القائمة
把「獲利成長 × 財務狀況（金融環境）」映射成「投資時鐘」，判斷目前落在哪個象限、近期是順時針還是逆時針旋轉、以及相對於上一輪循環的位置差異。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
| name | analyze-investment-clock-rotation |
| description | 把「獲利成長 × 財務狀況（金融環境）」映射成「投資時鐘」，判斷目前落在哪個象限、近期是順時針還是逆時針旋轉、以及相對於上一輪循環的位置差異。 |
<essential_principles>
**四象限模型核心**投資時鐘將市場狀態簡化為四個象限：
金融環境支持（寬鬆）
↑
Q3 │ Q1
修復過渡 │ 理想象限
────────────┼────────────→ 獲利成長
Q4 │ Q2
最差象限 │ 好壞混合
│
金融環境不支持（緊縮）
| 象限 | 獲利 | 金融環境 | 含義 | 配置建議 |
|---|---|---|---|---|
| Q1 理想象限 | ↑ | 支持↑ | 風險資產友善 | 偏多、順風配置 |
| Q2 好壞混合 | ↑ | 不支持↓ | 估值壓力、波動 | 波動管理、估值敏感 |
| Q3 修復過渡 | ↓ | 支持↑ | 寬鬆救市、基本面未回 | 勿誤判為全面牛市 |
| Q4 最差象限 | ↓ | 不支持↓ | 風險資產易受傷 | 風險控管、降槓桿 |
不同來源的投資時鐘圖可能有不同的軸向定義。本 skill 預設：
X 軸：金融環境（Financial Conditions）
Y 軸：獲利成長（Earnings Growth）
若你的圖表定義不同，請在輸入參數中調整 axis_mapping 和 clock_convention。
透過 atan2(y, x) 計算角度，再轉換成 12 小時制：
旋轉方向：
本 skill 使用無需 API key 的資料來源：
https://fred.stlouisfed.org/graph/fredgraph.csv?id={SERIES_ID}
腳本位於 scripts/ 目錄，可直接執行。
</essential_principles>
實作投資時鐘分析：輸出：當前象限、時鐘點位、旋轉摘要、配置建議。
<quick_start>
最快的方式：執行預設分析
cd skills/analyze-investment-clock-rotation
pip install pandas numpy requests # 首次使用
python scripts/investment_clock.py --quick
輸出範例：
{
"as_of": "2026-01-15",
"current_position": {
"clock_hour": 10,
"quadrant": "Q1_ideal",
"earnings_growth": 0.052,
"financial_conditions_zscore": -0.35
},
"interpretation": "理想象限，風險資產相對順風"
}
完整分析：
python scripts/investment_clock.py \
--start 2022-01-01 \
--end 2026-01-19 \
--compare-cycle 2020-01-01 2022-12-31 \
--output result.json
</quick_start>
需要進行什麼操作？請選擇或直接提供分析參數。
| Response | Action | |--------------------------------|----------------------------------------------------| | 1, "快速", "quick", "check" | 執行 `python scripts/investment_clock.py --quick` | | 2, "完整", "分析", "full" | 閱讀 `workflows/analyze.md` 並執行 | | 3, "比較", "循環", "compare" | 閱讀 `workflows/compare-cycle.md` 並執行 | | 4, "視覺化", "chart", "plot" | 閱讀 `workflows/visualize.md` 並執行 | | 5, "學習", "方法論", "why" | 閱讀 `references/methodology.md` | | 提供參數 (如日期範圍) | 閱讀 `workflows/analyze.md` 並使用參數執行 |路由後，閱讀對應文件並執行。
<directory_structure>
analyze-investment-clock-rotation/
├── 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
│ ├── compare-cycle.md # 循環比較工作流
│ └── visualize.md # 視覺化工作流
├── references/
│ ├── methodology.md # 投資時鐘方法論
│ ├── data-sources.md # FRED 系列代碼與資料來源
│ └── 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/
├── investment_clock.py # 主分析腳本
├── fetch_data.py # 數據抓取工具
└── visualize.py # 視覺化繪圖工具
</directory_structure>
<reference_index>
方法論: references/methodology.md
資料來源: references/data-sources.md
輸入參數: references/input-schema.md
</reference_index>
<workflows_index>
| Workflow | Purpose | 使用時機 |
