• 输出的Markdown文件必须为英文
• 参考行业轮动知识库进行每项分析
• 保持客观并避免确认偏误
• 如有新数据可用则更新概率评估
• 图表通常显示1周和1个月期间的表现