Sektoranalyst

Was macht Sektoranalyst?

Überblick

Dieser Skill ermöglicht eine umfassende Analyse der Sektorrotation und Marktzyklus-Positionierung, indem er Aufwärtstrend-Verhältnisdaten aus dem öffentlichen CSV-Datensatz von TraderMonty abruft. Er bewertet Sektoren, berechnet Risikoregime-Scores für zyklische vs. defensive Sektoren, identifiziert überkaufte/überverkaufte Bedingungen und schätzt die aktuelle Phase des Marktzyklus. Diagrammbilder können optional die datengetriebene Analyse mit Details auf Branchenebene ergänzen.

Wann Dieser Skill Verwendet Werden Sollte

Verwenden Sie diesen Skill, wenn:

• Der Benutzer eine Analyse der Sektorrotation anfordert (keine Diagrammbilder erforderlich)
• Der Benutzer nach der Positionierung von zyklischen vs. defensiven Sektoren fragt
• Der Benutzer wissen möchte, welche Sektoren überkauft oder überverkauft sind
• Der Benutzer eine Schätzung der Marktzyklusphase anfordert
• Der Benutzer Branchen-Performance-Diagramme für ergänzende Analysen bereitstellt
• Der Benutzer eine szenariobasierte Analyse oder Prognosen zu Sektoren anfordert

Beispielhafte Benutzeranfragen:

• "Führe eine Sektor-Rotationsanalyse durch"
• "Welche Sektoren führen – zyklisch oder defensiv?"
• "Sind derzeit Sektoren überkauft?"
• "In welcher Phase des Marktzyklus befinden wir uns?"
• "Analysiere diese Branchen-Performance-Diagramme und sag mir, wo wir im Marktzyklus stehen"

Voraussetzungen

• Python 3.9+; keine Drittanbieter-Bibliotheken erforderlich (CSV wird über stdlib urllib abgerufen)
• Keine API-Schlüssel erforderlich – Daten werden aus einem öffentlichen GitHub-Repository abgerufen
• Optional: Branchen-Performance-Diagrammbilder für ergänzende Analysen

Datenquelle

Sektor-Aufwärtstrend-Verhältnisse werden aus dem öffentlichen GitHub-Repository von TraderMonty abgerufen (kein API-Schlüssel erforderlich):

• Sektorzusammenfassung: sector_summary.csv – Aufwärtstrend-Verhältnis, Trend, Steigung und Status pro Sektor
• Aktualitätsprüfung: uptrend_ratio_timeseries.csv – max(date) wird verwendet, um die Aktualität der Daten zu überprüfen

Ausführen des Skripts

# Standard: CSV abrufen, menschenlesbare Analyse ausgeben
python3 scripts/analyze_sector_rotation.py

# JSON-Ausgabe
python3 scripts/analyze_sector_rotation.py --json

# In Datei speichern
python3 scripts/analyze_sector_rotation.py --save --output-dir reports/

Analyse-Workflow

Befolgen Sie diesen strukturierten Workflow:

Schritt 1: CSV-Datenerfassung

1. Führen Sie das Analysescript aus: python3 scripts/analyze_sector_rotation.py
2. Extrahieren Sie aus der Ausgabe:
   • Sektor-Ranking nach Aufwärtstrend-Verhältnis
   • Risikoregime (zyklisch vs. defensiv) und Bewertung
   • Überkaufte/überverkaufte Sektoren
   • Zyklusphasenschätzung und Konfidenzniveau
3. Wenn eine Warnung zur Datenaktualität erscheint, notieren Sie diese in der Analyse

Schritt 2: Marktzyklusbewertung

Verwenden Sie die Zyklusphasenschätzung des Skripts als Ausgangspunkt:

• Lesen Sie references/sector_rotation.md, um auf Marktzyklus- und Sektorrotations-Frameworks zuzugreifen
• Vergleichen Sie die quantitativen Ergebnisse des Skripts mit den erwarteten Mustern für jede Zyklusphase:
  • Frühe Zyklus-Erholung
  • Mittlere Zyklus-Expansion
  • Später Zyklus
  • Rezession
• Fügen Sie eine qualitative Interpretation hinzu, die durch die Wissensdatenbank informiert wird

