Back to Details

market-breadth-analyzer

Compare original and translation side by side

🇺🇸

Original

English
🇨🇳

Translation

Chinese

Market Breadth Analyzer Skill

市场广度分析Skill

Purpose

用途

Quantify market breadth health using a data-driven 6-component scoring system (0-100). Uses TraderMonty's publicly available CSV data to measure how broadly the market is participating in a rally or decline.
Score direction: 100 = Maximum health (broad participation), 0 = Critical weakness.
No API key required - uses freely available CSV data from GitHub Pages.
采用数据驱动的6维度评分体系（0-100）量化市场广度健康度。借助TraderMonty公开的CSV数据，衡量市场在上涨或下跌过程中的参与广度。
评分说明： 100 = 健康度最高（广泛参与），0 = 严重疲软。
无需API密钥 - 使用GitHub Pages上免费公开的CSV数据。

When to Use This Skill

适用场景

English:
  • User asks "Is the market rally broad-based?" or "How healthy is market breadth?"
  • User wants to assess market participation rate
  • User asks about advance-decline indicators or breadth thrust
  • User wants to know if the market is narrowing (fewer stocks participating)
  • User asks about equity exposure levels based on breadth conditions
Japanese:
  • 「マーケットブレッドスはどうですか？」「市場の参加率は？」
  • 「上昇は広がっている？」「一部の銘柄だけの上昇？」
  • ブレッドス指標に基づくエクスポージャー判断
  • 市場の健康度をデータで確認したい
英文提问对应场景：
  • 用户询问“市场上涨是否具有普适性？”或“市场广度健康度如何？”
  • 用户希望评估市场参与率
  • 用户询问涨跌指标或广度突破信号
  • 用户想了解市场是否正在缩窄（参与上涨的股票数量减少）
  • 用户希望根据广度状况判断股票持仓水平
日文提问对应场景：
  • “市场广度如何？”“市场参与率是多少？”
  • “上涨是否在扩散？”“是否只有部分个股上涨？”
  • 基于广度指标判断持仓水平
  • 希望通过数据确认市场健康度

Difference from Breadth Chart Analyst

与广度图表分析工具的区别

AspectMarket Breadth AnalyzerBreadth Chart Analyst
Data SourceCSV (automated)Chart images (manual)
API RequiredNoneNone
OutputQuantitative 0-100 scoreQualitative chart analysis
Components6 scored dimensionsVisual pattern recognition
RepeatabilityFully reproducibleAnalyst-dependent
维度Market Breadth AnalyzerBreadth Chart Analyst
数据源CSV（自动化）图表图片（人工）
是否需要API无需无需
输出结果0-100量化评分定性图表分析
分析维度6个评分维度视觉模式识别
可重复性完全可复现依赖分析师判断

Execution Workflow

执行流程

Phase 1: Execute Python Script

阶段1：运行Python脚本

Run the analysis script:
bash
python3 skills/market-breadth-analyzer/scripts/market_breadth_analyzer.py \
  --detail-url "https://tradermonty.github.io/market-breadth-analysis/market_breadth_data.csv" \
  --summary-url "https://tradermonty.github.io/market-breadth-analysis/market_breadth_summary.csv"
The script will:
  1. Fetch detail CSV (~2,500 rows, 2016-present) and summary CSV (8 metrics)
  2. Validate data freshness (warn if > 5 days old)
  3. Calculate all 6 component scores
  4. Generate composite score with zone classification
  5. Output JSON and Markdown reports
执行分析脚本：
bash
python3 skills/market-breadth-analyzer/scripts/market_breadth_analyzer.py \
  --detail-url "https://tradermonty.github.io/market-breadth-analysis/market_breadth_data.csv" \
  --summary-url "https://tradermonty.github.io/market-breadth-analysis/market_breadth_summary.csv"
脚本将完成以下操作：
  1. 获取详细CSV（约2500行，2016年至今）和汇总CSV（8项指标）
  2. 验证数据新鲜度（若数据超过5天则发出警告）
  3. 计算所有6个维度的得分
  4. 生成综合评分及区间分类
  5. 输出JSON和Markdown报告

