tradermonty/sector-analyst

Sector Analyst

Visão Geral

Esta skill permite uma análise abrangente da rotação setorial e do posicionamento no ciclo de mercado, buscando dados de razão de tendência de alta do conjunto de dados CSV público da TraderMonty. Ela classifica setores, calcula pontuações de regime de risco cíclico vs defensivo, identifica condições de sobrecompra/sobrevenda e estima a fase atual do ciclo de mercado. Imagens de gráficos podem opcionalmente complementar a análise baseada em dados com detalhes em nível de indústria.

Quando Usar Esta Skill

Use esta skill quando:

• O usuário solicitar análise de rotação setorial (sem necessidade de imagens de gráficos)
• O usuário perguntar sobre posicionamento cíclico vs defensivo
• O usuário quiser saber quais setores estão sobrecomprados ou sobrevendidos
• O usuário solicitar estimativa da fase do ciclo de mercado
• O usuário fornecer gráficos de desempenho setorial para análise complementar
• O usuário pedir análise de cenários ou previsões baseadas em setores

Exemplos de solicitações do usuário:

• "Execute uma análise de rotação setorial"
• "Quais setores estão liderando — cíclicos ou defensivos?"
• "Algum setor está sobrecomprado agora?"
• "Em que fase do ciclo de mercado estamos?"
• "Analise estes gráficos de desempenho setorial e me diga onde estamos no ciclo de mercado"

Pré-requisitos

• Python 3.9+; nenhuma biblioteca de terceiros necessária (CSV obtido via stdlib urllib)
• Nenhuma chave de API necessária — os dados são obtidos de um repositório público do GitHub
• Opcional: Imagens de gráficos de desempenho setorial para análise complementar

Fonte de Dados

As razões de tendência de alta setorial são obtidas do repositório público do GitHub da TraderMonty (sem necessidade de chave de API):

• Resumo Setorial: sector_summary.csv — razão de tendência de alta, tendência, inclinação e status por setor
• Verificação de Atualização: uptrend_ratio_timeseries.csv — max(date) usado para verificar a atualização dos dados

Executando o Script

# Padrão: buscar CSV, imprimir análise legível
python3 scripts/analyze_sector_rotation.py

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

# Salvar em arquivo
python3 scripts/analyze_sector_rotation.py --save --output-dir reports/

Fluxo de Trabalho de Análise

Siga este fluxo de trabalho estruturado:

Etapa 1: Coleta de Dados CSV

1. Execute o script de análise: python3 scripts/analyze_sector_rotation.py
2. Extraia da saída:
   • Classificação setorial por razão de tendência de alta
   • Regime de risco (cíclico vs defensivo) e pontuação
   • Setores sobrecomprados/sobrevendidos
   • Estimativa da fase do ciclo e nível de confiança
3. Se um aviso de atualização dos dados aparecer, anote-o na análise

Etapa 2: Avaliação do Ciclo de Mercado

Use a estimativa da fase do ciclo do script como ponto de partida:

• Leia references/sector_rotation.md para acessar frameworks de ciclo de mercado e rotação setorial
• Compare os achados quantitativos do script com os padrões esperados para cada fase do ciclo:
  • Recuperação do Início do Ciclo
  • Expansão do Meio do Ciclo
  • Final do Ciclo
  • Recessão
• Adicione interpretação qualitativa informada pela base de conhecimento

Se imagens de gráficos forem fornecidas, use-as para complementar com detalhes em nível de indústria:

• Extraia dados de desempenho em nível de indústria das imagens de gráficos
• Compare o desempenho de 1 semana vs 1 mês para consistência de tendência
• Observe indústrias específicas mostrando força ou fraqueza dentro dos setores

Etapa 3: Análise da Situação Atual

Sintetize as observações em uma avaliação objetiva:

• Indique a qual fase do ciclo de mercado o desempenho atual mais se assemelha
• Destaque as evidências de apoio (quais setores/indústrias confirmam esta visão)
• Observe quaisquer sinais contraditórios ou padrões incomuns
• Avalie o nível de confiança com base na consistência dos sinais

Use linguagem baseada em dados e referências específicas a números de desempenho.

Etapa 4: Desenvolvimento de Cenários

Com base nos princípios de rotação setorial e no posicionamento atual, desenvolva 2-4 cenários potenciais para a próxima fase:

Para cada cenário:

• Descreva a transição do ciclo de mercado
• Identifique quais setores provavelmente teriam desempenho superior
• Identifique quais setores provavelmente teriam desempenho inferior
• Especifique os catalisadores ou condições que confirmariam este cenário
• Atribua uma probabilidade (veja o Framework de Avaliação de Probabilidade em sector_rotation.md)

Os cenários devem variar do mais provável (maior probabilidade) ao alternativo/contrário.

