institutional-flow-tracker
13Fファイリングデータを活用して、機関投資家の保有変動やポートフォリオの資金フローを追跡するスキルです。ヘッジファンドや投資信託などの機関投資家を分析し、スマートマネーが大量に流入・流出している銘柄を特定します。洗練された投資家が資金を投じている先を追うことで、大きな値動きの前に注目銘柄をいち早く発見するのに役立ちます。
description の原文を見る
Use this skill to track institutional investor ownership changes and portfolio flows using 13F filings data. Analyzes hedge funds, mutual funds, and other institutional holders to identify stocks with significant smart money accumulation or distribution. Helps discover stocks before major moves by following where sophisticated investors are deploying capital.
SKILL.md 本文
機関投資家フロートラッカー
概要
このスキルは SEC 13F ファイリングを通じて機関投資家の活動を追跡し、株式への「スマートマネー」フローを特定します。四半期ごとの機関投資家保有比率の変化を分析することで、洗練された投資家が大幅な価格上昇前に買い集めている株式を発見したり、機関投資家がポジションを削減しているときの潜在的なリスクを特定できます。
重要な洞察: 機関投資家(ヘッジファンド、年金基金、投資信託)は数兆ドルを運用し、広範な調査を実施しています。彼らの集団的な買い/売りパターンは、しばしば大幅な価格変動に 1~3 四半期先行します。
前提条件
- FMP API キー:
FMP_API_KEY環境変数を設定するか、スクリプトに--api-keyを渡してください - Python 3.8+: 分析スクリプトを実行するために必須
- 依存関係:
pip install requests(スクリプトは欠落している依存関係に対応します)
このスキルを使用する時期
以下の場合にこのスキルを使用してください:
- 投資アイデアの検証(スマートマネーがあなたのテーゼに同意しているかチェック)
- 新しい機会の発見(機関投資家が買い集めている株式を見つける)
- リスク評価(機関投資家が退出している株式を特定)
- ポジション監視(保有株への機関投資家サポートを追跡)
- 特定の投資家の追跡(ウォーレン・バフェット、キャシー・ウッドなど)
- セクターローテーション分析(機関投資家が資本をどこにシフトしているかを特定)
使用しないでください:
- リアルタイム日中シグナルを求めている場合(13F データには 45 日間の報告遅延)
- マイクロキャップ株(時価総額 1 億ドル未満で機関投資家の関心が限定的)の分析
- 短期トレードシグナル(3 ヶ月未満の投資期間)の検索
データソースと要件
必須:FMP API キー
このスキルは Financial Modeling Prep (FMP) API を使用して 13F ファイリングデータにアクセスします:
セットアップ:
# 環境変数を設定(推奨)
export FMP_API_KEY=your_key_here
# またはスクリプト実行時に提供
python3 scripts/track_institutional_flow.py --api-key YOUR_KEY
API ティア要件:
- 無料ティア: 250 リクエスト/日(20~30 株を四半期ごとに分析するのに十分)
- 有料ティア: 広範なスクリーニング用により高い上限
13F ファイリングスケジュール:
- 四半期終了後 45 日以内に提出
- Q1(1 月~3 月):5 月中旬までに提出
- Q2(4 月~6 月):8 月中旬までに提出
- Q3(7 月~9 月):11 月中旬までに提出
- Q4(10 月~12 月):2 月中旬までに提出
分析ワークフロー
ステップ 1:重大な機関投資家変化を持つ株式を特定
主要なスクリーニングスクリプトを実行して、注目すべき機関投資家活動を伴う株式を見つけます:
クイックスキャン(機関投資家変化の上位 50 株):
python3 scripts/track_institutional_flow.py \
--top 50 \
--min-change-percent 10
セクター別スキャン:
python3 scripts/track_institutional_flow.py \