Wenn Diagrammbilder bereitgestellt werden, verwenden Sie diese, um Details auf Branchenebene zu ergänzen:

• Extrahieren Sie Leistungsdaten auf Branchenebene aus den Diagrammbildern
• Vergleichen Sie die 1-Wochen- mit der 1-Monats-Leistung auf Trendkonsistenz
• Notieren Sie spezifische Branchen, die innerhalb von Sektoren Stärke oder Schwäche zeigen

Schritt 3: Aktuelle Situationsanalyse

Synthetisieren Sie Beobachtungen zu einer objektiven Bewertung:

• Geben Sie an, welcher Marktzyklusphase die aktuelle Performance am ähnlichsten ist
• Heben Sie unterstützende Beweise hervor (welche Sektoren/Branchen diese Ansicht bestätigen)
• Notieren Sie widersprüchliche Signale oder ungewöhnliche Muster
• Bewerten Sie das Konfidenzniveau basierend auf der Konsistenz der Signale

Verwenden Sie datengetriebene Sprache und spezifische Verweise auf Leistungszahlen.

Schritt 4: Szenarioentwicklung

Basierend auf Sektorrotationsprinzipien und der aktuellen Positionierung entwickeln Sie 2-4 potenzielle Szenarien für die nächste Phase:

Für jedes Szenario:

• Beschreiben Sie den Marktzyklus-Übergang
• Identifizieren Sie, welche Sektoren wahrscheinlich überdurchschnittlich abschneiden
• Identifizieren Sie, welche Sektoren wahrscheinlich unterdurchschnittlich abschneiden
• Geben Sie die Auslöser oder Bedingungen an, die dieses Szenario bestätigen würden
• Weisen Sie eine Wahrscheinlichkeit zu (siehe Rahmenwerk zur Wahrscheinlichkeitsbewertung in sector_rotation.md)

Die Szenarien sollten vom wahrscheinlichsten (höchste Wahrscheinlichkeit) bis zu alternativen/gegensätzlichen Szenarien reichen.

Schritt 5: Ausgabeerstellung

Erstellen Sie ein strukturiertes Markdown-Dokument mit den folgenden Abschnitten:

Erforderliche Abschnitte:

1. Executive Summary: 2-3 Sätze Überblick über die wichtigsten Ergebnisse
2. Aktuelle Situation: Detaillierte Analyse der aktuellen Leistungsmuster und Marktzyklus-Positionierung
3. Unterstützende Beweise: Spezifische Sektor- und Branchenleistungsdaten, die die Zyklusbewertung stützen
4. Szenarioanalyse: 2-4 Szenarien mit Beschreibungen und Wahrscheinlichkeitszuweisungen
5. Empfohlene Positionierung: Strategische und taktische Positionierungsempfehlungen basierend auf Szenariowahrscheinlichkeiten
6. Wichtigste Risiken: Bemerkenswerte Risiken oder widersprüchliche Signale, die überwacht werden müssen

Ausgabeformat

Speichern Sie die Analyseergebnisse als Markdown-Datei mit der Namenskonvention: sector_analysis_YYYY-MM-DD.md

Verwenden Sie diese Struktur:

# Sektor-Performance-Analyse - [Datum]

## Executive Summary

[2-3 Sätze Zusammenfassung der wichtigsten Ergebnisse]

## Aktuelle Situation

### Marktzyklusbewertung
[Welche Zyklusphase und warum]

### Beobachtete Leistungsmuster

#### 1-Wochen-Leistung
[Analyse der jüngsten Leistung]

#### 1-Monats-Leistung
[Analyse der mittelfristigen Trends]

#### Analyse auf Sektorebene
[Detaillierte Aufschlüsselung nach Sektor]

#### Analyse auf Branchenebene
[Bemerkenswerte branchenspezifische Beobachtungen]

## Unterstützende Beweise

### Bestätigende Signale
- [Auflistung von Datenpunkten, die die Zyklusbewertung stützen]

### Widersprüchliche Signale
- [Auflistung widersprüchlicher Indikatoren]

## Szenarioanalyse

### Szenario 1: [Name] (Wahrscheinlichkeit: XX%)
**Beschreibung**: [Was passiert]
**Überdurchschnittlich**: [Sektoren/Branchen]
**Unterdurchschnittlich**: [Sektoren/Branchen]
**Auslöser**: [Was dieses Szenario bestätigen würde]

