tradermonty/analista-sectorial

Sector Analyst (Analista Sectorial)

Resumen

Esta habilidad permite un análisis exhaustivo de la rotación sectorial y el posicionamiento en el ciclo de mercado, extrayendo datos de proporción de tendencia alcista del conjunto de datos CSV público de TraderMonty. Clasifica sectores, calcula puntuaciones de regímenes de riesgo cíclico vs. defensivo, identifica condiciones de sobrecompra/sobreventa y estima la fase actual del ciclo de mercado. Los gráficos de imágenes pueden complementar opcionalmente el análisis basado en datos con detalles a nivel de industria.

Cuándo usar esta habilidad

Usa esta habilidad cuando:

• El usuario solicite un análisis de rotación sectorial (no se requieren imágenes de gráficos)
• El usuario pregunte sobre el posicionamiento cíclico vs. defensivo
• El usuario quiera saber qué sectores están sobrecomprados o sobrevendidos
• El usuario solicite una estimación de la fase del ciclo de mercado
• El usuario proporcione gráficos de rendimiento sectorial para análisis complementario
• El usuario solicite análisis de escenarios o predicciones basadas en sectores

Ejemplos de solicitudes de usuario:

• "Ejecuta un análisis de rotación sectorial"
• "¿Qué sectores están liderando: cíclicos o defensivos?"
• "¿Hay algún sector sobrecomprado en este momento?"
• "¿En qué fase del ciclo de mercado nos encontramos?"
• "Analiza estos gráficos de rendimiento sectorial y dime dónde estamos en el ciclo de mercado"

Requisitos previos

• Python 3.9+; no se requieren bibliotecas de terceros (CSV obtenido mediante la stdlib urllib)
• No se requieren claves API: los datos se obtienen de un repositorio público de GitHub
• Opcional: Imágenes de gráficos de rendimiento sectorial para análisis complementario

Fuente de datos

Las proporciones de tendencia alcista sectorial se obtienen del repositorio público de GitHub de TraderMonty (sin necesidad de clave API):

• Resumen sectorial: sector_summary.csv — proporción de tendencia alcista, tendencia, pendiente y estado por sector
• Verificación de frescura: uptrend_ratio_timeseries.csv — max(date) se utiliza para verificar la actualidad de los datos

Ejecución del script

# Predeterminado: obtener CSV, imprimir análisis legible
python3 scripts/analyze_sector_rotation.py

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

# Guardar en archivo
python3 scripts/analyze_sector_rotation.py --save --output-dir reports/

Flujo de trabajo de análisis

Sigue este flujo de trabajo estructurado:

Paso 1: Recopilación de datos CSV

1. Ejecuta el script de análisis: python3 scripts/analyze_sector_rotation.py
2. Extrae de la salida:
   • Clasificación sectorial por proporción de tendencia alcista
   • Régimen de riesgo (cíclico vs. defensivo) y puntuación
   • Sectores sobrecomprados/sobrevendidos
   • Estimación de la fase del ciclo y nivel de confianza
3. Si aparece una advertencia de frescura de datos, anótala en el análisis

Paso 2: Evaluación del ciclo de mercado

Usa la estimación de la fase del ciclo del script como punto de partida:

• Lee references/sector_rotation.md para acceder a los marcos de ciclo de mercado y rotación sectorial
• Compara los hallazgos cuantitativos del script con los patrones esperados para cada fase del ciclo:
  • Recuperación de ciclo temprano
  • Expansión de ciclo medio
  • Ciclo tardío
  • Recesión
• Añade una interpretación cualitativa informada por la base de conocimiento

Si se proporcionan imágenes de gráficos, úsalas para complementar con detalles a nivel de industria:

• Extrae datos de rendimiento a nivel de industria de las imágenes de gráficos
• Compara el rendimiento de 1 semana vs. 1 mes para verificar la consistencia de la tendencia
• Observa industrias específicas que muestren fortaleza o debilidad dentro de los sectores

Paso 3: Análisis de la situación actual

Sintetiza las observaciones en una evaluación objetiva:

• Indica a qué fase del ciclo de mercado se asemeja más el rendimiento actual
• Destaca la evidencia de apoyo (qué sectores/industrias confirman esta visión)
• Observa cualquier señal contradictoria o patrón inusual
• Evalúa el nivel de confianza basado en la consistencia de las señales

Usa un lenguaje basado en datos y referencias específicas a cifras de rendimiento.

Paso 4: Desarrollo de escenarios

Basándose en los principios de rotación sectorial y el posicionamiento actual, desarrolla 2-4 escenarios potenciales para la siguiente fase:

Para cada escenario:

• Describe la transición del ciclo de mercado
• Identifica qué sectores probablemente tendrían un rendimiento superior
• Identifica qué sectores probablemente tendrían un rendimiento inferior
• Especifica los catalizadores o condiciones que confirmarían este escenario
• Asigna una probabilidad (ver Marco de Evaluación de Probabilidades en sector_rotation.md)

Los escenarios deben ir desde el más probable (mayor probabilidad) hasta los escenarios alternativos/contrarios.