Phase 2: Present Results

阶段2：呈现结果

Present the generated Markdown report to the user, highlighting:
  • Composite score and health zone
  • Strongest and weakest components
  • Recommended equity exposure level
  • Key breadth levels to watch
  • Any data freshness warnings
向用户展示生成的Markdown报告，重点突出：
  • 综合评分及健康区间
  • 表现最佳和最差的维度
  • 推荐的股票持仓水平
  • 需要关注的关键广度水平
  • 任何数据新鲜度警告

6-Component Scoring System

6维度评分体系

#ComponentWeightKey Signal
1Breadth Level & Trend25%Current 8MA level + 200MA trend direction
28MA vs 200MA Crossover20%Momentum via MA gap and direction
3Peak/Trough Cycle20%Position in breadth cycle
4Bearish Signal15%Backtested bearish signal flag
5Historical Percentile10%Current vs full history distribution
6S&P 500 Divergence10%Price vs breadth directional agreement
序号维度权重核心信号
1广度水平与趋势25%当前8日均线水平 + 200日均线趋势方向
28日均线与200日均线交叉20%基于均线缺口和方向的动量信号
3峰值/谷值周期20%广度周期所处位置
4看跌信号15%经过回测的看跌信号标记
5历史百分位10%当前水平与历史整体分布的对比
6标普500背离10%价格与广度的方向一致性

Health Zone Mapping (100 = Healthy)

健康区间映射（100代表健康）

ScoreZoneEquity ExposureAction
80-100Strong90-100%Full position, growth/momentum favored
60-79Healthy75-90%Normal operations
40-59Neutral60-75%Selective positioning, tighten stops
20-39Weakening40-60%Profit-taking, raise cash
0-19Critical25-40%Capital preservation, watch for trough
评分区间股票持仓比例操作建议
80-100强劲90-100%满仓，优先选择成长/动量股
60-79健康75-90%正常操作
40-59中性60-75%选择性持仓，收紧止损
20-39走弱40-60%止盈，增加现金储备
0-19危急25-40%资本保值，关注谷值信号

Data Sources

数据源

Detail CSV: 
market_breadth_data.csv
  • ~2,500 rows from 2016-02 to present
  • Columns: Date, S&P500_Price, Breadth_Index_Raw, Breadth_Index_200MA, Breadth_Index_8MA, Breadth_200MA_Trend, Bearish_Signal, Is_Peak, Is_Trough, Is_Trough_8MA_Below_04
Summary CSV: 
market_breadth_summary.csv
  • 8 aggregate metrics (average peaks, average troughs, counts, analysis period)
Both are publicly hosted on GitHub Pages - no authentication required.
详细CSV： 
market_breadth_data.csv
  • 约2500行数据，时间范围2016年2月至今
  • 列信息：日期、标普500价格、原始广度指数、广度指数200日均线、广度指数8日均线、200日均线趋势、看跌信号、是否处于峰值、是否处于谷值、8日均线是否低于0.4
汇总CSV： 
market_breadth_summary.csv
  • 8项聚合指标（平均峰值、平均谷值、统计数量、分析周期）
上述数据均托管在GitHub Pages上，无需身份验证即可访问。

Output Files

输出文件

  • JSON: 
    market_breadth_YYYY-MM-DD_HHMMSS.json
  • Markdown: 
    market_breadth_YYYY-MM-DD_HHMMSS.md
  • JSON：
    market_breadth_YYYY-MM-DD_HHMMSS.json
  • Markdown：
    market_breadth_YYYY-MM-DD_HHMMSS.md

Reference Documents

参考文档

references/breadth_analysis_methodology.md

references/breadth_analysis_methodology.md

  • Full methodology with component scoring details
  • Threshold explanations and zone definitions
  • Historical context and interpretation guide
  • 包含维度评分细节的完整方法论
  • 阈值说明和区间定义
  • 历史背景及解读指南

When to Load References

何时加载参考文档

  • First use: Load methodology reference for framework understanding
  • Regular execution: References not needed - script handles scoring
  • 首次使用： 加载方法论参考文档以理解分析框架
  • 常规执行： 无需参考文档 - 脚本将自动处理评分