### Szenario 2: [Name] (Wahrscheinlichkeit: XX%)
[Wiederholung der Struktur]

[Weitere Szenarien nach Bedarf]

## Empfohlene Positionierung

### Strategische Positionierung (mittelfristig)
[Sektorallokationsempfehlungen]

### Taktische Positionierung (kurzfristig)
[Spezifische Anpassungen oder Gelegenheiten]

## Wichtigste Risiken und Überwachungspunkte

[Worauf zu achten ist, was die Analyse ungültig machen könnte]

---
*Analysedatum: [Datum]*
*Datenzeitraum: [Zeitraum der analysierten Diagramme]*

Wichtige Analyseprinzipien

Bei der Durchführung der Analyse:

1. Objektivität zuerst: Lassen Sie die Daten die Schlussfolgerungen leiten, nicht vorgefasste Meinungen
2. Probabilistisches Denken: Drücken Sie Unsicherheit durch Wahrscheinlichkeitsbereiche aus
3. Mehrere Zeitrahmen: Vergleichen Sie 1-Wochen- und 1-Monats-Daten zur Trendbestätigung
4. Relative Performance: Konzentrieren Sie sich auf relative Stärke, nicht auf absolute Renditen
5. Breite zählt: Breit angelegte Bewegungen sind bedeutender als isolierte Bewegungen
6. Keine Absolutheiten: Märkte folgen selten exakt den Lehrbuchmustern
7. Historischer Kontext: Verweisen Sie auf typische Rotationsmuster, erkennen Sie aber die Einzigartigkeit an

Richtlinien zur Wahrscheinlichkeit

Wenden Sie diese Wahrscheinlichkeitsbereiche basierend auf der Stärke der Beweise an:

• 70-85%: Starke Beweise mit mehreren bestätigenden Signalen über Sektoren und Zeitrahmen hinweg
• 50-70%: Moderate Beweise mit einigen bestätigenden Signalen, aber gemischten Indikatoren
• 30-50%: Schwache Beweise mit begrenzten oder widersprüchlichen Signalen
• 15-30%: Spekulatives Szenario, das den aktuellen Indikatoren widerspricht, aber möglich ist

Die Gesamtwahrscheinlichkeiten aller Szenarien sollten sich auf ungefähr 100% summieren.

Ressourcen

scripts/

• analyze_sector_rotation.py – Ruft Sektor-CSV-Daten ab und erstellt Sektor-Rankings, Risikoregime-Bewertungen, Überkauft-/Überverkauft-Flags und Zyklusphasenschätzungen. Kein API-Schlüssel erforderlich.

references/

• sector_rotation.md – Umfassende Wissensdatenbank, die Marktzyklusphasen, typische Sektor-Performance-Muster und Rahmenwerke zur Wahrscheinlichkeitsbewertung abdeckt

assets/

Beispieldiagramme, die das erwartete Eingabeformat für die optionale bildbasierte Analyse demonstrieren:

• sector_performance.jpeg – Beispiel für ein Sektor-Performance-Diagramm (1 Woche und 1 Monat)
• industory_performance_1.jpeg – Beispiel für ein Branchen-Performance-Diagramm (Überdurchschnittlich)
• industory_performance_2.jpeg – Beispiel für ein Branchen-Performance-Diagramm (Unterdurchschnittlich)

Wichtige Hinweise

• Sämtliche Analysedenken sollten auf Englisch durchgeführt werden
• Ausgabe-Markdown-Dateien müssen auf Englisch sein
• Verweisen Sie für jede Analyse auf die Wissensdatenbank zur Sektorrotation
• Bewahren Sie Objektivität und vermeiden Sie Bestätigungsfehler
• Aktualisieren Sie Wahrscheinlichkeitsbewertungen, wenn neue Daten verfügbar werden
• Diagrammbilder sind optional; CSV-Daten liefern die primäre Analysegrundlage
• Das Skript verwendet dieselbe Sektorklassifikation wie der Aufwärtstrend-Analysator, um Konsistenz zu gewährleisten