tradermonty/sector-analyst

Sector Analyst

Aperçu

Cette compétence permet une analyse complète de la rotation sectorielle et du positionnement dans le cycle de marché en récupérant les données de ratio de tendance haussière à partir du jeu de données CSV public de TraderMonty. Elle classe les secteurs, calcule les scores de régime de risque cyclique vs défensif, identifie les conditions de surachat/survente et estime la phase actuelle du cycle de marché. Des images de graphiques peuvent optionnellement compléter l'analyse basée sur les données avec des détails au niveau industriel.

Quand utiliser cette compétence

Utilisez cette compétence lorsque :

• L'utilisateur demande une analyse de rotation sectorielle (aucune image de graphique requise)
• L'utilisateur pose des questions sur le positionnement cyclique vs défensif
• L'utilisateur souhaite savoir quels secteurs sont surachetés ou survendus
• L'utilisateur demande une estimation de la phase du cycle de marché
• L'utilisateur fournit des graphiques de performance sectorielle pour une analyse complémentaire
• L'utilisateur demande une analyse de scénarios ou des prédictions basées sur les secteurs

Exemples de demandes utilisateur :

• « Effectue une analyse de rotation sectorielle »
• « Quels secteurs sont en tête – cycliques ou défensifs ? »
• « Y a-t-il des secteurs surachetés en ce moment ? »
• « Dans quelle phase du cycle de marché sommes-nous ? »
• « Analyse ces graphiques de performance sectorielle et dis-moi où nous en sommes dans le cycle de marché »

Prérequis

• Python 3.9+ ; aucune bibliothèque tierce requise (CSV récupéré via urllib de la bibliothèque standard)
• Aucune clé API requise — les données sont récupérées depuis un dépôt GitHub public
• Optionnel : Images de graphiques de performance sectorielle pour une analyse complémentaire

Source de données

Les ratios de tendance haussière sectorielle sont récupérés depuis le dépôt GitHub public de TraderMonty (aucune clé API requise) :

• Résumé sectoriel : sector_summary.csv — ratio de tendance haussière, tendance, pente et statut par secteur
• Vérification de fraîcheur : uptrend_ratio_timeseries.csv — max(date) utilisé pour vérifier la récence des données

Exécution du script

# Par défaut : récupère le CSV, affiche une analyse lisible par l'homme
python3 scripts/analyze_sector_rotation.py

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

# Sauvegarder dans un fichier
python3 scripts/analyze_sector_rotation.py --save --output-dir reports/

Flux de travail d'analyse

Suivez ce flux de travail structuré :

Étape 1 : Collecte des données CSV

1. Exécutez le script d'analyse : python3 scripts/analyze_sector_rotation.py
2. Extrayez de la sortie :
   • Classement des secteurs par ratio de tendance haussière
   • Régime de risque (cyclique vs défensif) et score
   • Secteurs surachetés/survendus
   • Estimation de la phase du cycle et niveau de confiance
3. Si un avertissement de fraîcheur des données apparaît, notez-le dans l'analyse

Étape 2 : Évaluation du cycle de marché

Utilisez l'estimation de la phase du cycle fournie par le script comme point de départ :

• Lisez references/sector_rotation.md pour accéder aux cadres de cycle de marché et de rotation sectorielle
• Comparez les résultats quantitatifs du script avec les modèles attendus pour chaque phase du cycle :
  • Reprise en début de cycle
  • Expansion en milieu de cycle
  • Fin de cycle
  • Récession
• Ajoutez une interprétation qualitative basée sur la base de connaissances

Si des images de graphiques sont fournies, utilisez-les pour compléter avec des détails au niveau industriel :

• Extrayez les données de performance au niveau industriel des images de graphiques
• Comparez les performances sur 1 semaine vs 1 mois pour la cohérence de la tendance
• Notez les industries spécifiques montrant des forces ou faiblesses au sein des secteurs

Étape 3 : Analyse de la situation actuelle

Synthétisez les observations en une évaluation objective :

• Indiquez à quelle phase du cycle de marché la performance actuelle ressemble le plus
• Mettez en évidence les preuves à l'appui (quels secteurs/industries confirment cette vision)
• Notez tout signal contradictoire ou schéma inhabituel
• Évaluez le niveau de confiance en fonction de la cohérence des signaux

Utilisez un langage basé sur les données et des références spécifiques aux chiffres de performance.

Étape 4 : Développement de scénarios

Sur la base des principes de rotation sectorielle et du positionnement actuel, développez 2 à 4 scénarios potentiels pour la phase suivante :

Pour chaque scénario :

• Décrivez la transition du cycle de marché
• Identifiez les secteurs qui surperformeraient probablement
• Identifiez les secteurs qui sous-performeraient probablement
• Spécifiez les catalyseurs ou conditions qui confirmeraient ce scénario
• Assignez une probabilité (voir Cadre d'évaluation des probabilités dans sector_rotation.md)

Les scénarios doivent aller du plus probable (probabilité la plus élevée) aux scénarios alternatifs/contraires.

