Claude-skill-registry analyze-copper-stock-resilience-dependency

<essential_principles>

銅價的關卡突破與回補，並非單純由銅本身決定，而是高度依賴股市韌性：

銅價走勢 = f(技術面關卡狀態) × f(股市韌性) × f(中國利率環境)

關鍵洞察：

• 股市韌性高時：銅突破關卡後「續航」機率更高
• 股市韌性低時：銅更容易出現「back-and-fill」回補到支撐區
• 中國10Y殖利率：作為風險壓力/政策寬鬆的雙面訊號 </principle>

銅價的重要心理整數位（如 10,000 / 13,000 USD/ton）是判斷突破與回補的關鍵：

關卡判定：

• near_resistance

  : 接近上方關卡

• near_support

  : 接近下方支撐 </principle>

將「股市韌性」量化為可計算的分數：

評分解讀：

• 70-100：高韌性，銅突破關卡後續航機率較高
• 30-70：中性，需觀察其他因子
• 0-30：低韌性，回補風險顯著上升 </principle>

計算銅價對股市與中國殖利率的滾動貝塔係數：

Δcopper ~ β1 × Δequity + β2 × Δchina_yield + ε

• β1（股市貝塔）越大越正：銅越像風險資產，越依賴股市
• β1 高分位：市場正在把銅當風險資產一起交易
• β1 < 0（負相關）：銅與股市脫鉤，展現獨立邏輯（避險/供給/能源轉型敘事）
• β2（殖利率貝塔）：正 = 殖利率上升利好銅（通膨敘事），負 = 反之 </principle>

本 skill 使用以下公開數據來源：

單位換算：

• HG=F 為 $/lb，自動乘以 2204.62262 轉換為 $/ton
• VT ETF 價格乘以係數轉換為全球市值估計（兆美元）
• 中國10Y 為百分比（%） </principle>

</essential_principles>

1. 資料擷取：抓取銅價、全球股市、中國10Y殖利率
2. 趨勢與關卡判定：計算 SMA、趨勢狀態、接近哪個關卡
3. 股市韌性評分：計算 equity_resilience_score
4. 依賴關係量化：滾動迴歸計算 β 係數
5. 回補機率估計：歷史統計回補頻率（高韌性 vs 低韌性）
6. 情境判讀：輸出當前是「續航」還是「回補」情境

輸出：當前狀態、依賴強度、回補機率、可執行警報旗標。 </objective>

<quick_start>

最快的方式：執行預設分析

cd skills/analyze-copper-stock-resilience-dependency
pip install pandas numpy yfinance scipy statsmodels matplotlib  # 首次使用
python scripts/copper_stock_analyzer.py --quick

輸出範例：

{
  "as_of": "2026-01-22",
  "latest_state": {
    "copper_price_usd_per_ton": 12727,
    "copper_trend": "up",
    "equity_resilience_score": 83,
    "rolling_beta_equity_24m": -0.80
  },
  "diagnosis": {
    "narrative": "銅價上升趨勢中，接近 13,000 關卡，股市韌性高檔。"
  }
}

生成 Bloomberg 風格圖表：

python scripts/visualize.py \
  --start 2015-01-01 \
  -o output/copper_resilience_2026-01-22.png

圖表包含：

• 銅價月線 + SMA60（右軸，橙紅/黃色）
• 全球股市市值（左軸，橙色面積圖）
• 中國 10Y 殖利率（左軸，黃線）
• 關卡線（10,000 / 13,000）

生成依賴度分析圖表（三面板綜合圖）：

python scripts/plot_dependency_analysis.py \
  --start 2015-01-01 \
  -o ../../output/copper-dependency-analysis-2026-01-22.png

圖表包含三個面板：

1. 銅價面板：銅價 + SMA60 + 趨勢背景色（綠=上升，紅=下降）+ 關卡線
2. β係數面板：滾動 β 時間序列 + ±1σ 區間 + 當前分位數 + 負值警示
3. 韌性面板：股市韌性評分 + 高/低閾值線

