# Macro Event Market Impact Skill

> 解读利率、通胀、就业、增长等宏观事件对股市、风格和行业的影响路径，帮助判断短线冲击与中期含义。适用于宏观数据日、议息会议与政策窗口解读。

- Skill: `wind-information-co-ltd/macro-event-market-impact-skill` (Agent Skill)
- Install (CLI): `npx skillmds add wind-information-co-ltd/macro-event-market-impact-skill`
- Raw SKILL.md: https://api.skillmd.com/api/skills/wind-information-co-ltd/macro-event-market-impact-skill/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: wind-information-co-ltd (https://skillmd.com/u/wind-information-co-ltd)
- Updated: 2026-09-09
- Page: https://skillmd.com/skills/wind-information-co-ltd/macro-event-market-impact-skill

---


# Macro Event Market Impact Skill

## 数据依赖与执行前置条件

推荐使用万得 `wind-mcp-skill` 获取底层数据。执行前先检查本地是否已有 `wind-mcp-skill`；若没有，提示用户安装：

```bash
# GitHub
npx skills add Wind-Information-Co-Ltd/wind-skills --skill wind-mcp-skill -g -y

# Gitee 镜像（国内）
npx skills add https://gitee.com/wind_info/wind-skills.git --skill wind-mcp-skill -g -y
```


## 技能定位

本技能用于解读宏观事件对市场的影响，回答“这次数据或会议到底超了什么、影响先落在哪些资产和板块、短线市场为什么这样反应、中期该如何重新理解环境”。输出重点不是复述新闻标题，而是拆解预期差、传导路径与对股票市场的真实含义。

## 执行流程

### Step 1：确认宏观事件、预期基线与时点背景

先明确本次要解读的事件是什么，并建立事件前的基准背景：

- 是通胀、就业、增长、利率还是政策会议
- 事件公布前市场的主流预期是什么
- 当前市场最敏感的变量是通胀、增长、流动性还是政策路径
- 这次事件发生前，市场处于风险偏好上升还是防御状态

若没有预期基线，宏观解读容易流于“数据好或坏”的表面判断。

### Step 2：识别本次事件的真正预期差

宏观事件的重点不在数据本身，而在于与市场预期相比改变了什么，重点包括：

- 哪个核心数据点超预期或低于预期
- 市场原本最担心的变量是否被缓解或强化
- 数据内部结构是否比 headline 更重要
- 这次事件是否改变后续政策、流动性或增长叙事

### Step 3：拆解影响传导链条

围绕股票市场，说明影响通常如何传导：

- 先影响利率、汇率、商品或风险偏好
- 再影响成长与价值、周期与防御等风格比较
- 进一步影响对特定行业的盈利预期和估值容忍度
- 最后影响市场对未来几周或几个月环境的定价

要把即时价格波动与更慢的叙事重定价分开处理。

### Step 4：分析对板块与风格的差异化影响

不同板块对同一宏观事件的敏感度并不相同，需要说明：

- 哪些行业是直接受益方
- 哪些行业更容易承压
- 哪些板块的反应主要来自估值变化，哪些来自基本面变化
- 若市场出现与直觉相反的表现，原因可能是什么

### Step 5：区分短线交易反应与中期环境含义

进一步判断：

- 今天的市场反应是合理定价还是情绪放大
- 事件是否足以改变中期市场主线
- 若只是一次扰动，后续哪些数据仍需确认
- 若环境确实切换，风格和仓位应如何调整

### Step 6：形成宏观冲击解读成稿

最终输出应让使用者知道这次宏观事件影响了什么、影响有多深、该盯什么后续变量。正文只保留预期差、传导逻辑、差异化影响和跟踪点。

## 输出结构

---

# {宏观事件名称}市场影响解读（{YYYY-MM-DD}）

## 一、30 秒结论

- **本次最大预期差**：{一句话}
- **对股市的主影响方向**：{偏利好 / 偏利空 / 中性偏复杂}
- **最敏感的风格或板块**：{内容}
- **中期含义判断**：{环境改善 / 环境承压 / 仍待确认}

## 二、事件事实与预期对比

| 项目 | 公布结果 | 事前预期 | 变化含义 |
| :--- | :--- | :--- | :--- |
| 核心指标 1 | {内容} | {内容} | {判断} |
| 核心指标 2 | {内容} | {内容} | {判断} |
| 核心指标 3 | {内容} | {内容} | {判断} |

## 三、影响传导路径

- **第一层传导**：{内容}
- **第二层传导**：{内容}
- **第三层传导**：{内容}

## 四、板块与风格影响

- **受益方向**：{内容}
- **承压方向**：{内容}
- **最值得留意的错位反应**：{内容}

## 五、短线与中期判断

- **短线交易反应解读**：{内容}
- **中期环境含义**：{内容}
- **仍需继续验证的变量**：{内容}

## 六、后续观察清单

- {观察点 1}
- {观察点 2}
- {观察点 3}

---

## 质量要求

1. 宏观解读必须围绕“预期差”展开，而不是只写数据好坏。
2. 要把即时市场反应与中期环境重定价分开分析。
3. 需体现风格和行业的差异化敏感度，避免给出平均结论。
4. 若市场反应与直觉相反，应优先解释原因，而不是忽略。
5. 输出要帮助使用者判断事件影响的深浅与持续性，而不是停留在新闻复述。