tradermonty/セクターアナリスト

セクターアナリスト は何をしますか？

概要

このスキルは、TraderMontyの公開CSVデータセットから上昇トレンド比率データを取得し、セクターローテーションと市場サイクルのポジショニングを包括的に分析することを可能にします。セクターのランキング付け、景気循環型 vs ディフェンシブのリスクレジームスコア計算、買われすぎ/売られすぎの状態の特定、現在の市場サイクル局面の推定を行います。チャート画像は、データ駆動型分析を産業レベルまで補足するためにオプションで利用できます。

このスキルを使用するタイミング

このスキルは以下の場合に使用します：

• ユーザーがセクターローテーション分析をリクエストした場合（チャート画像は不要）
• ユーザーが景気循環型 vs ディフェンシブのポジショニングについて尋ねた場合
• ユーザーがどのセクターが買われすぎまたは売られすぎかを知りたい場合
• ユーザーが市場サイクル局面の推定をリクエストした場合
• ユーザーが補足分析用にセクターパフォーマンスチャートを提供した場合
• ユーザーがセクターベースのシナリオ分析や予測を依頼した場合

ユーザーリクエストの例：

• 「セクターローテーション分析を実行してください」
• 「どのセクターが先行していますか？景気循環型ですか、ディフェンシブですか？」
• 「今、買われすぎのセクターはありますか？」
• 「現在の市場サイクルの局面はどこですか？」
• 「これらのセクターパフォーマンスチャートを分析し、市場サイクルのどこにいるか教えてください」

前提条件

• Python 3.9+；サードパーティライブラリは不要（CSVは標準ライブラリ urllib で取得）
• APIキー不要 — データは公開GitHubリポジトリから取得
• オプション: 補足分析用のセクターパフォーマンスチャート画像

データソース

セクター上昇トレンド比率はTraderMontyの公開GitHubリポジトリから取得されます（APIキー不要）：

• セクターサマリー: sector_summary.csv — セクターごとの上昇トレンド比率、トレンド、傾き、ステータス
• 鮮度チェック: uptrend_ratio_timeseries.csv — 最大の日付を使用してデータの鮮度を確認

スクリプトの実行

# デフォルト：CSVを取得し、人間が読める分析を出力
python3 scripts/analyze_sector_rotation.py

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

# ファイルに保存
python3 scripts/analyze_sector_rotation.py --save --output-dir reports/

分析ワークフロー

以下の構造化されたワークフローに従います：

ステップ1: CSVデータ収集

1. 分析スクリプトを実行：python3 scripts/analyze_sector_rotation.py
2. 出力から以下を抽出：
   • 上昇トレンド比率によるセクターランキング
   • リスクレジーム（景気循環型 vs ディフェンシブ）とスコア
   • 買われすぎ/売られすぎのセクター
   • サイクル局面推定と信頼度
3. データ鮮度に関する警告が表示された場合は、分析にその旨を記載

ステップ2: 市場サイクル評価

スクリプトのサイクル局面推定を出発点として使用します：

• references/sector_rotation.md を参照し、市場サイクルとセクターローテーションのフレームワークにアクセス
• スクリプトの定量的な結果を、各サイクル局面の期待パターンと比較：
  • 早期サイクル回復
  • 中期サイクル拡大
  • 後期サイクル
  • 景気後退
• 知識ベースに基づく定性的解釈を追加

チャート画像が提供された場合は、これらを使用して産業レベルで補足：

• チャート画像から産業レベルのパフォーマンスデータを抽出
• 1週間と1ヶ月のパフォーマンスを比較し、トレンドの一貫性を確認
• セクター内で強さまたは弱さを示す特定の産業に注目

ステップ3: 現在の状況分析

観察結果を客観的な評価に統合：

• 現在のパフォーマンスが最も類似している市場サイクル局面を特定
• その見解を裏付ける証拠（どのセクター/産業が確認するか）を強調
• 矛盾するシグナルや異常なパターンがあれば指摘
• シグナルの一貫性に基づいて信頼度を評価

データ駆動型の言語とパフォーマンス数値への具体的な参照を使用します。

ステップ4: シナリオ開発

セクターローテーションの原則と現在のポジショニングに基づき、次の局面に向けて2〜4の潜在的なシナリオを開発：

各シナリオについて：

• 市場サイクルの移行を説明
• どのセクターがアウトパフォームする可能性が高いかを特定
• どのセクターがアンダーパフォームする可能性が高いかを特定
• このシナリオを確認するきっかけや条件を明記
• 確率を割り当て（sector_rotation.mdの確率評価フレームワークを参照）

