agentleFS
WeaxsWeaxs/stock-analysis-plugin/skills/sector-rotation/SKILL.md

sector-rotation

Skill95 starsChanged 3 days agoMITView on GitHub

行业ETF轮动研究:核对SSRN 4280640论文规则,复核预测分布集中度与历史配权,评估轮动对现有策略的增益。提供确定性计算与配权分项回测,不生成深度模型预测或实盘买卖计划。

6 other projects use a version of this.

Adopted by

Most recently taken up by

The file

We split this skill into the rules it gives an agent

1 rule. 0 are common, 0 are distinctive, and 1 is very specific to this project.

  • 0

    Common

    Most of the 5 edited versions we read keep these.

  • 0

    Distinctive

    This author's own choices. Worth a look.

  • 1

    Very specific

    Tied to their project's names, files or tools. Probably skip.

  • Common
  • Distinctive
  • Very specific
  1. Very specific:

    MUST 先读取 计算与回测接口,再调用 backtest_rotation_allocation。用户给代码时使用 symbols 自动获取行情与报价币种;已有核实的行情才传 datasets。两种模式互斥,不能要求正常用户手工准备行情文件。

    line 42

“Common” is measured: kept by at least 6 in 10 of the 5 edited versions of this file we could read. “Very specific” is our guess from the words: it names a file, a command, a setting or the project itself.

Keep what fits and drop the rest. Your version, ready for your agents.
Files
SKILL.md

行业 ETF 轮动研究

用于研究一组行业 ETF 的周度轮动,以及它是否值得补充现有趋势、题材或组合策略。市场由用户指定,允许跨市场;论文的美国样本不构成插件市场限制。

实现状态:共享Python数值计算与配权分项回测已实现,论文完整训练与信号模型未实现。MUST 将“原文已披露规则”“尚未披露的实现细节”“插件的跨市场扩展”分别说明。MUST NOT 声称已经严格复现论文或重现其收益。

1. 明确要改善什么

  • 行业配置:比较不同 ETF 的取舍、空仓和资金分配。这是与现有能力最直接的补充。
  • 热点题材:hot-theme 判断板块强度与催化,不能用本论文证明其预测能力得到改善。
  • 个股趋势:bull-trend 的月度持有与本论文的周内清仓时钟不同。MUST NOT 自动把轮动筛选叠加为个股买入过滤器。
  • 单股回测:strategy-backtest 的单标的 YAML 不能代表跨 ETF 共享资金组合。

仅问是否有用时,结合上述区别回答;无独立对照证据时,结论为“有能力补充价值,收益增益未证实”。

2. 核对论文与数据

研究具体规则、复现、模型预测或交易时,MUST 先读取 论文规则、缺项与输入格式。严格复现所需的损失函数或参数缺失时,列出缺项,停止生成模型信号;MUST NOT 自选参数并冠以原策略名称。

用户提供代码即可通过现有 get_kline 获取整个池的 daily OHLCV,按研究区间加预热历史;行业归属、ETF身份、币种或复权未知时明确标记。没有代码时才需要确定标的池。MUST 保留整池成员、来源、实际区间及缺失项,不能静默删掉失败成员改变横截面。

跨市场时,分别记录交易所、时区、币种、当地交易日和周末决策截止时间;只使用截止时已发布的数据。共同资金研究还需要历史汇率、换汇成本及结算约束,数据缺失时停止组合收益计算。MUST NOT 将不同币种净值相加、把后收盘市场的数据用于早开盘市场的历史订单,或把本地周线按日期直接拼接后宣称无前视。

3. 复核已披露计算

已有模型生成的 MC-dropout 样本或历史成交计数时,调用 calculate_rotation_metrics(prediction_samples?, trade_counts?)。Agent负责提供有来源的输入和解释结果,MUST 使用工具计算,不临场手算或重写算子。交易计数可直接复用分项回测返回的 trade_counts;缺原模型预测时,MUST NOT 用动量、随机数或语言模型猜测代替。

  • confidence:复核预测值在“中位数 ± 总体标准差”内的经验占比。
  • allocation:复核 1 + wins/buys + streak/(wins+1) 原始配权分数。

输入格式、样本来源与零历史边界见参考。所有算子以共享 tools/sector_rotation.py 为唯一实现,四宿主转发同一JSON。skill里的 scripts/rotation_metrics.py 仅保留旧调用兼容入口;没有另一套公式。没有模型训练、账户存储或下单功能。

MUST 同时报 paper_reproduction=partial_calculations_only。集中度不是盈利概率;原始配权分数不是目标权重、股数或已确认可用资金。两项计算都不能独立决定买入。

4. 运行配权分项回测

MUST 先读取 计算与回测接口,再调用 backtest_rotation_allocation。用户给代码时使用 symbols 自动获取行情与报价币种;已有核实的行情才传 datasets。两种模式互斥,不能要求正常用户手工准备行情文件。

该工具在相同全池周内买卖下比较等权与历史配权,自动计数、费用扣除、净值和回撤;MUST NOT 让Agent自行计算回测收益。按交易所与报价币种分组,每组独立初始资金;报告每组实际区间、跳过周、费用、两组表现及差值。混合代码池不等于跨币种共享资金组合。任一取数失败、复权/价格检查失败或评估期完整交易周缺bar/零成交量则停止,不缩小股票池,不按事后数据完整性选择交易周。预热不足不能用评估期收益补齐初始化。

该分项入口不需要缺失的神经网络,也不能替代它。MUST 同时报 paper_reproduction=allocation_ablation_only,并把历史分数归一化和预热约定与原文已披露公式分开。

5. 评估相对现有策略的增益

取得完整可执行模型后,按预先固定的区间、标的池、初始资金、成交时点和成本比较:

  1. 基准持有、行业 ETF 等权、简单动量轮动、论文模型;现有月度策略仅在标的池和资金口径可比时加入。
  2. 保持年度训练与周度更新的时间边界,归一化和阈值选择均只看当时已知数据;额外报告论文发表后的独立区间。
  3. 分别比较净收益、最大回撤、换手、交易次数和资金占用;逐项关闭置信筛选、亏损过滤或动态配权,检验各部件实际贡献。
  4. 如需改善某个现有策略,另做“原策略 vs 加入该部件”的同条件对照,不能凭独立策略收益推定组合效果。

完成时报告:已实现内容、缺项、对照条件和增益结论。没有完整模型或合格组合回测时,MUST 报“尚未验证”,不能用论文表3、单股回测相加或技术测试通过代替实际增益证据。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.