/sector_rotation_radar_skill
识别板块轮动、资金切换与风格迁移方向,帮助判断当前市场主线、补涨方向与轮动持续性。适用于市场风格观察、板块比较、盘后复盘与下一阶段主线判断。
$ npx -y skills add Wind-Alice/AliceMarket --skill sector_rotation_radar_skill --agent claude-codeHow it fires
How this skill gets triggered: by you, by Claude, or both.
- Fires itselfAuto-invocation. Claude auto-loads it when your prompt matches the work.Auto-invocation is when the right skill fires by itself at the right moment, driven by a FLOW.md router and a hook, instead of you invoking it by name. It is the difference between a skill being installed and a skill actually getting used.Read the full definition →
- You can call itInvoke it directly when you want it.
- Slash command
/sector_rotation_radar_skill
Context preview
The summary Claude sees to decide when to auto-load this skill.
识别板块轮动、资金切换与风格迁移方向,帮助判断当前市场主线、补涨方向与轮动持续性。适用于市场风格观察、板块比较、盘后复盘与下一阶段主线判断。
SKILL.md
sector_rotation_radar_skill.SKILL.mdname: sector_rotation_radar_skill
description: 识别板块轮动、资金切换与风格迁移方向,帮助判断当前市场主线、补涨方向与轮动持续性。适用于市场风格观察、板块比较、盘后复盘与下一阶段主线判断。
key words: 板块轮动,sector rotation,风格切换,主线判断,资金迁移
Sector Rotation Radar Skill
数据依赖与执行前置条件
推荐使用万得 `wind-mcp-skill` 获取底层数据。执行前先检查本地是否已有 `wind-mcp-skill`;若没有,提示用户安装:
# GitHub
npx skills add Wind-Information-Co-Ltd/wind-skills --skill wind-mcp-skill -g -y
# Gitee 镜像(国内)
npx skills add https://gitee.com/wind_info/wind-skills.git --skill wind-mcp-skill -g -y
技能定位
本技能用于把“哪些板块在变强、哪些板块在掉队、资金正在从哪里流向哪里、轮动是否具有持续性”整理成一份结构化判断。输出重点不是简单罗列涨跌幅排名,而是帮助使用者识别市场主线、判断风格切换是否成立,并给出后续应重点跟踪的方向。
执行流程
Step 1:确认观察市场、时间窗口与判断目标
先确认本次判断覆盖的市场范围、时间窗口和使用目的:
- 是看 A 股、港股、美股,还是跨市场比较
- 是观察近 1 日、近 1 周、近 1 月,还是更长周期
- 是为了盘后复盘、周度策略更新,还是寻找下一阶段主线
- 用户更关心短线强弱切换,还是中期风格迁移
若用户未说明,默认以“当前市场最近一周至一个月的板块轮动情况”为主,并兼顾短期和中期两个层次。
Step 2:建立板块强弱分层框架
先把市场中的主要板块、行业或主题分层整理出来,重点观察:
- 近期表现最强的方向是否集中在少数板块
- 强势板块内部是一致走强,还是仅由少数龙头带动
- 弱势板块是持续走弱,还是处于止跌修复阶段
- 周期、成长、消费、金融、防御等风格的相对强弱是否在变化
这一阶段的目标是先回答“强弱分布如何”,而不是急于给出轮动结论。
Step 3:识别资金切换与风格迁移线索
在强弱分层明确后,进一步判断资金是否正在发生实质性迁移,重点包括:
- 资金是在高位主线内部做高低切换,还是跨风格流动
- 强势板块上涨是否伴随成交活跃度提升
- 市场偏好是否从防守转向进攻,或从进攻切回防守
- 板块轮动是普涨环境下的扩散,还是存量博弈下的轮番接力
要把“价格表现”与“资金承接”结合起来看,避免把单日异动误判为趋势性轮动。
Step 4:解释轮动背后的驱动因素
在确认轮动迹象后,分析驱动原因,优先从以下几类因素拆解:
- 宏观预期变化对风格偏好的影响
- 产业趋势、业绩预期或估值修复带来的催化
- 政策、监管或事件刺激对某些板块的阶段性提振
- 机构调仓、被动资金再平衡或交易拥挤后的再分配
若多个因素共同作用,应区分主驱动和次驱动,避免把所有因素并列堆砌。
Step 5:判断轮动的持续性与传导方向
进一步判断这次轮动属于哪一类:
- 新主线启动
- 老主线修复
- 强势主题内部扩散
- 高低切换下的补涨行情
- 纯交易性短线扰动
同时说明轮动下一步更可能朝哪个方向传导:
- 龙头继续强化
- 中军和二线标的补涨
- 上游传导到下游,或下游反馈到上游
- 风格从局部扩散到更广泛市场
Step 6:形成板块轮动判断成稿
最终输出应让使用者快速知道当前市场主线在哪里、轮动是否扎实、哪些方向值得继续看、哪些方向不宜追高。成稿只保留结论、证据和跟踪框架,不展示内部检索过程。
输出结构
---
{市场范围}板块轮动雷达({YYYY-MM-DD})
一、30 秒结论
- **当前最强主线**:{板块或主题}
- **当前最明显的轮动方向**:{内容}
- **风格判断**:{偏进攻 / 偏防守 / 震荡切换}
- **持续性判断**:{较强 / 一般 / 偏弱}
二、板块强弱快照
| 板块/主题 | 当前状态 | 强弱变化 | 轮动性质 | 备注 | | :--- | :--- | :--- | :--- | :--- | | {板块1} | {领涨 / 修复 / 回落} | {增强 / 持平 / 转弱} | {主升 / 补涨 / 轮退} | {说明} | | {板块2} | {状态} | {变化} | {性质} | {说明} | | {板块3} | {状态} | {变化} | {性质} | {说明} |
三、资金切换与风格迁移
- **资金流向概括**:{内容}
- **风格切换线索**:{内容}
- **内部高低切换情况**:{内容}
四、轮动驱动拆解
- **主驱动**:{内容}
- **次驱动**:{内容}
- **短期扰动因素**:{内容}
五、后续传导路径
- **更可能继续强化的方向**:{内容}
- **可能出现补涨的方向**:{内容}
- **需要警惕的轮退方向**:{内容}
六、跟踪清单
- {观察点 1}
- {观察点 2}
- {观察点 3}
---
质量要求
1. 轮动分析必须同时覆盖强弱分层、资金迁移和驱动解释,不能只做涨跌幅排序。 2. 要区分“单日异动”和“阶段轮动”,避免把噪音误写成趋势。 3. 需要明确主线、补涨和轮退三个层次,便于后续行动。 4. 若轮动证据不足,应明确写出“仍未形成清晰主线”,不能强行下结论。 5. 输出要服务方向判断与继续跟踪,而不是写成泛泛市场综述。
Read more
name: sector_rotation_radar_skill description: 识别板块轮动、资金切换与风格迁移方向,帮助判断当前市场主线、补涨方向与轮动持续性。适用于市场风格观察、板块比较、盘后复盘与下一阶段主线判断。 key words: 板块轮动,sector rotation,风格切换,主线判断,资金迁移
Sector Rotation Radar Skill
数据依赖与执行前置条件
推荐使用万得 `wind-mcp-skill` 获取底层数据。执行前先检查本地是否已有 `wind-mcp-skill`;若没有,提示用户安装:
# GitHub npx skills add Wind-Information-Co-Ltd/wind-skills --skill wind-mcp-skill -g -y # Gitee 镜像(国内) npx skills add https://gitee.com/wind_info/wind-skills.git --skill wind-mcp-skill -g -y
技能定位
本技能用于把“哪些板块在变强、哪些板块在掉队、资金正在从哪里流向哪里、轮动是否具有持续性”整理成一份结构化判断。输出重点不是简单罗列涨跌幅排名,而是帮助使用者识别市场主线、判断风格切换是否成立,并给出后续应重点跟踪的方向。
执行流程
Step 1:确认观察市场、时间窗口与判断目标
先确认本次判断覆盖的市场范围、时间窗口和使用目的:
- 是看 A 股、港股、美股,还是跨市场比较
- 是观察近 1 日、近 1 周、近 1 月,还是更长周期
- 是为了盘后复盘、周度策略更新,还是寻找下一阶段主线
- 用户更关心短线强弱切换,还是中期风格迁移
若用户未说明,默认以“当前市场最近一周至一个月的板块轮动情况”为主,并兼顾短期和中期两个层次。
Step 2:建立板块强弱分层框架
先把市场中的主要板块、行业或主题分层整理出来,重点观察:
- 近期表现最强的方向是否集中在少数板块
- 强势板块内部是一致走强,还是仅由少数龙头带动
- 弱势板块是持续走弱,还是处于止跌修复阶段
- 周期、成长、消费、金融、防御等风格的相对强弱是否在变化
