Macro-skills forecast-sector-relative-return-from-yield-spread

Name: forecast-sector-relative-return-from-yield-spread
Author: fatfingererr

前端展示專用（元資料從 manifest.json 讀取）

install

source · Clone the upstream repo

git clone https://github.com/fatfingererr/macro-skills

manifest: skills/forecast-sector-relative-return-from-yield-spread/skill.yaml

source content

前端展示專用（元資料從 manifest.json 讀取）

displayName: 以美國公債利差預測板塊相對報酬 emoji: "📈" authorUrl: https://github.com/fatfingererr/macro-skills

tools:

claude-code

featured: false installCount: 0

testQuestions:

question: '驗證「2Y-10Y 美國公債利差」是否真的領先「QQQ/XLV 相對報酬」約 24 個月' imagePath: images/yield-spread-forecast-2026-01-27.png expectedResult: | 驗證結論：「2Y-10Y 殖利率利差」領先「QQQ/XLV 相對報酬」

核心發現
┌─────────┬──────────┐
│ 領先期 │ 相關係數 │ ├─────────┼──────────┤ │ 6 個月 │ 0.233 │ ├─────────┼──────────┤ │ 12 個月 │ 0.360 │ ├─────────┼──────────┤ │ 18 個月 │ 0.405 │ ├─────────┼──────────┤ │ 24 個月 │ 0.484 │ ├─────────┼──────────┤ │ 30 個月 │ 0.502 │ ├─────────┼──────────┤ │ 36 個月 │ 0.509 │ └─────────┴──────────┘ 結論

是的，領先關係存在，但有重要 caveats：
1. 24 個月並非最佳領先期 — 掃描結果顯示相關性隨領先期增加而提升，30-36 個月達到最高（0.50-0.51）。但 24 個月也有不錯的 0.484 相關性。
2. 穩定性存疑 — 這是最關鍵的問題： - 前半段（2007-2015）：相關係數 -0.087（負） - 後半段（2015-2024）：相關係數 +0.663（正） - 一致性：低（low） — 兩個子樣本的關係方向相反
3. 模型解釋力有限 - R² = 0.234，spread 只解釋約 23% 的相對報酬變異 - Beta = +0.087（正），意味 spread 越負（曲線正常）→ 未來 QQQ 越強
當前情境預測 ┌────────────────────────────────────┬────────────────────────────┐ │ 指標 │ 數值 │ ├────────────────────────────────────┼────────────────────────────┤ │ 當前 Spread │ -0.61%（曲線正常，非倒掛） │ ├────────────────────────────────────┼────────────────────────────┤ │ Spread 分位數 │ 第 61 百分位 │ ├────────────────────────────────────┼────────────────────────────┤ │ 近 3 個月變化 │ -0.055%（曲線正在變陡） │ ├────────────────────────────────────┼────────────────────────────┤ │ 預測未來 24 個月 QQQ 相對 XLV 報酬 │ +14.8% │ ├────────────────────────────────────┼────────────────────────────┤ │ 80% 信心區間 │ [-5.2%, +35.7%] │ └────────────────────────────────────┴────────────────────────────┘ 風險提示
1. 子樣本不一致是最大紅旗 — 2007-2015 與 2015-2024 的關係方向完全相反，說明這個「規律」可能只是後半段的樣本特有現象，而非穩健的經濟邏輯。
2. 可能的解釋： - 2008 金融危機期間的極端行為扭曲了前半段關係 - QE 時代（2015 後）利率曲線的信號意義可能已改變 - 24 個月領先期可能剛好捕捉到特定景氣週期長度
3. 建議：不應單獨依賴此信號做決策，需搭配： - 景氣循環指標（PMI、失業率） - 估值分位數（P/E 相對歷史） - 資金流向（ETF 持倉變化）
question: '根據目前的美國公債利差，未來 18 個月 XLV 相對 QQQ 的預期表現如何？' expectedResult: | 國公債利差預測：XLV vs QQQ（18個月領先期）

當前利差狀態
┌─────────────┬──────────────────────────────┐
│ 指標 │ 數值 │
├─────────────┼──────────────────────────────┤
│ 2Y-10Y 利差 │ -0.61%（曲線正常/正斜率） │ ├─────────────┼──────────────────────────────┤ │ 歷史分位數 │ 47.3%（中性位置） │ ├─────────────┼──────────────────────────────┤ │ 趨勢 │ 變陡中（3個月變化 -5.5 bps） │ ├─────────────┼──────────────────────────────┤ │ 數據截至 │ 2026-01-23 │ └─────────────┴──────────────────────────────┘