--sector Technology \
--min-institutions 20
カスタムスクリーニング:
python3 scripts/track_institutional_flow.py \
--min-market-cap 2000000000 \
--min-change-percent 15 \
--top 100 \
--output institutional_flow_results.json
出力には以下が含まれます:
- 株式ティッカーと会社名
- 現在の機関投資家保有比率(発行済み株式数の割合)
- 四半期ごとの保有株数の変化
- 保有している機関投資家の数
- 機関投資家数の変化(新規買い手 対 売り手)
- トップ機関投資家
ステップ 2:特定の株式を詳しく分析
特定の株式の機関投資家保有の詳細分析:
python3 scripts/analyze_single_stock.py AAPL
以下を生成します:
- 過去の機関投資家保有比率トレンド(8 四半期)
- ポジション変化を持つすべての機関投資家のリスト
- 集中度分析(上位 10 保有者の総機関投資家保有比率の割合)
- 新規ポジション対増加対減少ポジション
- 信頼性グレードを持つデータ品質評価
評価すべき主要指標:
- 保有比率: 高い機関投資家保有比率(>70%)= より安定性があるが上値限定
- 保有トレンド: 保有増加 = 強気、減少 = 弱気
- 集中度: 高い集中度(上位 10 > 50%)= 売却時のリスク
- 保有者の質: 長期投資家(バークシャー、フィデリティ)対モメンタムファンド
ステップ 3:特定の機関投資家を追跡
注意:
track_institution_portfolio.pyは まだ実装されていません。FMP API は 機関投資家保有データを株式別に整理しており(機関投資家別ではなく)、この API だけでは 完全なポートフォリオ再構築は実用的ではありません。
代替アプローチ — analyze_single_stock.py を使用して特定の機関投資家が株式を保有しているかチェック:
# 株式を分析し、出力で特定の機関投資家を探す
python3 institutional-flow-tracker/scripts/analyze_single_stock.py AAPL
# その後、レポートのトップ 20 保有者テーブルで「Berkshire」または「ARK」を検索
完全な機関投資家レベルのポートフォリオ追跡には、以下の外部リソースを使用してください:
- WhaleWisdom: https://whalewisdom.com (無料ティアあり、13F ポートフォリオビューアー)
- SEC EDGAR: https://www.sec.gov/cgi-bin/browse-edgar (公式 13F ファイリング)
- DataRoma: https://www.dataroma.com (スーパーインベスター向けポートフォリオトラッカー)
ステップ 4:解釈とアクション
参考資料を読んで解釈ガイダンスを確認してください:
references/13f_filings_guide.md- 13F データと制限事項の理解references/institutional_investor_types.md- 異なる投資家タイプと戦略references/interpretation_framework.md- 機関投資家フロー信号の解釈方法
シグナル強度フレームワーク:
強い強気(購入を検討):
- 機関投資家保有比率が四半期ごとに 15% 以上増加
- 機関投資家数が 10% 以上増加
- 質の高い長期投資家がポジションを追加
- 現在の保有比率が低い(<40%)で成長の余地あり
- 複数の四半期にわたる買い集め
中程度の強気:
- 機関投資家保有比率が四半期ごとに 5~15% 増加
- 新規買い手と売り手の混在、純増
- 現在の保有比率が 40~70%
中立:
- 保有比率の変化が最小限(<5%)
- 買い手と売り手の数が同程度
- 安定した機関投資家基盤
中程度の弱気:
- 機関投資家保有比率が四半期ごとに 5~15% 減少
- 売り手が買い手より多い
- 高い保有比率(>80%)で新規買い手が限定
強い弱気(売却/回避を検討):
- 機関投資家保有比率が四半期ごとに 15% 以上減少
- 機関投資家数が 10% 以上減少
- 質の高い投資家がポジションを退出
- 複数の四半期にわたる分配
- 集中リスク(トップ保有者が大型ポジション売却)
ステップ 5:ポートフォリオ適用
新規ポジション用:
- 株式アイデアの機関投資家分析を実行
- 確認を探す(機関投資家も買い集めている)
