Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →ニュースヘッドラインを入力として18ヶ月シナリオを分析するスキル。 scenario-analystエージェントで主分析を実行し、 strategy-reviewerエージェントでセカンドオピニオンを取得。 1次・2次・3次影響、推奨銘柄、レビューを含む包括的レポートを日本語で生成。 使用例: /scenario-analyzer "Fed raises rates by 50bp" トリガー: ニュース分析、シナリオ分析、18ヶ月展望、中長期投資戦略
.claude/skills/nicepkg-scenario-analyzer/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-18 | ✗→✓ | ▲ Improved | 63% | 0% |
| case-06 | ✗→✓ | ▲ Improved | 171% | 0% |
| case-07 | ✗→✓ | ▲ Improved | 156% | 0% |
| case-08 | ✗→✓ | ▲ Improved | 126% | 0% |
| case-09 | ✗→✓ | ▲ Improved | 66% | 0% |
このスキルは、ニュースヘッドラインを起点として中長期（18ヶ月）の投資シナリオを分析します。 2つの専門エージェント（scenario-analystとstrategy-reviewer）を順次呼び出し、 多角的な分析と批判的レビューを統合した包括的なレポートを生成します。
以下の場合にこのスキルを使用してください：
使用例:
/headline-scenario-analyzer "Fed raises interest rates by 50bp, signals more hikes ahead"
/headline-scenario-analyzer "China announces new tariffs on US semiconductors"
/headline-scenario-analyzer "OPEC+ agrees to cut oil production by 2 million barrels per day"┌─────────────────────────────────────────────────────────────────────┐
│ Skill（オーケストレーター） │
│ │
│ Phase 1: 準備 │
│ ├─ ヘッドライン解析 │
│ ├─ イベントタイプ分類 │
│ └─ リファレンス読み込み │
│ │
│ Phase 2: エージェント呼び出し │
│ ├─ scenario-analyst（主分析） │
│ └─ strategy-reviewer（セカンドオピニオン） │
│ │
│ Phase 3: 統合・レポート生成 │
│ └─ reports/scenario_analysis_<topic>_YYYYMMDD.md │
└─────────────────────────────────────────────────────────────────────┘ユーザーから入力されたヘッドラインを解析します。
ヘッドラインを以下のカテゴリに分類：
| カテゴリ | 例 | |---------|-----| | 金融政策 | FOMC、ECB、日銀、利上げ、利下げ、QE/QT | | 地政学 | 戦争、制裁、関税、貿易摩擦 | | 規制・政策 | 環境規制、金融規制、独禁法 | | テクノロジー | AI、EV、再エネ、半導体 | | コモディティ | 原油、金、銅、農産物 | | 企業・M&A | 買収、破綻、決算、業界再編 |
イベントタイプに基づき、関連するリファレンスを読み込みます：
Read references/headline_event_patterns.md
Read references/sector_sensitivity_matrix.md
Read references/scenario_playbooks.mdリファレンス内容:
headline_event_patterns.md: 過去のイベントパターンと市場反応sector_sensitivity_matrix.md: イベント×セクターの影響度マトリクスscenario_playbooks.md: シナリオ構築のテンプレートとベストプラクティスTask toolを使用してメイン分析エージェントを呼び出します。
Task tool:
- subagent_type: "scenario-analyst"
- prompt: |
以下のヘッドラインについて18ヶ月シナリオ分析を実行してください。
## 対象ヘッドライン
[入力されたヘッドライン]
## イベントタイプ
[分類結果]
## リファレンス情報
[読み込んだリファレンスの要約]
## 分析要件
1. WebSearchで過去2週間の関連ニュースを収集
2. Base/Bull/Bearの3シナリオを構築（確率合計100%）
3. 1次/2次/3次影響をセクター別に分析
4. ポジティブ/ネガティブ影響銘柄を各3-5銘柄選定（米国市場のみ）
5. 全て日本語で出力期待する出力:
scenario-analystの分析結果を受けて、レビューエージェントを呼び出します。
Task tool:
- subagent_type: "strategy-reviewer"
- prompt: |
以下のシナリオ分析をレビューしてください。
## 対象ヘッドライン
[入力されたヘッドライン]
## 分析結果
[scenario-analystの出力全文]
## レビュー要件
以下の観点でレビューを実施：
1. 見落とされているセクター/銘柄
2. シナリオ確率配分の妥当性
3. 影響分析の論理的整合性
4. 楽観/悲観バイアスの検出
5. 代替シナリオの提案
6. タイムラインの現実性
建設的かつ具体的なフィードバックを日本語で出力してください。期待する出力:
両エージェントの出力を統合し、最終投資判断を作成します。
統合ポイント:
以下の形式で最終レポートを生成し、ファイルに保存します。
保存先: reports/scenario_analysis_<topic>_YYYYMMDD.md
markdown# ヘッドライン・シナリオ分析レポート **分析日時**: YYYY-MM-DD HH:MM **対象ヘッドライン**: [入力されたヘッドライン] **イベントタイプ**: [分類カテゴリ] --- ## 1. 関連ニュース記事 [scenario-analystが収集したニュースリスト] ## 2. 想定シナリオ概要（18ヶ月後まで） ### Base Case（XX%確率） [シナリオ詳細] ### Bull Case（XX%確率） [シナリオ詳細] ### Bear Case（XX%確率） [シナリオ詳細] ## 3. セクター・業種への影響 ### 1次的影響（直接的） [影響テーブル] ### 2次的影響（バリューチェーン・関連産業） [影響テーブル] ### 3次的影響（マクロ・規制・技術） [影響テーブル] ## 4. ポジティブ影響が見込まれる銘柄（3-5銘柄） [銘柄テーブル] ## 5. ネガティブ影響が見込まれる銘柄（3-5銘柄） [銘柄テーブル] ## 6. セカンドオピニオン・レビュー [strategy-reviewerの出力] ## 7. 最終投資判断・示唆 ### 推奨アクション [レビューを踏まえた具体的アクション] ### リスク要因 [主要リスクの列挙] ### モニタリングポイント [フォローすべき指標・イベント] --- **生成**: scenario-analyzer skill **エージェント**: scenario-analyst, strategy-reviewer