模型預測結果未來 18-24 個月 QQQ 相對 XLV 預期報酬：+16.5%

┌──────────────┬────────────────┐ │ 指標 │ 數值 │ ├──────────────┼────────────────┤ │ 點估計 │ +16.5% │ ├──────────────┼────────────────┤ │ 80% 信心區間 │ -1.9% ~ +33.3% │ ├──────────────┼────────────────┤ │ 預期勝出方 │ QQQ（成長股） │ ├──────────────┼────────────────┤ │ XLV 跑贏機率 │ 約 5% │ └──────────────┴────────────────┘

模型品質 ┌──────────────┬───────┬───────────────────────────┐ │ 指標 │ 數值 │ 解讀 │ ├──────────────┼───────┼───────────────────────────┤ │ 相關係數 │ 0.621 │ 中等偏強 │ ├──────────────┼───────┼───────────────────────────┤ │ R² │ 38.6% │ 利差解釋約 4 成變異 │ ├──────────────┼───────┼───────────────────────────┤ │ 子樣本一致性 │ 中等 │ 前半段 0.54 / 後半段 0.80 │ └──────────────┴───────┴───────────────────────────┘

結論當前殖利率曲線從倒掛回正（變陡），歷史統計顯示這對成長股（QQQ）相對防禦股（XLV）有利。模型預測未來 18-24 個月 QQQ 將跑贏 XLV 約 16.5%，但信心區間下界接近 0，仍有不確定性。

風險提示
- R² = 39%，利差僅解釋部分變異
- 歷史統計規律不保證未來成立
- 建議搭配景氣指標、估值分位做交叉驗證
question: '如何解讀美國長短天期公債利差，領先股市相對報酬的經濟邏輯？' expectedResult: | 美國公債利差領先股市相對報酬的經濟邏輯

一、利差的定義與含義 Spread = 短天期殖利率 - 長天期殖利率
= 2Y Yield - 10Y Yield ┌──────────────┬──────────┬────────────────────────────┐ │ Spread 狀態 │ 曲線形態 │ 經濟意涵 │ ├──────────────┼──────────┼────────────────────────────┤ │ 負值（正常） │ 正斜率 │ 市場預期未來成長、通膨正常 │ ├──────────────┼──────────┼────────────────────────────┤ │ 正值（倒掛） │ 負斜率 │ 市場預期衰退、Fed 將降息 │ └──────────────┴──────────┴────────────────────────────┘

二、為什麼利差能「領先」股市？
1. 利差反映市場對未來景氣的集體預期債券市場參與者（機構法人、央行、退休基金）會根據對未來 1-3 年的經濟預判來配置長短天期債券：
- 預期衰退 → 搶買長債鎖定利率 → 長端殖利率下降 → 曲線倒掛
- 預期復甦 → 賣長債、持短債 → 長端殖利率上升 → 曲線變陡
  這些預期會在 12-24 個月後反映在實體經濟與企業獲利上。
1. 股市對景氣的敏感度不同 ┌────────┬───────────────────┬──────────────────────────┐ │ 類型 │ 代表 │ 對景氣敏感度 │ ├────────┼───────────────────┼──────────────────────────┤ │ 成長股 │ QQQ（科技、消費） │ 高：獲利高度依賴經濟擴張 │ ├────────┼───────────────────┼──────────────────────────┤ │ 防禦股 │ XLV（醫療保健） │ 低：需求相對剛性 │ └────────┴───────────────────┴──────────────────────────┘ 當利差預示「未來景氣向好」時：
- 成長股獲利預期上修 → 股價上漲
- 防禦股相對吸引力下降 → 資金輪動出去
三、傳導機制圖解時間軸：
T=0 T+12~24個月
──────────────────────────────────
利差變陡（回正）實體經濟確認復甦
│ │
▼ ▼
債市已定價「復甦」 → 企業獲利兌現 → 成長股跑贏
利差倒掛實體經濟確認衰退
│ │
▼ ▼
債市已定價「衰退」 → 獲利下修 → 防禦股抗跌

