テーマ検出器

概要

このスキルは、クロスセクター（複数業界）のモメンタム、出来高、ブレッドス（銘柄数）シグナルを分析して、トレンディングな市場テーマを検出・ランク付けします。強気（上昇モメンタム）と弱気（下降圧力）の両方のテーマを特定し、ライフサイクルの成熟度（Emerging/Accelerating/Trending/Mature/Exhausting）を評価し、定量データとナレーティブ分析を組み合わせた信頼度スコアを提供します。

3次元スコアリングモデル:

1. テーマ熱度 (0-100): テーマの方向中立的な強さ（モメンタム、出来高、上昇トレンド比率、ブレッドス）
2. ライフサイクル成熟度: ステージ分類（Emerging / Accelerating / Trending / Mature / Exhausting）。期間、極値クラスタリング、バリュエーション、ETF増殖に基づく
3. 信頼度 (Low / Medium / High): 検出の信頼性。定量的ブレッドスとナレーティブ確認を組み合わせたもの。スクリプト出力はMediumに制限されます。Claudeの WebSearch ナレーティブ確認ステップがHighに引き上げることができます。

主な特徴:

• FINVIZ業界データを使用したクロスセクターテーマ検出
• 方向認識型スコアリング（強気・弱気テーマ）
• ライフサイクル成熟度評価により、混雑トレード対新興トレードを特定
• ETF増殖スコアリング（ETFが多いほど成熟度・混雑度が高い）
• uptrend-dashboardとの統合で3ポイント評価
• デュアルモード運用：FINVIZ Elite（高速）またはパブリック スクレイピング（低速・限定版）
• トップテーマのWebSearchベースナレーティブ確認

---

このスキルを使う時

明示的なトリガー:

• 「現在トレンディングな市場テーマは何か?」
• 「どのセクターがホット/コールドか?」
• 「現在の市場テーマを検出する」
• 「最も強力な強気/弱気ナレーティブは何か?」
• 「AI/クリーン・エネルギー/防衛はまだ強いテーマか?」
• 「セクターローテーションはどこへ向かっているか?」
• 「テーマティック投資の機会を見せて」

暗黙的なトリガー:

• ユーザーが広範な市場ナレーティブシフトを理解したい
• ユーザーがテーマティックETFまたはセクター配分のアイデアを求めている
• ユーザーが混雑トレードまたはレイトサイクルテーマについて質問している
• ユーザーが新興対疲弊テーマを知りたい

使用しない場合:

• 個別銘柄分析（us-stock-analysis を使用）
• 特定セクターの詳細分析でチャート読み（sector-analyst を使用）
• ポートフォリオリバランシング（portfolio-manager を使用）
• 配当/インカム投資（value-dividend-screener を使用）

---

前提条件

必須:

• Python 3.7+ とコア依存関係:

  pip install requests beautifulsoup4 lxml pandas numpy yfinance
  

オプション API キー:

FINVIZ Elite（完全な業界カバレッジと速度のため推奨）:

export FINVIZ_API_KEY=your_finviz_elite_api_key_here

FMP API（オプション、P/Eレシオバリュエーションデータ用）:

export FMP_API_KEY=your_fmp_api_key_here

オプション Python パッケージ:

• finvizfinance - FINVIZ Elite モード用
• PyYAML - --themes-config カスタムテーマ用

FINVIZ Eliteなしの場合、スキルはパブリック FINVIZ スクレイピング（業界ごとに約20銘柄に制限、低速レート制限）を使用します。

---

ワークフロー

ステップ 1: 環境を確認

API キーが設定されていることを確認します（前提条件を参照）:

# FINVIZ Elite API キーを確認（オプションですが推奨）
echo $FINVIZ_API_KEY

# FMP API キーを確認（オプション）
echo $FMP_API_KEY

ステップ 2: テーマ検出スクリプトを実行

メイン検出スクリプトを実行:

python3 skills/theme-detector/scripts/theme_detector.py \
  --output-dir reports/

スクリプト オプション:

# 完全実行（パブリック FINVIZ モード、API キー不要）
python3 skills/theme-detector/scripts/theme_detector.py \
  --output-dir reports/

# FINVIZ Elite API キーで実行
python3 skills/theme-detector/scripts/theme_detector.py \
  --finviz-api-key $FINVIZ_API_KEY \
  --output-dir reports/

# FMP API キー付きで強化されたストックデータ
python3 skills/theme-detector/scripts/theme_detector.py \
  --fmp-api-key $FMP_API_KEY \
  --output-dir reports/

# カスタム制限
python3 skills/theme-detector/scripts/theme_detector.py \
  --max-themes 5 \
  --max-stocks-per-theme 10 \
  --output-dir reports/

# 明示的な FINVIZ モード
python3 skills/theme-detector/scripts/theme_detector.py \
  --finviz-mode public \
  --output-dir reports/

予想実行時間:

• FINVIZ Elite モード: 約2〜3分（14+テーマ）
• パブリック FINVIZ モード: 約5〜8分（レート制限スクレイピング）

ステップ 3: 検出結果を読み込んで解析

スクリプトは2つの出力ファイルを生成:

• theme_detector_YYYY-MM-DD_HHMMSS.json - プログラム用の構造化データ
• theme_detector_YYYY-MM-DD_HHMMSS.md - 人間が読める形式のレポート

JSON 出力を読んで定量的結果を理解:

# 最新レポートを見つける
ls -lt reports/theme_detector_*.json | head -1

# JSON 出力を読む
cat reports/theme_detector_YYYY-MM-DD_HHMMSS.json

ステップ 4: WebSearch でナレーティブを確認

テーマ熱度スコアでトップ5テーマについて、WebSearch クエリを実行してナレーティブ強度を確認:

検索パターン:

"[テーマ名] stocks market [現在月] [現在年]"
"[テーマ名] sector momentum [現在月] [現在年]"

ナレーティブシグナルを評価:

• 強いナレーティブ: 複数の主要メディアがテーマをカバー、アナリスト格上げ、政策要因
• 中程度ナレーティブ: いくつかのカバレッジ、混在センチメント、明確な要因がない
• 弱いナレーティブ: カバレッジが少ない、または主にコントラリアン/懐疑的なトーン

信頼度レベルを更新:

• 定量的High + ナレーティブ強 = High 信頼度
• 定量的High + ナレーティブ弱 = Medium 信頼度（モメンタムの乖離の可能性）
• 定量的Low + ナレーティブ強 = Medium 信頼度（ナレーティブが価格をリード可能）
• 定量的Low + ナレーティブ弱 = Low 信頼度

ステップ 5: 結果を分析し推奨を提供

検出結果をナレッジベースと相互参照:

参照ドキュメント:

1. references/cross_sector_themes.md - テーマ定義と構成業界
2. references/thematic_etf_catalog.md - テーマ別のETF曝露オプション
3. references/theme_detection_methodology.md - スコアリングモデルの詳細
4. references/finviz_industry_codes.md - 業界分類リファレンス

分析フレームワーク:

ホット強気テーマ (Heat >= 70, Direction = Bullish):

• ライフサイクルステージを特定（Emerging = 機会、Mature/Exhausting = 注意）
• テーマ内のトップ実行業界をリスト
• 曝露のためのプロキシETFを推奨
• ETF増殖が高い場合を警告（混雑トレード警告）

ホット弱気テーマ (Heat >= 70, Direction = Bearish):

• 圧力下にある業界を特定
• 弱気モメンタムが加速か減速かを評価
• ヘッジング戦略またはセクターを避ける推奨
• ライフサイクルが Mature/Exhausting の場合、平均回帰機会を注記

新興テーマ (Heat 40-69, Lifecycle = Emerging):

• 初期ローテーション信号を表す可能性
• ウォッチリストで監視を推奨
• テーマを加速する可能性のある要因イベントを特定

疲弊テーマ (Heat >= 60, Lifecycle = Exhausting):

