<< All versions
Skill v1.0.0
currentAutomated scan100/100jingxuanc/quant-agent-skills/market-regime
──Details
PublishedSeptember 28, 2026 at 04:15 AM
Content Hashsha256:88f4e4b992e26695...
Git SHA356d56173d39
──Files
Files (1 file, 11.0 KB)
SKILL.md11.0 KBactive
SKILL.md · 122 lines · 11.0 KB
version: "1.0.0" name: market-regime description: 判断当前大盘处于牛市/熊市/震荡哪种状态，并给出对应的策略基调与仓位区间参考。当用户问「现在市场什么状态」「该进攻还是防守」「牛市还是熊市」「大盘怎么样」「现在能不能加仓」时使用。
市场状态判断
何时使用
- 现在市场什么状态？
- 该进攻还是防守？
- 现在是牛市还是熊市？
- 大盘怎么样了，能加仓吗？
- 最近这波是不是要变盘了 / 风格是不是切换了？
- 我的策略现在还能跑吗（趋势策略 or 震荡策略）？
轻问 vs 深问（成本控制）
轻问（默认，1 个工具）：只想知道「现在是牛/熊/震荡」。
- 只调
factor-miner-regime_detect，直接回 regime 分类 + 区间 + 一句仓位基调。 - 成本：一次同步计算，秒级返回。
深问（2 个工具 + 结构化报告）：用户问「是不是刚切换/要变盘」。
- 先
factor-miner-regime_detect定状态，再factor-miner-change_point看近期有没有断点，最后合并成一份带时间线的报告。 - 最贵的一步：
factor-miner-regime_detect。若环境装了hmmlearn，它会走 GaussianHMM 拟合（对长历史序列迭代，明显比规则引擎慢）；未装时走内置规则引擎，很快。序列越长越贵，建议只用近 1–2 年日线。 - 第二贵：
factor-miner-change_point在method="pelt"（需 ruptures）或长序列多次二分时的计算。只做「最近有没有切换」时，传近 120–250 根即可，不要传十年全历史。
批量/重任务：如果一次要对多个指数（沪深300 + 中证500 + 创业板 + 恒生 + 标普）或对长历史做 regime 回测，不要一个接一个傻等、也不要在一个同步调用里堆全部数据。
- 正确做法：把批量任务提交为异步作业，先拿到 `job_id`，再用
factor-miner-job_status轮询（job_id传入），状态变为done后取result；running期间先干别的。轮询之间不要 sleep 空转。
工具链
第 0 步：确认数据（必须先解决）
两个工具都不接受「帮我查一下大盘」这种空参数，必须把 K 线/序列喂进去。数据来源二选一：
- 用户提供：让他给指数日线 K 线，格式
[{date:"2025-01-02", close:3300.5, volume:123456}, ...]。volume可选，但给了更好（HMM 用收益+波动特征，量能只作辅助）。 - Agent 侧取数：从本地行情库或 qlib
cn_data取指数日线，取完把序列转成上述格式再调用（不要描述数据、要真的把数组传进去）。 - 没数据就不要硬算：明确回「需要指数日线，至少 120 根，最好 250 根」并说明需要哪个指数（默认沪深300
sh000300，或用户说的上证指数sh000001）。
样本长度建议：≥120 根日线。低于 60 根，任何 regime 结论都不成立，直接告知样本不足。
第 1 步：判当前状态
- 工具：
factor-miner-regime_detect - 参数：
klines：指数日线数组（升序，见上）n_regimes：3（默认值，对应 bull / bear / range）；用户只想要「牛还是熊」时传2- 返回（JSON 字符串）：
current_regime、regime_history、regime_stats（各状态占比/持续时长）、method（rule或hmm）。 - 注意：
method是规则引擎时，结论对「20日动量 + 已实现波动」阈值敏感；是 HMM 时，状态标签是模型拟合出来的，不同窗口可能重编号，必须结合regime_stats解释，不要只念current_regime。
第 2 步（仅深问）：看是否刚切换
- 工具：
factor-miner-change_point - 参数：
series：注意字段名是 `value` 不是 `close` ——[{date:"2025-01-02", value:3300.5}, ...]，用指数收盘价序列method：auto（默认，推荐）/cusum_binseg/peltmax_bkps：默认5；只想看最近一次切换就传1–2，减少噪音- 返回：
change_points（含date、index、significance）、method。 - 交叉验证：断点日期若落在
regime_history的状态切换点附近 → 切换证据较强；两者不一致 → 明确写「状态与断点不同源，结论存疑」，不要强行圆回来。
第 3 步：合并输出（见下方契约）
重任务（回测/训练/批量）
- 涉及多指数批量 regime、或把 regime 信号接回测/ML 训练时：提交异步作业 → 记下
job_id→ 用factor-miner-job_status轮询（可能几分钟到几十分钟）→ 拿result。不要同步死等，也不要同一任务重复提交。 - 若中途要跑 Kronos/ML 做方向预测，那是模型输出，非承诺，只能作为「状态报告的附加参考」，且必须显式标注。
记忆回路（前查后记）
本技能的记忆维度是 regime 判断的历史准确率：对同一个指数、在相近样本长度与判定方法下，过去那些 bull / bear / range 的判定，事后有多少被后续真实走势验证。