- 強い弱気シグナルがある場合、再検討またはポジションサイズを削減
- 強い強気シグナルがある場合、テーゼに確信を得る
既存保有分用:
- 13F ファイリング期限後の四半期レビュー
- 分配の監視(早期警告システム)
- 機関投資家が退出している場合、テーゼを再評価
- 広範な機関投資家売却の場合、トリミングを検討
スクリーニングワークフロー統合:
- Value Dividend Screener または他のスクリーナーを使用して候補を見つける
- トップ候補に対して機関投資家フロートラッカーを実行
- 機関投資家買い集めのある株式を優先
- 機関投資家分配のある株式を回避
出力形式
すべての分析は、リポジトリルートに保存される構造化マークダウンレポートを生成します:
ファイル名規則: institutional_flow_analysis_<TICKER/THEME>_<DATE>.md
レポートセクション:
- 経営概要(主要な結果)
- 機関投資家保有トレンド(現在対過去)
- トップ保有者と変化
- 新規買い手対売り手
- 集中度分析
- 解釈と推奨事項
- データソースとタイムスタンプ
データ信頼性グレード
すべての分析には、データ品質に基づいた 信頼性グレード が含まれます:
- グレード A: カバレッジ比率 < 3 倍、マッチ比率 >= 50%、真の保有者比率 >= 70%。投資判断に安全。
- グレード B: 真の保有者比率 >= 30%。参照のみ - 注意して使用。
- グレード C: 真の保有者比率 < 30%。信頼性なし - スクリーニング結果から除外。
スクリーニングスクリプト(track_institutional_flow.py)は自動的にグレード C 株を除外します。
単一株分析(analyze_single_stock.py)は適切な警告とともにグレードを表示します。
これが重要な理由: FMP は四半期ごとに異なる数の保有者を返します。株式は Q4 に 5,415 人の保有者、Q3 に 201 人を示すことがあります。フィルタリングなしでは、集計メトリクスが誤解を招く変化率を生み出します(例:+400%)。データ品質モジュールは「真の」保有者(両四半期に存在)にフィルタリングして、信頼できるメトリクスを生成します。
制限事項と注意事項
データ遅延:
- 13F ファイリングは 45 日間の報告遅延を有します
- ポジションはファイリング日以降に変わっている可能性
- 確認指標として使用、主導シグナルではなく
カバレッジ:
- 1 億ドル以上を運用する機関投資家のみがファイリング必須
- 個人投資家と小規模ファンドを除外
- 国際機関投資家は 13F をファイリングしない場合あり
報告ルール:
- 長期株式ポジションのみ報告(ショート、オプション、債券なし)
- 四半期末時点のスナップショットとしての保有
- 一部のポジションは機密(遅延報告)の場合あり
解釈:
- 相関 ≠ 因果関係(機関投資家の買い建てにもかかわらず株式が下落する可能性)
- 全体的な市場環境とファンダメンタルズを考慮
- 技術分析および他のスキルと組み合わせて使用
高度な使用ケース
インサイダー + 機関投資家コンボ:
- インサイダーと機関投資家の両方が買い集めている株式を探す
- 特に一致している場合、特に強力なシグナル
セクターローテーション検出:
- セクター別の集計機関投資家フローを追跡
- 価格に表示される前に初期ローテーション傾向を特定
逆張りプレイ:
- 機関投資家が売却している質の高い株式を見つける(潜在的な価値)
- 強いファンダメンタル確信が必須
スマートマネー検証:
- 大型ポジション前に、スマートマネーが同意しているかチェック
- 確信を得るまたは見落とされたリスクを見つける
参考資料
references/ フォルダには詳細ガイドが含まれています:
- 13f_filings_guide.md - 13F SEC ファイリングの包括的ガイド、含有物、報告要件、データ品質に関する考慮事項
- institutional_investor_types.md - 異なる種類の機関投資家(ヘッジファンド、投資信託、年金基金など)、典型的な戦略、動きの解釈方法
- interpretation_framework.md - 機関投資家保有比率の変化、シグナル品質評価、他の分析との統合を解釈するための詳細フレームワーク
スクリプトパラメータ
track_institutional_flow.py
重大な機関投資家変化を持つ株式を見つけるメインスクリーニングスクリプト。
必須:
--api-key:FMP API キー(または FMP_API_KEY 環境変数を設定)
オプション:
--top N:機関投資家変化の上位 N 株を返す(デフォルト:50)--min-change-percent X:機関投資家保有比率の最小 % 変化(デフォルト:10)--min-market-cap X:米ドルでの最小時価総額(デフォルト:10 億)--sector NAME:特定のセクターでフィルター--min-institutions N:機関投資家保有者の最小数(デフォルト:10)--limit N:スクリーナーから取得する株式数(デフォルト:100)。低い値は API コール削減。--output FILE:出力 JSON ファイルパス--output-dir DIR:レポート用出力ディレクトリ(デフォルト:reports/)--sort-by FIELD:「ownership_change」または「institution_count_change」でソート
analyze_single_stock.py
特定の株式の機関投資家保有について詳しく分析。
必須:
- ティッカーシンボル(位置引数)
--api-key:FMP API キー(または FMP_API_KEY 環境変数を設定)
オプション:
--quarters N:分析する四半期数(デフォルト:8、つまり 2 年)--output FILE:出力マークダウンレポートパス--output-dir DIR:レポート用出力ディレクトリ(デフォルト:reports/)--compare-to TICKER:別の株式への機関投資家保有を比較(将来の機能)
track_institution_portfolio.py
ステータス:未実装
このスクリプトはプレースホルダーです。代替リソース(WhaleWisdom、SEC EDGAR、DataRoma)を出力して終了コード 1 で終了します。FMP API は機関投資家保有データを株式別に整理しており(機関投資家別ではなく)、完全なポートフォリオ再構築は実用的ではありません。
機関投資家固有のポートフォリオ追跡には、以下を使用してください:
- WhaleWisdom:https://whalewisdom.com (無料ティアあり)
- SEC EDGAR:https://www.sec.gov/cgi-bin/browse-edgar
- DataRoma:https://www.dataroma.com
データ品質モジュール(data_quality.py)
track_institutional_flow.py と analyze_single_stock.py の両方で使用される共有ユーティリティモジュール:
- classify_holder(): 保有者を真の保有者/新規完全/退出/未知に分類
- calculate_filtered_metrics(): 真の保有者のみを使用してメトリクスを計算
- reliability_grade(): データ品質に基づき A/B/C グレードを割り当て
- is_tradable_stock(): ETF、ファンド、不活性株を除外
- deduplicate_share_classes(): BRK-A/B、GOOG/GOOGL の重複を削除
他のスキルとの統合
Value Dividend Screener + 機関投資家フロー:
1. Value Dividend Screener を実行して候補を見つける
2. 各候補について機関投資家フローをチェック
3. 上昇する機関投資家保有の株式を優先
米国株分析 + 機関投資家フロー:
1. 包括的なファンダメンタル分析を実行
2. 機関投資家保有トレンドで検証
3. 機関投資家が売却している場合、理由を調査
ポートフォリオマネージャー + 機関投資家フロー:
1. Alpaca 経由で現在のポートフォリオを取得
2. 各保有について機関投資家分析を実行
3. 機関投資家サポートが悪化しているポジションを警告
4. 分配から遠ざかるためのリバランスを検討
テクニカルアナリスト + 機関投資家フロー:
1. テクニカルセットアップを特定(例:ブレイクアウト)
2. 機関投資家の買い建てが確認しているかチェック
3. 両者が一致している場合、より高い確信
ベストプラクティス
- 四半期レビュー: 13F ファイリング期限のカレンダーリマインダーを設定
- 複数四半期トレンド: ワンタイムの変化ではなく、持続的なトレンド(3 四半期以上)を探す
- 質は量より: 100 の小規模ファンドを追加する 1 つのバークシャーの方が価値
- 文脈が重要: 下落している株式での上昇保有は、落ちるナイフを捕まえている価値投資家である可能性
- シグナルを組み合わせ: 機関投資家フローを単独で決して使用しないでください
- データを更新: 新しい 13F が提出されるため、毎四半期分析を再実行
サポートとリソース