这一阶段的目标是先回答“强弱分布如何”,而不是急于给出轮动结论。
Step 3:识别资金切换与风格迁移线索
在强弱分层明确后,进一步判断资金是否正在发生实质性迁移,重点包括:
- 资金是在高位主线内部做高低切换,还是跨风格流动
- 强势板块上涨是否伴随成交活跃度提升
- 市场偏好是否从防守转向进攻,或从进攻切回防守
- 板块轮动是普涨环境下的扩散,还是存量博弈下的轮番接力
要把“价格表现”与“资金承接”结合起来看,避免把单日异动误判为趋势性轮动。
Step 4:解释轮动背后的驱动因素
在确认轮动迹象后,分析驱动原因,优先从以下几类因素拆解:
- 宏观预期变化对风格偏好的影响
- 产业趋势、业绩预期或估值修复带来的催化
- 政策、监管或事件刺激对某些板块的阶段性提振
- 机构调仓、被动资金再平衡或交易拥挤后的再分配
若多个因素共同作用,应区分主驱动和次驱动,避免把所有因素并列堆砌。
Step 5:判断轮动的持续性与传导方向
进一步判断这次轮动属于哪一类:
- 新主线启动
- 老主线修复
- 强势主题内部扩散
- 高低切换下的补涨行情
- 纯交易性短线扰动
同时说明轮动下一步更可能朝哪个方向传导:
- 龙头继续强化
- 中军和二线标的补涨
- 上游传导到下游,或下游反馈到上游
- 风格从局部扩散到更广泛市场
Step 6:形成板块轮动判断成稿
最终输出应让使用者快速知道当前市场主线在哪里、轮动是否扎实、哪些方向值得继续看、哪些方向不宜追高。成稿只保留结论、证据和跟踪框架,不展示内部检索过程。
输出结构
---
{市场范围}板块轮动雷达({YYYY-MM-DD})
一、30 秒结论
- **当前最强主线**:{板块或主题}
- **当前最明显的轮动方向**:{内容}
- **风格判断**:{偏进攻 / 偏防守 / 震荡切换}
- **持续性判断**:{较强 / 一般 / 偏弱}
二、板块强弱快照
| 板块/主题 | 当前状态 | 强弱变化 | 轮动性质 | 备注 | | :--- | :--- | :--- | :--- | :--- | | {板块1} | {领涨 / 修复 / 回落} | {增强 / 持平 / 转弱} | {主升 / 补涨 / 轮退} | {说明} | | {板块2} | {状态} | {变化} | {性质} | {说明} | | {板块3} | {状态} | {变化} | {性质} | {说明} |
三、资金切换与风格迁移
- **资金流向概括**:{内容}
- **风格切换线索**:{内容}
- **内部高低切换情况**:{内容}
四、轮动驱动拆解
- **主驱动**:{内容}
- **次驱动**:{内容}
- **短期扰动因素**:{内容}
五、后续传导路径
- **更可能继续强化的方向**:{内容}
- **可能出现补涨的方向**:{内容}
- **需要警惕的轮退方向**:{内容}
六、跟踪清单
- {观察点 1}
- {观察点 2}
- {观察点 3}
---
质量要求
1. 轮动分析必须同时覆盖强弱分层、资金迁移和驱动解释,不能只做涨跌幅排序。 2. 要区分“单日异动”和“阶段轮动”,避免把噪音误写成趋势。 3. 需要明确主线、补涨和轮退三个层次,便于后续行动。 4. 若轮动证据不足,应明确写出“仍未形成清晰主线”,不能强行下结论。 5. 输出要服务方向判断与继续跟踪,而不是写成泛泛市场综述。
Wind 万得金融 Skill 集合(monorepo) · 通过 MCP 协议把万得金融数据接入 Claude / OpenClaw / Hermes 等 AI Agent,并一站式收录 wind 自家数据 + 社区分析工作流共 34 个金融 skill
Other skills on alicemarket.
add_to_winner_decision…
判断盈利仓是否适合继续加仓,并给出加仓前提、节奏安排、保护规则与停止扩张边界。适用于趋势延续、核心持仓滚动放大与强势股二次进攻场景。
after_close_watchlist_…
在收盘后总结自选股当日表现、驱动因素、强弱分化与次日观察点。适用于每日收盘复盘、维护自选股观察节奏、为次日盘前准备提供输入等场景。
avatar-charlie-munger-…
使用查理·芒格式的逆向思考、激励分析、认知偏误叠加和多学科模型检验复杂决策。用于评估商业与投资判断、组织行为、政策效果、重大选择、全民共识、失败风险,或识别论证中的单一视角和心理盲区。
avatar-nassim-taleb-ri…
使用纳西姆·塔勒布式的尾部风险、利益共担、减法、林迪效应和杠铃策略分析不确定性。用于投资、商业、政策、职业、产品或个人决策中的出局风险、不可逆损失、脆弱性、代理问题、新旧方案比较和资源配置。
avatar-naval-ravikant-…
使用纳瓦尔·拉维坎特式的重新定义、欲望审计、特定知识和杠杆框架澄清职业、创业、财富、幸福、自由与人生选择。用于识别错误问题、冲突欲望、独特竞争力、AI替代风险、许可依赖、边际成本和长期复利方向。