シナリオは、最も可能性が高いもの（最高確率）から代替/逆張りシナリオへと範囲を広げます。

ステップ5: 出力生成

以下のセクションを含む構造化されたMarkdownドキュメントを作成：

必須セクション：

1. エグゼクティブサマリー: 主な調査結果の2〜3文の概要
2. 現在の状況: 現在のパフォーマンスパターンと市場サイクルポジショニングの詳細分析
3. 裏付け証拠: サイクル評価を裏付ける具体的なセクターおよび産業のパフォーマンスデータ
4. シナリオ分析: 2〜4のシナリオと確率の割り当て
5. 推奨ポジショニング: シナリオ確率に基づく戦略的および戦術的ポジショニングの推奨
6. 主要リスク: 監視すべき注目すべきリスクや矛盾するシグナル

出力形式

分析結果は、sector_analysis_YYYY-MM-DD.md という命名規則のMarkdownファイルとして保存します。

以下の構造を使用します：

# セクターパフォーマンス分析 - [日付]

## エグゼクティブサマリー

[主な調査結果を2〜3文で要約]

## 現在の状況

### 市場サイクル評価
[どのサイクル局面か、その理由]

### 観察されたパフォーマンスパターン

#### 1週間パフォーマンス
[最近のパフォーマンス分析]

#### 1ヶ月パフォーマンス
[中期トレンドの分析]

#### セクターレベル分析
[セクター別の詳細な内訳]

#### 産業レベル分析
[注目すべき産業固有の観察結果]

## 裏付け証拠

### 確認シグナル
- [サイクル評価を裏付けるデータポイントのリスト]

### 矛盾シグナル
- [矛盾する指標があればリスト]

## シナリオ分析

### シナリオ1: [名前] (確率: XX%)
**説明**: [何が起こるか]
**アウトパフォーマー**: [セクター/産業]
**アンダーパフォーマー**: [セクター/産業]
**きっかけ**: [このシナリオを確認するもの]

### シナリオ2: [名前] (確率: XX%)
[同様の構造を繰り返す]

[必要に応じて追加シナリオ]

## 推奨ポジショニング

### 戦略的ポジショニング（中期）
[セクター配分の推奨]

### 戦術的ポジショニング（短期）
[具体的な調整や機会]

## 主要リスクと監視ポイント

[分析を無効にする可能性のある監視対象]

---
*分析日: [日付]*
*データ期間: [分析したチャートの時間枠]*

主要分析原則

分析を実施する際は：

1. 客観性を最優先: 先入観ではなくデータに結論を導かせる
2. 確率的思考: 不確実性を確率範囲で表現する
3. 複数時間枠: 1週間と1ヶ月のデータを比較してトレンドを確認する
4. 相対パフォーマンス: 絶対リターンではなく相対的な強さに焦点を当てる
5. 広がりが重要: 広範な動きは孤立した動きよりも重要である
6. 絶対なし: 市場が教科書通りのパターンに正確に従うことはほとんどない
7. 歴史的コンテキスト: 典型的なローテーションパターンを参照するが、独自性を認識する

確率ガイドライン

証拠の強さに基づいて以下の確率範囲を適用します：

• 70-85%: 複数のセクターと時間枠にわたって複数の確認シグナルがある強力な証拠
• 50-70%: いくつかの確認シグナルがあるが指標が混在している中程度の証拠
• 30-50%: 限定的または矛盾するシグナルがある弱い証拠
• 15-30%: 現在の指標に反するが可能性のある投機的シナリオ

全シナリオの合計確率はおよそ100%になる必要があります。

リソース

scripts/

• analyze_sector_rotation.py - セクターCSVデータを取得し、セクターランキング、リスクレジームスコアリング、買われすぎ/売られすぎフラグ、サイクル局面推定を生成します。APIキーは不要です。

references/

• sector_rotation.md - 市場サイクル局面、典型的なセクターパフォーマンスパターン、確率評価フレームワークをカバーする包括的な知識ベース

assets/

オプションの画像ベース分析に期待される入力形式を示すサンプルチャート：

• sector_performance.jpeg - セクターレベルパフォーマンスチャートの例（1週間と1ヶ月）
• industory_performance_1.jpeg - 産業パフォーマンスチャートの例（アウトパフォーマー）
• industory_performance_2.jpeg - 産業パフォーマンスチャートの例（アンダーパフォーマー）

重要な注意事項

• すべての分析思考は英語で行う必要があります
• 出力Markdownファイルは英語である必要があります
• 各分析においてセクターローテーション知識ベースを参照してください
• 客観性を維持し、確証バイアスを避けてください
• 新しいデータが利用可能になった場合は確率評価を更新してください
• チャート画像はオプションです。CSVデータが主要な分析入力を提供します
• スクリプトは一貫性のためにuptrend-analyzerと同じセクター分類を使用します