- FMP API ドキュメント:https://financialmodelingprep.com/developer/docs
- SEC 13F ファイリングデータベース:https://www.sec.gov/cgi-bin/browse-edgar?action=getcompany&type=13F
- 機関投資家データベース:https://whalewisdom.com (無料ティアあり)
注意: このスキルは長期投資家(3~12 ヶ月の投資期間)向けに設計されています。短期トレード用には、テクニカル分析および他のモメンタム指標と組み合わせてください。
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- tradermonty
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/tradermonty/claude-trading-skills / ライセンス: MIT
関連スキル
hugging-face-trackio
Trackioを使用してMLトレーニング実験を追跡・可視化できます。トレーニング中のメトリクスログ記録(Python API)、トレーニング診断のアラート発火、ログされたメトリクスの取得・分析(CLI)が必要な場合に活用してください。リアルタイムダッシュボード表示、Webhookを使用したアラート、HF Space同期、自動化向けのJSON出力に対応しています。
btc-bottom-model
ビットコインのサイクルタイミングモデルで、加重スコアリングシステムを搭載しています。日次パルス(4指標、32ポイント)とウィークリー構造(9指標、68ポイント)の2カテゴリーにわたる13の指標を追跡し、0~100のマーケットヒートスコアを算出します。ETFフロー、ファンディングレート、ロング/ショート比率、恐怖・貪欲指数、LTH-MVRV、NUPL、SOPR(LTH+STH)、LTH供給率、移動平均倍率(365日MA、200週MA)、週次RSI、出来高トレンドに対応します。市場サイクル全体を通じて買いと売りの両方の推奨を提供します。ビットコインの底値拾い、BTCサイクルポジション、買い時・売り時、オンチェーン指標、MVRV、NUPL、SOPR、LTH動向、ETFの流出入、ファンディングレート、恐怖指数、ビットコインが過熱状態か、マイナーコスト、暗号資産市場のセンチメント、BTCのポジションサイジング、「今ビットコインを買うべきか」「BTCが天井をつけているか」「オンチェーン指標は何を示しているか」といった質問の際にこのスキルを活用します。
protein_solubility_optimization
タンパク質の溶解性最適化 - タンパク質の溶解性を最適化します。タンパク質の特性を計算し、溶解性と親水性を予測し、有効な変異を提案します。タンパク質配列の特性計算、タンパク質機能の予測、親水性計算、ゼロショット配列予測を含むタンパク質エンジニアリング業務に使用できます。3つのSCPサーバーから4つのツールを統合しています。
research-lookup
Parallel Chat APIまたはPerplexity sonar-pro-searchを使用して、最新の研究情報を検索できます。学術論文の検索にも対応しています。クエリは自動的に最適なバックエンドにルーティングされるため、論文の検索、研究データの収集、科学情報の検証に活用できます。
tree-formatting
ggtree(R)またはiTOL(ウェブ)を使用して、系統樹の可視化とフォーマットを行います。系統樹を図として描画する際、ツリーレイアウトの選択、分類学に基づく枝やラベルの色付け、クレードの折りたたみ、サポート値の表示、またはツリーへのオーバーレイ追加が必要な場合に使用してください。系統推定(protein-phylogenyスキルを使用)やドメイン注釈(今後の独立したスキル)には使用しないでください。
querying-indonesian-gov-data
インドネシア政府の50以上のAPIとデータソースに接続できます。BPJPH(ハラール認証)、BOM(食品安全)、OJK(金融適正性)、BPS(統計)、BMKG(気象・地震)、インドネシア中央銀行(為替レート)、IDX(株式)、CKAN公開データポータル、pasal.id(第三者法MCP)に対応しています。インドネシア政府データを活用したアプリ開発、.go.idウェブサイトのスクレイピング、ハラール認証の確認、企業の法的適正性の検証、金融機関ステータスの照会、またはインドネシアMCPサーバーへの接続時に使用できます。CSRF処理、CKAN API使用方法、IP制限回避など、すぐに実行可能なPythonパターンを含んでいます。