完整分析：

python scripts/copper_stock_analyzer.py \
  --start 2015-01-01 \
  --end 2026-01-22 \
  --copper HG=F \
  --equity ACWI \
  --output result.json

</quick_start>

1. 快速檢查 - 查看目前銅價、股市韌性、關卡狀態
2. 完整分析 - 分析時間區間內的依賴關係與回補機率
3. 視覺化圖表 - 生成銅價與依賴因子的視覺化圖表
4. 依賴度分析圖 - 生成三面板依賴度分析圖表（銅價+β係數+韌性）
5. 方法論學習 - 了解跨資產依賴模型的邏輯

請選擇或直接提供分析參數。 </intake>

路由後，閱讀對應文件並執行。 </routing>

<directory_structure>

analyze-copper-stock-resilience-dependency/
├── 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                     # 完整分析工作流
│   ├── quick-check.md                 # 快速檢查工作流
│   └── visualize.md                   # 視覺化工作流
├── references/
│   ├── methodology.md                 # 跨資產依賴方法論
│   ├── data-sources.md                # 數據來源與爬蟲說明
│   └── 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/
│   ├── copper_stock_analyzer.py       # 主分析腳本
│   ├── fetch_data.py                  # 數據抓取工具
│   ├── visualize.py                   # Bloomberg 風格圖表
│   └── plot_dependency_analysis.py    # 三面板依賴度分析圖表
├── data/
│   └── cache/                         # 數據快取目錄
└── examples/
    └── sample-output.json             # 範例輸出

</directory_structure>

<reference_index>

方法論: references/methodology.md

• 跨資產依賴概念與研究報告對照
• 股市韌性評分設計
• 滾動迴歸與貝塔解讀
• Back-and-fill 回補判定邏輯

資料來源: references/data-sources.md

• Yahoo Finance (yfinance) 使用說明
• 中國10Y殖利率爬蟲設計
• 數據頻率與對齊方法

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>

--quick

--start DATE --end DATE

--series HG=F,ACWI

--start 2015-01-01 -o output/chart.png

--start 2015-01-01 -o output/chart.png

<input_schema_summary>

核心參數

模型參數

完整參數定義見

references/input-schema.md

</input_schema_summary>

<output_schema_summary>

{
  "skill": "analyze-copper-stock-resilience-dependency",
  "as_of": "2026-01-22",
  "inputs": {
    "copper_series": "HG=F (converted to USD/ton)",
    "equity_proxy_series": "ACWI",
    "ma_window": 60,
    "rolling_window": 24
  },
  "latest_state": {
    "copper_price_usd_per_ton": 12727,
    "copper_sma_60": 9355,
    "copper_trend": "up",
    "near_resistance_levels": [13000],
    "near_support_levels": [],
    "equity_resilience_score": 91,
    "rolling_beta_equity_24m": -0.80,
    "rolling_beta_yield_24m": -0.05
  },
  "diagnosis": {
    "narrative": "銅價上升趨勢中，接近 13,000 關卡，股市韌性高檔。",
    "scenario": "續航機率較高",
    "dependency_status": "滾動 β 為負值 (-0.80)，銅與股市呈反向關係，脫離傳統風險資產模式"
  },
  "actionable_flags": [
    {
      "flag": "APPROACHING_RESISTANCE",
      "meaning": "接近重要阻力位，關注能否突破"
    },
    {
      "flag": "NEGATIVE_BETA_REGIME",
      "meaning": "銅與股市呈反向關係，脫離傳統風險資產模式"
    },
    {
      "flag": "LOW_BETA_ANOMALY",
      "meaning": "β 處於歷史極端低位，銅正展現獨立於股市的上漲邏輯"
    }
  ]
}

完整輸出結構見

templates/output-json.md

<success_criteria> 執行成功時應產出：

• 當前銅價與趨勢狀態（up/down/range）
• 接近的關卡位置（resistance/support）
• 股市韌性評分（0-100）
• 滾動貝塔係數（β_equity, β_yield）
• 回補機率估計（overall / high_resilience / low_resilience）
• 情境判讀敘述
• 可執行警報旗標
• 視覺化圖表（可選，輸出至

  output/

  目錄） </success_criteria>