Chain cycle

---

📋 SKILL 契约(6 字段 · agent 调用入口)

完整的 周期段 段契约。Claude/Codex 调用本段时,只需读这一节。

🎯 触发条件

• 研究对象是强周期行业(化工/有色/养殖/光伏等)
• 前序段:chain-breakdown 已产 03_breakdown.md

📥 输入文件

• 必填:03_breakdown.md
• 必填:价格/产能历史数据(从 chain-data)

📤 输出文件

• 04_cycle.md(周期类型 + 阶段 + 拐点)
• 跟踪指标清单

🔑 必填字段

• 周期类型:产能 / 库存 / 价格 / 货币
• 当前阶段:顶部 / 回落 / 底部 / 复苏
• 拐点预测(带置信度)
• 跟踪指标(每月更新)

✅ 验收清单

• 历史数据 ≥ 5 年
• 拐点预测有依据(不是拍脑袋)
• 跟踪指标可量化
• 与 chain-breakdown 的周期位置列一致

⚠️ 失败处理

• 数据不足 5 年 → 仅给定性判断,不给拐点
• 周期类型不明 → 列多个候选,标"待数据补全"

---

chain-cycle · 产业周期段(可选)

本 skill 扩展 · 从氟化工 + 猪肉两个案例提炼 产物:cycle.md(周期卡) 输入:chain-breakdown.md + chain-data.md 输出:可被 chain-analysis 直接消费的 cycle.md 何时启用:强周期行业必跑 / 其他行业可选

🎯 这个 skill 干什么

判断产业链当前在产业周期的哪个位置(顶部 / 下降 / 底部 / 上升),以及距离拐点的时间。

周期判断是产业链研究的核心 — 同一个环节,在周期底部是"左侧布局点",在周期顶部是"规避信号"。

🧠 核心方法论:6 类周期指标

每个产业链都用 6 类周期指标综合判断:

指标 1 · 库存周期

• 问题:产成品库存 / 在途库存 / 渠道库存
• 数据源:行业协会 + 公司财报
• 典型信号:库存高企 = 顶部 / 库存低位 = 底部

指标 2 · 价格周期

• 问题:产品 + 原料价格走势(过去 3-5 年)
• 数据源:卓创 / 百川 / 博亚和讯
• 典型信号:价格顶部 = 周期顶部 / 价格底部 = 周期底部

指标 3 · 产能周期

• 问题:在建产能 / 资本开支 / 行业总产能
• 数据源:公司财报 + 行业协会
• 典型信号:在建产能 > 30% = 供给过剩预警 / 资本开支负增长 = 周期底部

指标 4 · 情绪周期

• 问题:板块涨幅 + 估值历史分位 + 持仓集中度
• 数据源:Wind / 同花顺
• 典型信号:板块 PE 历史 80% 分位 = 顶部 / PE 历史 20% 分位 = 底部

指标 5 · 政策周期

• 问题:政策支持 / 抑制 / 中性 + 配额 + 补贴
• 数据源:政府文件 + 行业协会
• 典型信号:政策转向是周期拐点的关键外生变量

指标 6 · 突发事件

• 问题:疫情 / 战争 / 制裁 / 自然灾害
• 数据源:新闻 + 行业报告
• 典型信号:突发事件常打破原有周期规律

📐 11 词 · 在周期判断的体现

词	周期判断对应
navigate	周期阶段对应下游主战场的需求强度
modal	周期反转的最大风险点
confirm	周期位置判断的置信度
drawer	隐藏的周期成本(库存跌价 / 减值)
popover	周期差异化的可量化指标
bottomsheet	周期底部反转信号(原词义也对应)
toast	周期短期跟踪事件(产能投放 / 政策)
inline-expand	周期阶段对应的价值量分布
inline-edit	周期中成本结构的变化
newtab	周期切换带来的新需求
download	周期数据的下载源(卓创 / 博亚等)

🛠 工作流(可执行版)

输入: chain-breakdown.md + chain-data.md
  ↓
[Step 1: 判断周期类型]
  短周期(< 1 年)/ 中周期(1-3 年)/ 长周期(3+ 年)/ 政策性周期
  ↓
[Step 2: 6 类指标采集]
  库存 / 价格 / 产能 / 情绪 / 政策 / 突发事件 → 每类至少 1 个数据点
  ↓
[Step 3: 综合判断周期位置]
  顶部 / 下降 / 底部 / 上升 → 用 6 类指标交叉验证
  ↓
[Step 4: 拐点预测]
  距离顶部/底部的时间(月度)
  ↓
[Step 5: 输出 cycle.md]

📄 cycle.md 输出模板

# [项目名] · 周期卡

> 周期类型:[短/中/长/政策性]周期
> 周期阶段:[顶部/下降/底部/上升]
> 距离拐点:[N 个月]
> 置信度:[高/中/低]
> 分析时间:YYYY-MM-DD

---

## 1. 周期类型判断

### 1.1 历史周期回顾
- 上一轮周期:YYYY-YYYY
- 周期长度:N 个月
- 周期驱动:政策 / 需求 / 供给 / 外部冲击

### 1.2 当前周期类型
- [ ] 短周期(< 1 年):如猪周期、蔬菜价格
- [ ] 中周期(1-3 年):如化工景气、半导体周期
- [ ] 长周期(3+ 年):如房地产周期、航运大周期
- [ ] 政策性周期:如配额调整、补贴退坡

## 2. 6 类周期指标采集

### 2.1 库存周期
| 指标 | 当前值 | 历史 25% 分位 | 历史 50% 分位 | 历史 75% 分位 | 当前位置 | 数据状态 |
|---|---|---|---|---|---|---|
| 产成品库存 | | | | | | 已核验/估算/待查证 |
| 渠道库存 | | | | | | |