Étape 5 : Génération de la sortie

Créez un document Markdown structuré avec les sections suivantes :

Sections requises :

1. Résumé exécutif : Aperçu de 2 à 3 phrases des principales conclusions
2. Situation actuelle : Analyse détaillée des schémas de performance actuels et du positionnement dans le cycle de marché
3. Preuves à l'appui : Données de performance spécifiques aux secteurs et industries soutenant l'évaluation du cycle
4. Analyse des scénarios : 2 à 4 scénarios avec descriptions et assignations de probabilités
5. Positionnement recommandé : Recommandations de positionnement stratégique et tactique basées sur les probabilités des scénarios
6. Risques clés : Risques notables ou signaux contradictoires à surveiller

Format de sortie

Sauvegardez les résultats de l'analyse sous forme de fichier Markdown avec la convention de nommage : sector_analysis_YYYY-MM-DD.md

Utilisez cette structure :

# Analyse de la performance sectorielle - [Date]

## Résumé exécutif

[2-3 phrases résumant les principales conclusions]

## Situation actuelle

### Évaluation du cycle de marché
[Quelle phase du cycle et pourquoi]

### Schémas de performance observés

#### Performance sur 1 semaine
[Analyse de la performance récente]

#### Performance sur 1 mois
[Analyse des tendances à moyen terme]

#### Analyse au niveau sectoriel
[Décomposition détaillée par secteur]

#### Analyse au niveau industriel
[Observations notables spécifiques à l'industrie]

## Preuves à l'appui

### Signaux confirmants
- [Liste des points de données soutenant l'évaluation du cycle]

### Signaux contradictoires
- [Liste des indicateurs conflictuels]

## Analyse des scénarios

### Scénario 1 : [Nom] (Probabilité : XX%)
**Description** : [Ce qui se passe]
**Surperformeurs** : [Secteurs/industries]
**Sous-performeurs** : [Secteurs/industries]
**Catalyseurs** : [Ce qui confirmerait ce scénario]

### Scénario 2 : [Nom] (Probabilité : XX%)
[Répéter la structure]

[Scénarios supplémentaires selon le cas]

## Positionnement recommandé

### Positionnement stratégique (Moyen terme)
[Recommandations d'allocation sectorielle]

### Positionnement tactique (Court terme)
[Ajustements spécifiques ou opportunités]

## Risques clés et points de surveillance

[Ce qu'il faut surveiller qui pourrait invalider l'analyse]

---
*Date d'analyse : [Date]*
*Période de données : [Période des graphiques analysés]*

Principes clés de l'analyse

Lors de la conduite de l'analyse :

1. Objectivité d'abord : Laissez les données guider les conclusions, pas les préconceptions
2. Pensée probabiliste : Exprimez l'incertitude à travers des fourchettes de probabilité
3. Plusieurs horizons temporels : Comparez les données sur 1 semaine et 1 mois pour la confirmation de la tendance
4. Performance relative : Concentrez-vous sur la force relative, pas sur les rendements absolus
5. L'ampleur compte : Les mouvements généralisés sont plus significatifs que les mouvements isolés
6. Pas d'absolus : Les marchés suivent rarement les schémas théoriques exactement
7. Contexte historique : Référencez les schémas de rotation typiques mais reconnaissez le caractère unique

Directives de probabilité

Appliquez ces fourchettes de probabilité en fonction de la force des preuves :

• 70-85% : Preuves solides avec plusieurs signaux confirmants à travers les secteurs et les horizons temporels
• 50-70% : Preuves modérées avec quelques signaux confirmants mais des indicateurs mitigés
• 30-50% : Preuves faibles avec des signaux limités ou conflictuels
• 15-30% : Scénario spéculatif contraire aux indicateurs actuels mais possible

Les probabilités totales pour tous les scénarios doivent approximativement totaliser 100 %.

Ressources

scripts/

• analyze_sector_rotation.py - Récupère les données CSV sectorielles et produit les classements sectoriels, le score de régime de risque, les indicateurs de surachat/survente et l'estimation de la phase du cycle. Aucune clé API requise.

references/

• sector_rotation.md - Base de connaissances complète couvrant les phases du cycle de marché, les schémas de performance sectorielle typiques et les cadres d'évaluation des probabilités

assets/

Exemples de graphiques démontrant le format d'entrée attendu pour l'analyse basée sur des images optionnelles :

• sector_performance.jpeg - Exemple de graphique de performance sectorielle (1 semaine et 1 mois)
• industory_performance_1.jpeg - Exemple de graphique de performance industrielle (surperformeurs)
• industory_performance_2.jpeg - Exemple de graphique de performance industrielle (sous-performeurs)

Remarques importantes

• Toute réflexion d'analyse doit être menée en anglais
• Les fichiers Markdown de sortie doivent être en anglais
• Référencez la base de connaissances de rotation sectorielle pour chaque analyse
• Maintenez l'objectivité et évitez le biais de confirmation
• Mettez à jour les évaluations de probabilité si de nouvelles données deviennent disponibles
• Les images de graphiques sont facultatives ; les données CSV fournissent l'entrée d'analyse principale
• Le script utilise la même classification sectorielle que uptrend-analyzer pour la cohérence