reports/ ディレクトリが存在しない場合は作成scenario_analysis_<topic>_YYYYMMDD.md として保存（例: scenario_analysis_venezuela_20260104.md）references/headline_event_patterns.md - イベントパターンと市場反応references/sector_sensitivity_matrix.md - セクター感応度マトリクスreferences/scenario_playbooks.md - シナリオ構築テンプレートscenario-analyst - メインシナリオ分析strategy-reviewer - セカンドオピニオン・レビューreports/ ディレクトリ配下に保存することreports/scenario_analysis_<topic>_YYYYMMDD.mdreports/scenario_analysis_fed_rate_hike_20260104.mdreports/ ディレクトリが存在しない場合は作成することレポート完成前に以下を確認：
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→fail | 40,002 | 33,291 | -17% | 1 | 1 | 0% | 6,230 | 2,855 | -54% | 0 | 0 | — |
case-02 | fail→fail | 57,646 | 8,206 | -86% | 1 | 1 | 0% | 2,462 | 2,791 | +13% | 0 | 0 | — |
case-18 | fail→pass | 12,891 | 4,216 | -67% | 1 | 1 | 0% | 1,927 | 3,132 | +63% | 0 | 0 | — |
case-03 | fail→fail | 40,360 | 5,542 | -86% | 1 | 1 | 0% | 6,216 | 2,755 | -56% | 0 | 0 | — |
case-04 | fail→fail | 24,638 | 9,165 | -63% | 1 | 1 | 0% | 3,687 | 2,890 | -22% | 0 | 0 | — |
case-05 | fail→fail | 17,168 | 43,894 | +156% | 1 | 1 | 0% | 2,507 | 2,751 | +10% | 0 | 0 | — |
case-06 | fail→pass | 7,716 | 4,393 | -43% | 1 | 1 | 0% | 1,157 | 3,138 | +171% | 0 | 0 | — |
case-07 | fail→pass | 8,683 | 5,802 | -33% | 1 | 1 | 0% | 1,303 | 3,337 | +156% | 0 | 0 | — |
case-08 | fail→pass | 8,527 | 2,997 | -65% | 1 | 1 | 0% | 1,282 | 2,895 | +126% | 0 | 0 | — |
case-09 | fail→pass | 11,468 | 3,496 | -70% | 1 | 1 | 0% | 1,785 | 2,957 | +66% | 0 | 0 | — |
case-10 | fail→pass | 19,479 | 15,248 | -22% | 1 | 1 | 0% | 2,768 | 4,550 | +64% | 0 | 0 | — |
case-11 | pass→pass | 14,565 | 18,517 | +27% | 1 | 1 | 0% | 2,147 | 4,386 | +104% | 0 | 0 | — |
case-12 | pass→pass | 4,920 | 3,804 | -23% | 1 | 1 | 0% | 882 | 3,025 | +243% | 0 | 0 | — |
case-13 | fail→pass | 13,679 | 5,518 | -60% | 1 | 1 | 0% | 1,854 | 3,286 | +77% | 0 | 0 | — |
case-14 | pass→pass | 3,852 | 1,936 | -50% | 1 | 1 | 0% | 600 | 2,690 | +348% | 0 | 0 | — |
case-15 | pass→pass | 8,271 | 5,737 | -31% | 1 | 1 | 0% | 1,542 | 3,411 | +121% | 0 | 0 | — |
case-16 | fail→pass | 13,299 | 3,959 | -70% | 1 | 1 | 0% | 2,018 | 3,172 | +57% | 0 | 0 | — |
case-17 | fail→pass | 23,422 | 1,663 | -93% | 1 | 1 | 0% | 1,335 | 2,659 | +99% | 0 | 0 | — |
case-19 | pass→pass | 6,751 | 2,420 | -64% | 1 | 1 | 0% | 961 | 2,754 | +187% | 0 | 0 | — |
case-20 | fail→fail | 19,386 | 20,153 | +4% | 1 | 1 | 0% | 4,068 | 6,447 | +58% | 0 | 0 | — |
case-21 | fail→fail | 9,540 | 41,332 | +333% | 1 | 1 | 0% | 1,564 | 4,374 | +180% | 0 | 0 | — |
case-22 | fail→fail | 24,478 | 30,534 | +25% | 1 | 1 | 0% | 4,705 | 8,613 | +83% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted, and 16 counted toward the lift figure. The other 6 produced results that are not comparable between the two arms, so they are excluded from the headline rather than averaged into it. The headline lift of +41 percentage points is the difference between those two pass rates over the 16 comparable cases. 1 case got worse with the skill loaded, and it is included in that figure.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.