核心用法
该技能是一套宏观到执行的决策工作流，模仿Stanley Druckenmiller的投研框架，支持中英文双语输出。用户可通过自然语言指令生成A股/美股晨报（Morning Brief）、盘中警报（Intraday Alert）、收盘复盘（Close Review）、周度制度重置（Weekly Regime Reset）及交易前检查（Pre-trade Consult）。
核心操作路径为：
1. 定位宏观位置：从增长、通胀、流动性、信用、周期位置五维度定位
2. 确立主导假设：以单一句子明确今日核心押注
3. 验证市场信号：从上游（政策/利率/汇率）→中游（信用/市场流动性）→下游（股指/行业/结构）逐层验证
4. 输出可执行语言：Regime（制度）、Best Expression（最佳表达）、Position Bias（头寸倾向：flat/starter/add/press/reduce/exit）、Kill-switch（失效条件）、Watchlist（观察清单）
显著优点
- 结构化决策：强制要求"假设优先、市场其次"，避免数据堆砌驱动的判断
- 多层验证机制：通过上游-中游-下游的传导框架识别背离与制度转换
- 明确的失效条件：每笔交易必须附带falsification条件，强化风险管理
- 双语深度对等：中英文输出保持分析深度一致，非简单翻译
- 代理数据策略：当关键数据缺失时，使用稳定代理指标（如北向资金可用Stock Connect广度+风格相对强度代理），避免输出空洞
潜在缺点与局限
- 非个股精准推荐：明确不输出具体入场价、止损、目标位、仓位比例，仅提供宏观环境判断
- 数据依赖风险：尽管有代理策略，若多面板同时缺失（P0字段无代理），置信度将下调至"low"，可能限制行动建议
- 实时性边界：依赖公开数据源（akshare、FRED等），无法替代高频交易台的实时盘口解读
- 执行层真空：AI负责第一层宏观判断，第二层执行（精确资产、精确价位、精确规模）必须由人类完成
适合人群
- 宏观交易员/PM：需要快速建立每日制度框架与头寸倾向
- 多资产策略研究员：需跨市场（A股/美股）比较传导逻辑
- 投资教育场景：学习Druckenmiller风格的假设驱动型决策流程
常规风险
- 过度解读代理信号：用户可能将代理指标误当作真实数据，需留意
[EVIDENCE INSUFFICIENT]或proxy标记 - 制度误判风险：若关键制度转换信号被代理数据平滑，可能导致Position Bias滞后
- 语言切换陷阱：会话语言习惯可能意外覆盖账户级偏好，需确认长期设置