|---|---|---|
| analyze.md | 完整分析 | 需要詳細象限與旋轉分析 |
| compare-cycle.md | 循環比較 | 比較不同循環的特徵 |
| visualize.md | 生成視覺化圖表 | 需要圖表展示 |
| </workflows_index> |
<templates_index>
| Template | Purpose |
|---|---|
| output-json.md | JSON 輸出結構定義 |
| output-markdown.md | Markdown 報告模板 |
| </templates_index> |
<scripts_index>
| Script | Command | Purpose |
|---|---|---|
| investment_clock.py | --quick | 快速檢查當前位置 |
| investment_clock.py | --start DATE --end DATE | 完整分析 |
| investment_clock.py | --compare-cycle START END | 循環比較 |
| fetch_data.py | --series NFCI,CP | 抓取 FRED 資料 |
| visualize.py | -i result.json -o chart.png | 生成視覺化圖表 |
| </scripts_index> |
<input_schema_summary>
核心參數
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
| market | string | US_EQUITY | 分析標的 |
| start_date | string | 2022-01-01 | 分析起點 |
| end_date | string | today | 分析終點 |
| freq | string | weekly | 頻率（weekly/monthly） |
資料來源參數
| 參數 | 類型 | 說明 |
|---|---|---|
| earnings_series.source | string | fred / api / csv / manual |
| earnings_series.series_id | string | FRED 序列 ID（如 CP） |
| earnings_series.growth_method | string | yoy / qoq_annualized |
| financial_conditions_series.source | string | fred / api / csv |
| financial_conditions_series.series_id | string | NFCI / STLFSI4 |
| financial_conditions_series.transform | string | level / zscore / inverse |
軸向參數
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
| axis_mapping.x | string | financial_conditions | X 軸定義 |
| axis_mapping.y | string | earnings_growth | Y 軸定義 |
| clock_convention.financial_loose_is_left | bool | true | 寬鬆在左側 |
完整參數定義見 references/input-schema.md。
</input_schema_summary>
<output_schema_summary>
{
"skill": "analyze-investment-clock-rotation",
"as_of": "2026-01-19",
"market": "US_EQUITY",
"current_state": {
"clock_hour": 10,
"quadrant": "Q1_ideal",
"quadrant_name": "理想象限",
"x_value": -0.35,
"y_value": 0.052
},
"rotation_summary": {
"from_hour": 2,
"to_hour": 10,
"direction": "clockwise",
"magnitude_degrees": 240
},
"interpretation": "獲利成長為正，金融環境偏支持，屬於風險資產相對順風的象限"
}
完整輸出結構見 templates/output-json.md。
</output_schema_summary>
<success_criteria> 執行成功時應產出：
output/ 目錄）
</success_criteria>以槓桿反向 ETF（做空）相對槓桿正向 ETF（做多）的交易占比，作為散戶風險偏好代理指標，評估 SPX 後續下行風險。
用勞力士市場指數（WatchCharts Rolex Market Index）作為高 β 的風險偏好／流動性代理，判讀「流動性改善但未到投機狂熱」的狀態
使用公開市場資料量化驗證鉑/白金對巴西股市（EWZ）的長週期傳導/連動關係，輸出雙軸圖、領先落後分析、關聯強度分數與監控訊號。
用天然氣與化肥價格的日頻數據，檢驗「天然氣暴漲→化肥供應受限/毀約→化肥飆價」敘事是否成立，輸出可標註到圖上的關鍵轉折點與領先落後分析。
Track cumulative return of stocks/indices with multi-ticker comparison, index Top N ranking, and visualization. All comparisons use S&P 500 as the fixed benchmark.
用 COT 非商業部位變化，量化對沖基金在農產品期貨的資金流向，並把出口需求、USDA 數據、美元/原油/金屬等宏觀風向整合成可交易的敘事與訊號。