### 2.2 价格周期
| 指标 | 当前值 | 1 年变化 | 3 年变化 | 历史最高 | 历史最低 | 位置 | 数据状态 |
|---|---|---|---|---|---|---|---|
| 产品价格 | | | | | | | |
| 原料价格 | | | | | | | |

### 2.3 产能周期
| 指标 | 当前值 | 1 年变化 | 3 年变化 | 行业总产能 | 在建/总产能 | 位置 | 数据状态 |
|---|---|---|---|---|---|---|---|
| 在建产能 | | | | | | | |
| 资本开支 | | | | | | | |

### 2.4 情绪周期
| 指标 | 当前值 | 历史 20% 分位 | 历史 50% 分位 | 历史 80% 分位 | 位置 | 数据状态 |
|---|---|---|---|---|---|---|
| 板块 PE | | | | | | |
| 持仓集中度 | | | | | | |

### 2.5 政策周期
| 政策 | 当前状态 | 1 年变化 | 影响方向 | 数据状态 |
|---|---|---|---|---|
| | | | | |

### 2.6 突发事件
| 事件 | 时间 | 影响方向 | 持续时间 | 数据状态 |
|---|---|---|---|---|
| | | | | |

## 3. 综合判断周期位置

| 指标类型 | 指向位置 | 置信度 |
|---|---|---|
| 库存 | 顶部/下降/底部/上升 | 高/中/低 |
| 价格 | 顶部/下降/底部/上升 | 高/中/低 |
| 产能 | 顶部/下降/底部/上升 | 高/中/低 |
| 情绪 | 顶部/下降/底部/上升 | 高/中/低 |
| 政策 | 顶部/下降/底部/上升 | 高/中/低 |
| 突发事件 | (打破原周期) | 高/中/低 |

**投票结果**:
- 顶部:N 票
- 下降:N 票
- 底部:N 票
- 上升:N 票

**最终判断**:[顶部/下降/底部/上升] **置信度** [高/中/低]

## 4. 拐点预测

### 4.1 历史拐点时间表
| 上一轮拐点 | 时间 | 触发因素 |
|---|---|---|
| 顶部 → 下降 | | |
| 底部 → 上升 | | |

### 4.2 下一轮拐点预测
- 预计顶部/底部时间:[YYYY-MM]
- 触发条件:[具体事件 / 数据阈值]
- 置信度:[高/中/低]

### 4.3 投资含义
- 当前周期位置 → 投资策略:
  - 底部 → **左侧布局** + 等待反转
  - 下降 → **规避** / 等待底部
  - 上升 → **持有** + 关注顶部信号
  - 顶部 → **兑现** / 规避

## 5. 与三角定位法集成

### 5.1 周期位置评分(用于 chain-stockmap 综合评级)

| 周期位置 | 评分 | 投资含义 |
|---|---|---|
| 底部 | 10 | 最佳左侧布局点 |
| 下降末 | 8 | 关注转向信号 |
| 上升初 | 7 | 右侧确认,加仓 |
| 上升中 | 6 | 持有,关注顶部 |
| 顶部 | 3 | 规避 |
| 下降初 | 4 | 规避 |

## 6. 周期风险与跟踪

### 6.1 周期判断的反证条件
- 如果 [X 指标] 出现,周期位置需要重判
- 如果 [Y 事件] 发生,周期可能加速反转

### 6.2 关键跟踪指标(月度)
- 库存 / 价格 / 产能 / 情绪(具体指标)

🚦 何时启用

强周期行业必跑:

• 农业(猪周期、鸡周期、粮价)
• 化工(R142b 配额、化肥周期)
• 半导体(SRAM 周期、BB 值)
• 钢铁(产能周期、库存周期)
• 煤炭(产能周期、库存周期)
• 航运(BDI 周期、运价)
• 房地产(政策周期)

其他行业可选:

• 消费品(弱周期,可选)
• 科技(以技术周期为主,可选)
• 医药(政策周期驱动,可选)

⚠️ 红线

• ❌ 不准 6 类指标缺一类 — 缺一类周期判断失真
• ❌ 不准"周期类型"含糊 — 必须明示短/中/长/政策性
• ❌ 不准"拐点预测"无置信度 — 没置信度的预测就是猜测
• ❌ 不准"投票结果"为 0 票 — 必须有明确判断
• ❌ 不准"数据状态"留空 — 周期数据必须标"已核验/估算/待查证"

🔗 与上下游的契约

• 上游(chain-data):data.md § 1.6 周期性数据 → 是 6 类指标采集的输入
• 上游(chain-breakdown):breakdown.md 的 Top 3 环节 → 是周期判断的对象
• 下游(chain-analysis):cycle.md 的"周期位置 + 拐点预测" → 是分析中"周期影响"的输入
• 下游(chain-verify):cycle.md 的"反证条件 + 关键跟踪指标" → 是核销清单 P0 输入
• 下游(chain-stockmap):cycle.md 的"周期位置评分" → 是选股清单综合评级的一部分

🧰 周期判断工具

# 周期投票法
def cycle_voting(indicators):
    """6 类指标投票决定周期位置"""
    votes = {"顶部": 0, "下降": 0, "底部": 0, "上升": 0}
    for ind in indicators:
        votes[ind["position"]] += ind["confidence"]
    # 返回加权投票结果
    return max(votes, key=votes.get)

# 周期位置评分
def cycle_score(position):
    score_map = {
        "底部": 10, "下降末": 8, "上升初": 7,
        "上升中": 6, "顶部": 3, "下降初": 4
    }
    return score_map.get(position, 5)