Etapa 5: Geração de Saída

Crie um documento Markdown estruturado com as seguintes seções:

Seções Obrigatórias:

1. Resumo Executivo: Visão geral de 2-3 frases dos principais achados
2. Situação Atual: Análise detalhada dos padrões de desempenho atuais e posicionamento no ciclo de mercado
3. Evidências de Apoio: Dados específicos de desempenho setorial e de indústria que apoiam a avaliação do ciclo
4. Análise de Cenários: 2-4 cenários com descrições e atribuições de probabilidade
5. Posicionamento Recomendado: Recomendações de posicionamento estratégico e tático com base nas probabilidades dos cenários
6. Principais Riscos: Riscos notáveis ou sinais contraditórios a monitorar

Formato de Saída

Salve os resultados da análise como um arquivo Markdown com a convenção de nomenclatura: sector_analysis_YYYY-MM-DD.md

Use esta estrutura:

# Análise de Desempenho Setorial - [Data]

## Resumo Executivo

[2-3 frases resumindo os principais achados]

## Situação Atual

### Avaliação do Ciclo de Mercado
[Qual fase do ciclo e por quê]

### Padrões de Desempenho Observados

#### Desempenho de 1 Semana
[Análise do desempenho recente]

#### Desempenho de 1 Mês
[Análise das tendências de médio prazo]

#### Análise em Nível Setorial
[Detalhamento por setor]

#### Análise em Nível de Indústria
[Observações notáveis específicas de indústria]

## Evidências de Apoio

### Sinais Confirmadores
- [Listar pontos de dados que apoiam a avaliação do ciclo]

### Sinais Contraditórios
- [Listar quaisquer indicadores conflitantes]

## Análise de Cenários

### Cenário 1: [Nome] (Probabilidade: XX%)
**Descrição**: [O que acontece]
**Superperformers**: [Setores/indústrias]
**Subperformers**: [Setores/indústrias]
**Catalisadores**: [O que confirmaria este cenário]

### Cenário 2: [Nome] (Probabilidade: XX%)
[Repetir estrutura]

[Cenários adicionais conforme apropriado]

## Posicionamento Recomendado

### Posicionamento Estratégico (Médio Prazo)
[Recomendações de alocação setorial]

### Posicionamento Tático (Curto Prazo)
[Ajustes ou oportunidades específicas]

## Principais Riscos e Pontos de Monitoramento

[O que observar que poderia invalidar a análise]

---
*Data da Análise: [Data]*
*Período dos Dados: [Período de tempo dos gráficos analisados]*

Princípios Chave de Análise

Ao conduzir a análise:

1. Objetividade Primeiro: Deixe os dados guiarem as conclusões, não preconcepções
2. Pensamento Probabilístico: Expresse incerteza através de faixas de probabilidade
3. Múltiplos Períodos de Tempo: Compare dados de 1 semana e 1 mês para confirmação de tendência
4. Desempenho Relativo: Foque na força relativa, não em retornos absolutos
5. Amplitude Importa: Movimentos amplos são mais significativos que movimentos isolados
6. Sem Absolutos: Mercados raramente seguem padrões de livro-texto exatamente
7. Contexto Histórico: Refira-se a padrões típicos de rotação, mas reconheça a singularidade

Diretrizes de Probabilidade

Aplique estas faixas de probabilidade com base na força da evidência:

• 70-85%: Evidência forte com múltiplos sinais confirmadores entre setores e períodos de tempo
• 50-70%: Evidência moderada com alguns sinais confirmadores, mas indicadores mistos
• 30-50%: Evidência fraca com sinais limitados ou conflitantes
• 15-30%: Cenário especulativo contrário aos indicadores atuais, mas possível

As probabilidades totais entre todos os cenários devem somar aproximadamente 100%.

Recursos

scripts/

• analyze_sector_rotation.py - Obtém dados CSV setoriais e produz classificações setoriais, pontuação de regime de risco, sinalizadores de sobrecompra/sobrevenda e estimativa da fase do ciclo. Nenhuma chave de API necessária.

references/

• sector_rotation.md - Base de conhecimento abrangente cobrindo fases do ciclo de mercado, padrões típicos de desempenho setorial e frameworks de avaliação de probabilidade

assets/

Exemplos de gráficos demonstrando o formato de entrada esperado para análise baseada em imagens opcional:

• sector_performance.jpeg - Exemplo de gráfico de desempenho setorial (1 semana e 1 mês)
• industory_performance_1.jpeg - Exemplo de gráfico de desempenho de indústria (superperformers)
• industory_performance_2.jpeg - Exemplo de gráfico de desempenho de indústria (subperformers)

Notas Importantes

• Todo o raciocínio de análise deve ser conduzido em inglês
• Os arquivos Markdown de saída devem estar em inglês
• Consulte a base de conhecimento de rotação setorial para cada análise
• Mantenha a objetividade e evite viés de confirmação
• Atualize as avaliações de probabilidade se novos dados estiverem disponíveis
• As imagens de gráficos são opcionais; os dados CSV fornecem a entrada principal da análise
• O script usa a mesma classificação setorial que o uptrend-analyzer para consistência