四、為什麼是「領先」而非「同步」？ ┌──────────┬───────────────────────┬────────────────────────────┐ │ 資產類別 │ 定價依據 │ 反應速度 │ ├──────────┼───────────────────────┼────────────────────────────┤ │ 債券 │ 無風險利率 + 期限溢價 │ 快：機構連續交易、流動性高 │ ├──────────┼───────────────────────┼────────────────────────────┤ │ 股票 │ 未來現金流折現 │ 慢：需等財報確認、情緒影響 │ └──────────┴───────────────────────┴────────────────────────────┘ 債券市場是「聰明錢」主導，機構根據總經模型提前佈局；股市受散戶情緒影響，往往落後反應。

五、經濟學理論基礎
1. 預期理論（Expectations Theory）長期利率 = 未來短期利率的預期平均值
  曲線倒掛 → 市場預期未來短期利率會下降 → 預期 Fed 將因衰退而降息
2. 期限溢價（Term Premium）正常情況下，持有長債應獲得額外補償（久期風險）。當投資者極度恐懼時，寧願「少賺」也要鎖定長債利率 → 期限溢價被壓縮甚至為負。
3. 資產配置輪動
- 衰退預期 → 資金從股票流向債券 → 防禦股相對抗跌
- 復甦預期 → 資金從債券流向股票 → 成長股相對領漲
六、實證發現摘要根據我們的回測（2013-2026）： ┌────────────┬───────────┬──────┐ │ 領先期 │ 相關係數 │ 解讀 │ ├────────────┼───────────┼──────┤ │ 6 個月 │ 0.23 │ 弱 │ ├────────────┼───────────┼──────┤ │ 12 個月 │ 0.36 │ 中等 │ ├────────────┼───────────┼──────┤ │ 18 個月 │ 0.62 │ 較強 │ ├────────────┼───────────┼──────┤ │ 24 個月 │ 0.48 │ 中等 │ ├────────────┼───────────┼──────┤ │ 30-36 個月 │ 0.50-0.51 │ 中等 │ └────────────┴───────────┴──────┘ 最佳領先期約 18 個月，符合經濟週期從信號到兌現的典型時滯。

七、邏輯總結利差變陡（負值擴大或從正轉負）
↓
債市定價「未來降息 / 衰退風險上升」
↓
12-24 個月後，企業獲利確認下修
↓
成長股跌幅 > 防禦股 → XLV 跑贏 QQQ

反之：
利差變陡回正（從倒掛恢復正常）
↓
債市定價「最壞已過、復甦將至」
↓
12-24 個月後，企業獲利上修
↓
成長股漲幅 > 防禦股 → QQQ 跑贏 XLV

八、使用上的注意事項
1. R² ≈ 39%：利差只解釋約 4 成變異，其他因素（估值、資金流、政策）也很重要
2. 子樣本不穩定：2015 年後的 QE 時代相關性更強，可能是特定貨幣政策環境的產物
3. 非因果關係：這是統計相關，不是保證——Fed 干預、黑天鵝事件可打破規律

qualityScore: overall: 65 badge: 白銀 evaluatedAt: "2026-01-27"

metrics: problemFit: 70 correctness: 70 dataGovernance: 65 robustness: 60 maintainability: 65 usability: 65

metricDetails: problemFit: score: 70 strengths: - 清晰的領先關係分析框架 - 多種驗證模式（掃描、穩定性） - 區間估計提供不確定性量化 improvements: - 可增加不適用情境說明 - 可增加其他利差組合（如 3M-10Y）

correctness:
  score: 70
  strengths:
    - 方法論說明完整
    - 避免非平穩問題（使用對數報酬）
    - 含子樣本穩定性驗證
  improvements:
    - 可增加滾動視窗驗證
    - 可增加 out-of-sample 測試

dataGovernance:
  score: 65
  strengths:
    - FRED 公開數據，來源可靠
    - yfinance 取得 ETF 價格穩定
  improvements:
    - 可增加 cache 機制
    - 可增加數據缺失處理說明

robustness:
  score: 60
  strengths:
    - 有區間估計
    - 有穩定性檢查
  improvements:
    - 可增加 failure-modes.md
    - 可增加極端情境處理

maintainability:
  score: 65
  strengths:
    - 路由器模式設計
    - 分層 workflows/references
  improvements:
    - 可增加版本控制策略
    - 需監控 FRED 系列代碼變化

usability:
  score: 65
  strengths:
    - 輸出有明確解讀
    - FAQ 解答經濟邏輯
  improvements:
    - 可增加 historical-episodes.md
    - 可增加領先關係視覺化