| 时机 | 动作 | 工具 | |
|---|---|---|---|
| 执行前 | 先查同类情境下的历史 regime 判定及其事后验证结果（按指数、判定方法 rule/hmm、是否处于切换期归类），据此调整本次结论的语气与置信度报法 | causal-memory-search_causal（query="regime 判断 bull bear range 事后是否被走势验证正确"，task_tag="market-regime"） | |
| 执行后 | 把本次判定作为一条待验证决策写入：索引出指数、样本根数、n_regimes、method 与 regime 结论，结果先留空 | causal-memory-record_decision（decision=<本次结论，如"sh000300 判定 regime=range，样本 250 根，n_regimes=3，method=rule">，outcome="待验证"，context=<情境特征>） | |
| 复检时 | 5–20 个交易日后、或下一次对同一指数判 regime 时，用同一条 decision 回填真实结果（后续区间是否真的按当时判定的状态演进），把准确率沉淀下来 | causal-memory-record_decision（同一条 decision，outcome=实际结果） |
写入 context 时要带上本技能特有的情境特征：指数代码、样本根数、n_regimes、method（rule 还是 hmm）、当时是「已持续 ≥20 交易日的稳定状态」还是「刚出现断点/状态切换的切换期」、以及 regime_stats 里该状态的占比与持续时长——这些正是决定判断难度的变量，缺了它们历史准确率就没法分组归因。
为什么这个记忆对用户有价值：regime 判断属于"只能事后证伪"的结论，一次判对或判错都不说明问题；只有连同情境特征一起记住，才能知道本技能在哪类环境下容易看错（典型是切换期、以及规则引擎阈值临界时），进而在输出里更诚实地报置信度。用户下次问「现在什么状态」时，拿到的就不只是一个孤立读数，而是带「同类情境 N 次，其中 X 次判对」的历史参照。
输出格式
Agent 必须按下面小节输出，字段缺失就写「未取得」，不要编。
- 结论一句话：
当前 market regime = bull / bear / range（中文：趋势上行 / 趋势下行 / 区间震荡），先给结论。 - 置信度描述：不用假概率。用三个可核对的依据描述强弱：
- 判定方法（
method= rule 还是 hmm）及其局限； regime_stats里该状态的历史持续时长/占比（持续越久、占比越高，当前读数越"典型"）；- 最近是否出现状态切换（有断点 → 置信度低/处于切换期；无断点且状态已持续 ≥ 20 交易日 → 置信度高）。
- 输出格式：
置信度：高 / 中 / 低（依据：…）。
- 切换判断（仅深问）：断点日期 +
significance+ 是否与 regime 切换相互印证；写清「切换已发生 / 疑似切换 / 未见切换 / 证据冲突」。 - 策略基调：趋势策略 vs 均值回归/震荡策略 哪个更适配当前状态（这是统计适配性描述，不是买卖建议）。
- 仓位区间参考（不点名任何个股，只给区间与依据）：
| regime | 仓位区间参考 | 依据 | |
|---|---|---|---|
| 趋势上行 bull | 偏高区间（示例：60%–80%） | 动量向上、波动未失控 | |
| 区间震荡 range | 中性区间（示例：30%–50%） | 无方向，趋势策略易被反复打脸 | |
| 趋势下行 bear | 偏低区间（示例：0%–20%） | 动量向下，回撤风险主导 |
- 必须同时写：
该区间为统计映射的参考区间，须与自身风控参数（单票上限/最大回撤）叠加使用；不是投资建议。 - 用户如已有账户风控参数，把用户的上限套进去取较严者，并说明是取严。
- 数据与口径声明：指数代码、样本区间、K 线根数、
n_regimes、method、是否存在数据缺口。 - 不确定性与下一步：样本不足 / 状态处于切换期 / 方法为规则引擎 时，明确写出「结论可靠性下降」，并给出可验证的下一步（补更多 K 线、换 2 状态再跑、等断点确认）。
- 历史参照（必填小节）：
历史参照（必填小节）：若检索到同类历史，写明「类似情境 N 次，其中 X 次 <本技能的判断维度> 正确」；无历史则写「首次记录此类情境，本次判断已存入记忆供将来对照」。
合规边界
- 只输出统计计算结果：regime 分类、状态占比与持续时长、断点日期与显著性、方法说明。
- 不输出：买入/卖出建议、个股推荐（本技能禁止点名任何股票）、目标价、涨跌幅或收益承诺、仓位"必须/应该"的指令式表述、杠杆或期货方向建议。
- 仓位区间必须标注为「参考区间 / 统计映射」，并提示叠加用户自身风控；不得表述为「建议仓位 X%」。
- 预测模型（Kronos / ML 打分）一律加注：模型输出，非承诺，不得作为结论依据。
- 数据有缺口、样本不足、方法为规则引擎时，必须如实披露，不得用确定性语气包装。
常见问题
- `series` 的字段名是 `value`，`klines` 的字段名是 `close`：两个工具的入参结构不一样，
change_point传close会拿不到结果。严格照格式传。 - regime 标签在不同窗口下会"漂移"：HMM 的 bull/bear 编号是拟合产物，短窗口和长窗口可能对不上。改窗口后必须重跑，并且不要跨窗口直接比较
current_regime字符串，要结合regime_stats与regime_history一起读。 - 切换期不要当趋势期用：断点刚出现、或
regime_history最近 5–10 个交易日刚翻状态时，属于"证据未坐实"阶段，置信度按「低」报，并把这一点写在结论最前面，避免用户按旧状态加仓。 - 别把日线 regime 套到分钟级交易上：日线判出来的状态对日内策略的解释力有限，用户若问日内，先说明口径不匹配，再问是否需要换周期数据重跑。