• 混雑トレードリスクについて警告
• 高いETF数はリテール参加の過剰を確認
• コントラリアンポジショニングまたは曝露削減を検討

ステップ 6: 最終レポートを生成

レポートテンプレート構造を使用して最終レポートをユーザーに提示:

# テーマ検出レポート
**日付:** YYYY-MM-DD
**モード:** FINVIZ Elite / Public
**分析テーマ数:** N
**データ品質:** [制限事項を記載]

## テーマダッシュボード
[Heat、Direction、Lifecycle、Confidence を持つトップテーマテーブル]

## 強気テーマの詳細
[Heat でソートされた強気テーマの詳細分析]

## 弱気テーマの詳細
[Heat でソートされた弱気テーマの詳細分析]

## すべてのテーマサマリー
[完全なテーマランキングテーブル]

## 業界ランキング
[トップ実行と最悪実行業界]

## セクター上昇トレンド比率
[アップトレンドデータがある場合のセクターレベル集計]

## 方法論ノート
[スコアリングモデルの簡潔な説明]

レポートを reports/ ディレクトリに保存します。

---

出力

スキルは reports/ ディレクトリに2つの出力ファイルを生成:

JSON 出力 (theme_detector_YYYY-MM-DD_HHMMSS.json):

{
  "report_type": "theme_detector",
  "generated_at": "2026-04-18 10:30:00",
  "metadata": {
    "generated_at": "2026-04-18 10:30:00",
    "data_mode": "full",
    "finviz_mode": "elite",
    "fmp_available": true,
    "max_themes": 14,
    "max_stocks_per_theme": 5,
    "data_sources": {
      "finviz_industries": 152,
      "yfinance_stocks": 68,
      "etf_volume": 24
    }
  },
  "summary": {
    "total_themes": 14,
    "bullish_count": 8,
    "bearish_count": 6,
    "top_bullish": "AI & Machine Learning",
    "top_bearish": "Regional Banks"
  },
  "themes": {
    "all": [
      {
        "name": "AI & Machine Learning",
        "direction": "bullish",
        "heat": 85.3,
        "maturity": 42.1,
        "stage": "Accelerating",
        "confidence": "Medium",
        "heat_label": "Hot",
        "industries": ["Software - Infrastructure", "Semiconductors"],
        "representative_stocks": [{"symbol": "NVDA"}, {"symbol": "MSFT"}],
        "proxy_etfs": ["BOTZ", "ROBO"],
        "theme_origin": "seed"
      }
    ],
    "bullish": [...],
    "bearish": [...]
  },
  "industry_rankings": {
    "top": [...],
    "bottom": [...]
  },
  "sector_uptrend": {...},
  "data_quality": {...}
}

Markdown レポート (theme_detector_YYYY-MM-DD_HHMMSS.md):

• ソート可能なランキング付きテーマダッシュボード
• 強気/弱気テーマ詳細セクション
• 業界パフォーマンスランキング
• セクター上昇トレンド比率サマリー
• 方法論ノート

主要出力フィールド（テーマごと）:

フィールド	説明
heat	0-100 方向中立的テーマ強度
direction	"bullish" (LEAD) または "bearish" (LAG)
stage	Emerging / Accelerating / Trending / Mature / Exhausting
confidence	Low / Medium / High（スクリプトはMediumに制限、WebSearchで引き上げ可能）
representative_stocks	テーマのトップ銘柄（symbol とメトリクスを持つオブジェクトのリスト）
proxy_etfs	テーマティックETFティッカー（長さ = ETF数、多いほど混雑）
theme_origin	"seed" (YAML設定から) または "discovered" (自動クラスタリング)

---

リソース

Scripts ディレクトリ (scripts/)

メインスクリプト:

• theme_detector.py - メインオーケストレータースクリプト

  • 業界データ収集、テーマ分類、スコアリングを調整
  • JSON + Markdown 出力を生成
  • 使用法: python3 theme_detector.py [options]