Paso 5: Generación de la salida

Crea un documento Markdown estructurado con las siguientes secciones:

Secciones requeridas:

1. Resumen Ejecutivo: Resumen de 2-3 oraciones de los hallazgos clave
2. Situación Actual: Análisis detallado de los patrones de rendimiento actuales y el posicionamiento en el ciclo de mercado
3. Evidencia de Apoyo: Datos específicos de rendimiento sectorial e industrial que respalden la evaluación del ciclo
4. Análisis de Escenarios: 2-4 escenarios con descripciones y asignaciones de probabilidad
5. Posicionamiento Recomendado: Recomendaciones de posicionamiento estratégico y táctico basadas en las probabilidades de los escenarios
6. Riesgos Clave: Riesgos notables o señales contradictorias a monitorear

Formato de salida

Guarda los resultados del análisis como un archivo Markdown con la convención de nomenclatura: sector_analysis_YYYY-MM-DD.md

Usa esta estructura:

# Sector Performance Analysis - [Fecha]

## Executive Summary

[2-3 oraciones resumiendo los hallazgos clave]

## Current Situation

### Market Cycle Assessment
[Qué fase del ciclo y por qué]

### Performance Patterns Observed

#### 1-Week Performance
[Análisis del rendimiento reciente]

#### 1-Month Performance
[Análisis de tendencias a medio plazo]

#### Sector-Level Analysis
[Desglose detallado por sector]

#### Industry-Level Analysis
[Observaciones notables a nivel de industria]

## Supporting Evidence

### Confirming Signals
- [Lista de puntos de datos que respaldan la evaluación del ciclo]

### Contradictory Signals
- [Lista de cualquier indicador conflictivo]

## Scenario Analysis

### Scenario 1: [Nombre] (Probability: XX%)
**Description**: [Qué sucede]
**Outperformers**: [Sectores/industrias]
**Underperformers**: [Sectores/industrias]
**Catalysts**: [Qué confirmaría este escenario]

### Scenario 2: [Nombre] (Probability: XX%)
[Repetir estructura]

[Escenarios adicionales según corresponda]

## Recommended Positioning

### Strategic Positioning (Medium-term)
[Recomendaciones de asignación sectorial]

### Tactical Positioning (Short-term)
[Ajustes u oportunidades específicos]

## Key Risks and Monitoring Points

[Qué observar que podría invalidar el análisis]

---
*Analysis Date: [Fecha]*
*Data Period: [Periodo de tiempo de los gráficos analizados]*

Principios clave de análisis

Al realizar el análisis:

1. Objetividad Primero: Deja que los datos guíen las conclusiones, no las ideas preconcebidas
2. Pensamiento Probabilístico: Expresa la incertidumbre mediante rangos de probabilidad
3. Múltiples Plazos: Compara datos de 1 semana y 1 mes para confirmar tendencias
4. Rendimiento Relativo: Enfócate en la fortaleza relativa, no en los rendimientos absolutos
5. La Amplitud Importa: Los movimientos amplios son más significativos que los movimientos aislados
6. Sin Absolutos: Los mercados rara vez siguen patrones de libro de texto exactamente
7. Contexto Histórico: Hace referencia a patrones de rotación típicos pero reconoce la singularidad

Guía de probabilidades

Aplica estos rangos de probabilidad según la solidez de la evidencia:

• 70-85%: Evidencia sólida con múltiples señales confirmatorias entre sectores y plazos
• 50-70%: Evidencia moderada con algunas señales confirmatorias pero indicadores mixtos
• 30-50%: Evidencia débil con señales limitadas o conflictivas
• 15-30%: Escenario especulativo contrario a los indicadores actuales pero posible

Las probabilidades totales de todos los escenarios deben sumar aproximadamente el 100%.

Recursos

scripts/

• analyze_sector_rotation.py - Obtiene datos CSV sectoriales y produce clasificaciones sectoriales, puntuación de régimen de riesgo, indicadores de sobrecompra/sobreventa y estimación de la fase del ciclo. No requiere clave API.

references/

• sector_rotation.md - Base de conocimiento completa que cubre las fases del ciclo de mercado, patrones típicos de rendimiento sectorial y marcos de evaluación de probabilidades

assets/

Gráficos de muestra que demuestran el formato de entrada esperado para el análisis opcional basado en imágenes:

• sector_performance.jpeg - Gráfico de rendimiento sectorial de ejemplo (1 semana y 1 mes)
• industory_performance_1.jpeg - Gráfico de rendimiento industrial de ejemplo (superiores)
• industory_performance_2.jpeg - Gráfico de rendimiento industrial de ejemplo (inferiores)

Notas importantes

• Todo el pensamiento del análisis debe realizarse en inglés
• Los archivos Markdown de salida deben estar en inglés
• Consulta la base de conocimiento de rotación sectorial para cada análisis
• Mantén la objetividad y evita el sesgo de confirmación
• Actualiza las evaluaciones de probabilidad si se dispone de nuevos datos
• Las imágenes de gráficos son opcionales; los datos CSV proporcionan la entrada principal del análisis
• El script utiliza la misma clasificación sectorial que uptrend-analyzer para mantener la consistencia