用途：以美债殖利率曲线利差作为领先指标，推估成长股（默认 QQQ）相对防御股（默认 XLV）未来 H 个月的相对对数报酬方向与幅度。利差定义为 spread = 短端殖利率 - 长端殖利率（US02Y - US10Y）；相对比率为 ratio = 风险资产 / 防御资产；预测目标为 future_rel_return = log(ratio(t+H)/ratio(t))，正值指风险资产跑赢，负值指防御资产跑赢。
主要能力：整合 FRED（DGS2、DGS10）与 Yahoo Finance（QQQ、XLV）数据；计算利差与未来相对报酬；通过相关/回归及交叉相关扫描多个领先期（如 6、12、18、24、30、36 个月）寻找最佳领先关系；做子样本稳定性验证；给出当前情境的点估计与分位数区间（默认 80% 信心水平）；可生成可视化图表与 JSON/Markdown 报告。
使用方式（命令保持原样）：
cd skills/forecast-sector-relative-return-from-yield-spread
pip install pandas numpy yfinance matplotlib statsmodels requests
python scripts/spread_forecaster.py --quick
自定义：python scripts/spread_forecaster.py
--risk-ticker QQQ
--defensive-ticker XLV
--lead-months 24
--lookback-years 12
--output result.json
图表：python scripts/plot_bloomberg_style.py --quick --output output/yield_spread_forecast_$(date +%Y-%m-%d).png
核心参数：risk_ticker、defensive_ticker、short_tenor、long_tenor、lead_months、lookback_years；进阶参数：freq、smoothing_window、return_horizon_months、model_type、confidence_level。
适用场景：研究利差与板块相对强弱的领先统计规律，输出历史类比、预测区间与风险提示，作为宏观/资产配置的交叉验证参考。
限制：资料指出相关反映的是历史统计规律，不保证未来成立；示例结果显示子样本一致性低（前半段负相关、后半段正相关），最佳领先期可能为 30-36 个月，R² 约 23.4%，利差仅解释约四分之一变异，需搭配景气指标、估值分位与资金流向交叉验证。其余未在资料中说明的平台、收费或效果暂未提供。