details: | 任務適配度（70/100） - 領先關係分析框架清晰 - 待改進：增加不適用情境

**正確性（70/100）**
- 方法論完整
- 待改進：增加 out-of-sample 測試

**資料治理（65/100）**
- FRED + yfinance 公開數據
- 待改進：增加 cache 機制

**穩健性（60/100）**
- 有區間估計
- 待改進：增加 failure-modes.md

**可維護性（65/100）**
- 路由器模式設計
- 待改進：增加版本控制

**輸出可用性（65/100）**
- FAQ 解答核心問題
- 待改進：增加歷史對照

upgradeNotes: targetBadge: 黃金 requirements: - metric: correctness currentScore: 70 targetScore: 80 suggestion: 增加 out-of-sample 測試與滾動驗證 - metric: robustness currentScore: 60 targetScore: 75 suggestion: 增加 failure-modes.md 與極端情境處理 - metric: usability currentScore: 65 targetScore: 80 suggestion: 增加 historical-episodes.md

bestPractices:

title: 使用週頻數據降低雜訊 description: 日頻數據波動大，週頻或月頻更適合長週期領先關係分析
title: 驗證子樣本穩定性 description: 確認領先關係在不同時期（如 2007-2015 vs 2015-present）都成立
title: 關注區間而非點估計 description: 80% 區間比單一預測值更實用，反映不確定性
title: 結合其他因子驗證 description: 殖利率曲線僅為眾多因子之一，需搭配景氣、估值、資金流

pitfalls:

title: 將領先關係視為因果關係 description: 統計相關不等於因果，曲線可能是第三因素的結果 consequence: 過度自信導致錯誤決策
title: 忽略結構性變化 description: Fed 政策框架變化（如 QE、YCC）可能改變歷史規律 consequence: 歷史規律失效
title: 過度擬合領先期 description: 在眾多 lead 中挑選最佳可能是數據挖掘 consequence: 虛假的領先關係
title: 忽略區間寬度 description: 寬區間（如 [-22%, +4%]）表示高不確定性 consequence: 對預測方向過度自信

faq:

question: 為何用 2Y-10Y 而非 3M-10Y？ answer: | 兩種利差各有用途：
- 2Y-10Y：反映中期經濟預期，較少受短期 Fed 操作影響
- 3M-10Y：更敏感於 Fed 政策利率變化
本 skill 預設 2Y-10Y，但支援自訂 short_tenor 參數。
question: 為何用 QQQ 代表成長股？ answer: |
- QQQ：追蹤 Nasdaq 100，以科技/成長為主，流動性佳
- ^NDX：指數本身，但 ETF 數據品質更穩定
若需要更廣義的成長股代理，可考慮 IWF（Russell 1000 Growth）。
question: 領先關係為何可能失效？ answer: | 歷史規律可能失效的情境：
1. Fed 政策框架變化：如 2020 年後的平均通膨目標
2. 結構性衝擊：如疫情造成的供應鏈中斷
3. 估值極端：成長股估值過高/過低可能蓋過曲線訊號
4. 財政政策主導：大規模財政刺激可能改變經濟傳導機制
question: 如何解讀負相關係數？ answer: | 負相關（如 -0.32）意味：
- spread 越高（曲線越倒掛） → 未來 QQQ 相對 XLV 越弱
- spread 越低（曲線越陡） → 未來 QQQ 相對 XLV 越強
這符合經濟直覺：倒掛預示衰退 → 成長股表現弱。

about: repository: https://github.com/fatfingererr/macro-skills branch: main additionalInfo: | ## 使用場景

1. **驗證推文說法**：當看到「殖利率曲線領先股市 2 年」的說法時驗證
2. **板塊輪動參考**：成長 vs 防禦的相對配置決策
3. **情境推演**：若曲線維持倒掛/變陡，相對報酬可能如何
4. **回測研究**：歷史上類似曲線形態的後續表現

## 預設代理

**殖利率**：FRED DGS2（2Y）、DGS10（10Y）
**成長股**：QQQ（Invesco QQQ Trust）
**防禦股**：XLV（Health Care Select Sector SPDR Fund）

## 參考推文邏輯

本 skill 系統化了以下類型的推文分析：
> "XLV 未來兩年可能大幅跑贏 Nasdaq 100，
> 從殖利率曲線領先關係來看..."