Macro-skills monitor-etf-holdings-drawdown-risk

<essential_principles>

背離事件定義：

• 價格上漲：

  price_return >= min_price_return_pct

  （如 +15%）
• 庫存下滑：

  inventory_change <= -min_inventory_drawdown_pct

  （如 -10%）
• 同時發生：在相同視窗期（如 180 天）內同時滿足

當價格與庫存同向時（同漲同跌）為正常；逆向時（價漲庫跌）才需要警覺。 </principle>

不能直接把「庫存下降」解讀為「實物被搶」，需要交叉驗證：

輸出兩種解釋，讓用戶判斷哪個更符合當前數據。 </principle>

本 skill 優先使用：

• ETF 官網庫存：Selenium 模擬人類瀏覽器行為抓取（避免 API 限制）
• Yahoo Finance：

  yfinance

  套件取得現貨/期貨價格
• 交叉驗證：COMEX 庫存、期貨結構等公開數據

腳本位於

scripts/

references/data-sources.md

stress_score = 100 × min(1.0,
    0.6 × divergence_severity +      # 背離嚴重度
    0.2 × decade_low_bonus +         # 十年低點加成
    0.2 × ratio_extreme_bonus        # 比值極端加成
)

</essential_principles>

1. 偵測背離：價格上漲但 ETF 庫存下滑
2. 評估嚴重度：計算背離程度、十年低點、比值極端
3. 交叉驗證：使用 COMEX、期貨結構、零售溢價等指標
4. 產出洞察：提供兩種對立假設，避免單一敘事偏誤

輸出：背離狀態、壓力分數、交叉驗證結果、下一步檢查建議。 </objective>

<quick_start>

最快的方式：檢查 SLV 背離狀態

cd skills/monitor-etf-holdings-drawdown-risk
pip install pandas numpy yfinance selenium webdriver-manager beautifulsoup4 matplotlib  # 首次使用
python scripts/divergence_detector.py --etf SLV --quick

輸出範例：

{
  "asof": "2026-01-20",
  "divergence": false,
  "price_return_window": 1.92,
  "inventory_change_window": 0.15,
  "inventory_decade_low": false,
  "stress_score_0_100": 20.0,
  "interpretations": ["Physical Tightness", "ETF Flow Hypothesis"]
}

完整分析 + 視覺化報告：

# 1. 執行背離偵測
python scripts/divergence_detector.py \
  --etf SLV \
  --start 2010-01-01 \
  --end 2026-01-20 \
  --output result.json

# 2. 生成視覺化報告
python scripts/visualize_divergence.py \
  --result result.json \
  --output ../../../output/

輸出：

• JSON 分析結果：

  result.json

• 視覺化報告：

  output/SLV_divergence_report_20260120.png

• PDF 報告：

  output/SLV_divergence_report_20260120.pdf

</quick_start>

1. 快速檢查 - 查看指定 ETF 目前的背離狀態與壓力分數
2. 完整分析 - 執行完整的歷史背離分析
3. 交叉驗證 - 使用多指標驗證背離訊號的真實性
4. 監控模式 - 設定持續監控與背離警報
5. 方法論學習 - 了解背離偵測與雙重假設邏輯

請選擇或直接提供分析參數（如 ETF 代碼）。 </intake>

路由後，閱讀對應文件並執行。 </routing>

<directory_structure>

monitor-etf-holdings-drawdown-risk/
├── SKILL.md                           # 本文件（路由器）
├── skill.yaml                         # 前端展示元數據
├── manifest.json                      # 技能元數據
├── workflows/
│   ├── analyze.md                     # 完整背離分析工作流
│   ├── monitor.md                     # 持續監控工作流
│   └── cross-validate.md              # 交叉驗證工作流
├── references/
│   ├── data-sources.md                # ETF 庫存與價格資料來源
│   ├── methodology.md                 # 背離偵測方法論
│   └── input-schema.md                # 完整輸入參數定義
├── templates/
│   ├── output-json.md                 # JSON 輸出模板
│   └── output-markdown.md             # Markdown 報告模板
└── scripts/
    ├── divergence_detector.py         # 主偵測腳本
    ├── fetch_etf_holdings.py          # ETF 庫存抓取（Selenium）
    └── fetch_prices.py                # 價格數據抓取

</directory_structure>

<reference_index>

方法論: references/methodology.md

• 背離偵測邏輯
• 雙重假設驗證框架
• 壓力分數計算

資料來源: references/data-sources.md

• ETF 官網庫存抓取（Selenium）
• Yahoo Finance 價格數據
• 交叉驗證數據源（COMEX、LBMA）

輸入參數: references/input-schema.md

• 完整參數定義
• 預設值與建議範圍

</reference_index>

<workflows_index>

<templates_index>

<scripts_index>

--etf SLV --quick

--start DATE --end DATE --output FILE

--result result.json --output DIR

--etf SLV --output holdings.csv

--symbol SI=F --output prices.csv

<input_schema_summary>

核心參數

背離參數

完整參數定義見

references/input-schema.md

</input_schema_summary>

<output_schema_summary>

{
  "skill": "monitor-etf-holdings-drawdown-risk",
  "asof": "2026-01-16",
  "inputs": {
    "etf_ticker": "SLV",
    "commodity_price_symbol": "XAGUSD"
  },
  "result": {
    "divergence": true,
    "price_return_window": 0.32,
    "inventory_change_window": -0.18,
    "inventory_decade_low": true,
    "inventory_to_price_ratio_z": -2.4,
    "stress_score_0_100": 78.5
  },
  "interpretations": [...],
  "next_checks": [...]
}

完整輸出結構見

templates/output-json.md

<success_criteria> 執行成功時應產出：

• 背離狀態判定（divergence: true/false）
• 價格變化與庫存變化數值
• 十年低點判定
• 庫存/價格比值 Z 分數
• 壓力分數（0-100）
• 兩種對立假設解釋
• 下一步驗證建議清單 </success_criteria>