• theme_classifier.py - 業界をクロスセクターテーマにマップ

  • cross_sector_themes.md からテーマ定義を読み込む
  • テーマレベルの集計スコアを計算
  • 構成業界から方向を決定（強気/弱気）
  • 表示マッピング: "bullish" → "LEAD"、"bearish" → "LAG" (report_generator.py::_direction_label() 参照)

• finviz_industry_scanner.py - FINVIZ 業界データ収集

  • Elite モード: 業界ごとに完全なストックデータを持つ CSV エクスポート
  • Public モード: レート制限付きのWebスクレイピング
  • 抽出: パフォーマンス、出来高、変動%、平均出来高、時価総額

• calculators/lifecycle_calculator.py - ライフサイクル成熟度評価

  • 期間スコアリング、極値クラスタリング、バリュエーション分析
  • thematic_etf_catalog.md からのETF増殖スコアリング
  • ステージ分類: Emerging / Accelerating / Trending / Mature / Exhausting

• report_generator.py - レポート出力生成

  • テンプレートから Markdown レポート
  • JSON 構造化出力
  • テーマダッシュボード フォーマット

References ディレクトリ (references/)

ナレッジベース:

• cross_sector_themes.md - 業界、ETF、銘柄、マッチング基準を含むテーマ定義
• thematic_etf_catalog.md - テーマごとのカウント付き包括的なテーマティックETFカタログ
• finviz_industry_codes.md - 完全な FINVIZ 業界からフィルターコードへのマッピング
• theme_detection_methodology.md - 3D スコアリングモデルの技術ドキュメント

Assets ディレクトリ (assets/)

• report_template.md - プレースホルダー形式を持つレポート生成用 Markdown テンプレート

---

重要なノート

FINVIZ モードの違い

機能	Elite モード	Public モード
業界カバレッジ	すべて約145業界	すべて約145業界
業界ごとの銘柄数	完全なユニバース	約20銘柄（ページ1）
レート制限	リクエスト間0.5秒	リクエスト間2.0秒
データ新鮮度	リアルタイム	15分遅延
API キー必須	はい（月額$39.50）	いいえ
実行時間	約2〜3分	約5〜8分

方向検出ロジック

テーマの方向は構成業界の相対ランク多数決で決定:

1. 業界ランキング: すべての約145業界がマルチタイムフレームモメンタムスコアでランク付け
2. ランクベースの方向: ランク付きリストの上半分にある業界は「強気」に分類。下半分は「弱気」
3. テーマ多数決: _majority_direction() は各テーマ内で強気対弱気業界をカウント。多数派が勝ち

表示マッピング: "bullish" → LEAD、"bearish" → LAG (report_generator.py::_direction_label() 参照)

LEAD テーマは構成業界の相対的なアウトパフォーマンスを示します。LAG テーマは絶対リターンがまだ正である可能性があります。相対的なアンダーパフォーマンスを示すもので、ショートシグナルではありません。

既知の制限

1. サバイバーシップバイアス: 現在上場している銘柄とETFのみを分析
2. ラグ: FINVIZ データは日中の動きに対して15分遅延する可能性（Public モード）
3. テーマ境界: いくつかの銘柄は複数のテーマに適合。分類は主要業界を使用
4. ETF増殖: カタログは静的で、非常に新しいETFをキャプチャしない可能性
5. ナレーティブスコアリング: WebSearch ベースで本質的に主観的
6. Public モード制限: 業界ごとに約20銘柄はスモールキャップシグナルを見落とす可能性

免責事項

この分析は教育および情報提供目的のみです。

• 投資アドバイスではありません
• 過去のテーマティックトレンドは将来のパフォーマンスを保証しません
• テーマ検出はモメンタムを特定するもので、基本的価値ではありません
• 投資決定を行う前に、自分自身で調査を実施してください

---

バージョン: 1.0 最終更新: 2026-02-16 API 要件: FINVIZ Elite（推奨）またはパブリックモード（無料）、FMP API オプション 実行時間: モードによって約2〜8分 出力形式: JSON + Markdown カバレッジテーマ: 14以上のクロスセクターテーマ