CommunityRecherche & Datenanalysegithub.com

Makro-Regime

Analysiert makroökonomische Faktoren der Dhaka Stock Exchange und berechnet einen Risikomultiplikator für nachgelagerte Systeme wie Signal-Synthesizer und Risikomanager.

Was ist Makro-Regime?

Diese Fähigkeit (Skill) dient als Makro-Agent und liest den `macro`-Block aus einem gemeinsamen Vertrag (shared contract). Sie berechnet einen einzelnen Risikomultiplikator im Bereich [0.5, 1.2], der auf Faktoren wie Leitzins, Inflation, Devisenreserven, politische Lage und Regulierungsstatus basiert. Der Multiplikator wird auf einen Regime-Label (`risk_on`, `neutral`, `cautious`, `risk_off`) abgebildet und als strukturiertes JSON-Objekt (Thinking Card) ausgegeben. Die Fähigkeit ist für Entwickler und KI-Agenten gedacht, die makroökonomische Risikobewertungen benötigen, insbesondere im Kontext der Dhaka Stock Exchange. Sie wird typischerweise von nachgelagerten Skills wie `signal-synthesizer` (zur Skalierung des Composite-Scores) und `risk-manager` (zur Skalierung der Positionsgröße) konsumiert. Die Ausgabe enthält immer eine Erklärung und Flags wie `stale_macro`, falls Daten fehlen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add kuntal-r-d/my-skills

Installed? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Makro-Regime?

Verwendung

Aktivieren, wenn ein Benutzer die Makroanalyse für die Dhaka Stock Exchange wünscht: „Was ist das Marktregime?“, „Ist dies ein Risiko-an-Umfeld?“, „Wie beeinflussen Zinsen und Reserven das Risiko?“, „Gib mir einen Makro-Multiplikator“. Dies ist der Makro-Agent (PRD-002 REQ-020). Sein Risikomultiplikator ist für die nachgelagerte Verwendung durch signal-synthesizer (zur Skalierung des Composite-Scores) und risk-manager (zur Skalierung der Positionsgröße) vorgesehen.

Funktionsweise

Liest den macro-Block des gemeinsamen Vertrags und berechnet einen einzelnen Risikomultiplikator in [0.5, 1.2], beginnend bei 1.0 (neutral) und angepasst für jeden Faktor:

  • Leitzins — Straffe Geldpolitik (>=9%) senkt den Multiplikator; akkommodierende erhöht ihn.
  • Inflation — Über 8% senkt ihn (Realrendite-Verlust, Straffungsrisiko).
  • Devisenreserven-Trend — falling senkt ihn (Importdeckungsstress, BDT-Druck); rising erhöht ihn; stable ist neutral.
  • Politik — crisis/tense senken ihn; stable erhöht ihn.
  • Regulierung — floor_prices/tightening senken ihn; normal ist neutral.

Der begrenzte Multiplikator wird einem Regime-Label und einem normalisierten score in [-1, +1] zugeordnet. Die Ausgabe ist eine Thinking Card (siehe README der Suite).

Ausführung

python3 scripts/regime.py --input data.json --pretty
cat data.json | python3 scripts/regime.py

Liest macro (erforderlich) sowie optional mode/ticker/as_of. Gibt score (-1..+1), confidence, rating (Regime-Label), key_metrics.risk_multiplier, faktorbezogene drivers, eine verständliche reasoning sowie flags zurück.

Testen Sie es jetzt mit der gemeinsamen Testdatei:

python3 scripts/regime.py --input ../_fixtures/sample_input.json --pretty

Interpretieren der Ausgabe

  • rating: risk_on (mult >=1.05), neutral (0.85–1.05), cautious (0.70–0.85), risk_off (<0.70).
  • key_metrics.risk_multiplier ist der Wert, den nachgelagerte Fähigkeiten in ihr Risikobudget multiplizieren – z. B. dimensioniert der Risikomanager Positionen als base_risk * risk_multiplier.
  • flags: stale_macro erscheint, wenn ein oder mehrere macro-Felder fehlen und die Konfidenz entsprechend begrenzt wird – niemals ein stiller Ausfall.

Hinweise

Faktorgewichte, die Zuordnung von Multiplikator zu Regime, die Score-Zuordnung und die Verwendung des Multiplikators durch nachgelagerte Fähigkeiten sind in references/REGIME.md dokumentiert. Die Ausgabe dient ausschließlich der Bildungsanalyse und stellt keine Finanzberatung dar.

Verwandte Skills