القائمة
從網路自動抓取礦業公司財務報表與營運揭露（產量、成本、資本支出），回算「礦業股/金屬本體比率」的基本面解釋與區間門檻（如 1.2/1.7），並輸出可重現的估值拆解（成本因子 / 槓桿因子 / 倍數因子 / 稀釋因子）。
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
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。
| name | backsolve-miner-vs-metal-ratio-with-fundamentals |
| description | 從網路自動抓取礦業公司財務報表與營運揭露（產量、成本、資本支出），回算「礦業股/金屬本體比率」的基本面解釋與區間門檻（如 1.2/1.7），並輸出可重現的估值拆解（成本因子 / 槓桿因子 / 倍數因子 / 稀釋因子）。 |
<essential_principles>
**比率拆解核心公式**礦業股/金屬價格比率可分解為四大基本面因子：
R_t ≈ K × M_t × (1-L_t) × C_t × D_t
其中：
此拆解讓「比率變動」有可歸因的量化解釋。
**AISC 抽取優先順序**全維持成本（AISC）是礦業股估值的核心驅動：
| 優先級 | 來源 | 方法 |
|---|---|---|
| 1 | MD&A / 財報附註 | 關鍵字抽取：「AISC」「all-in sustaining」 |
| 2 | 年報簡報 PDF | 解析表格：$/oz 或 $/ounce |
| 3 | Proxy 回算 | (OpCost + SustCapex + G&A - Byproduct) / Oz |
當直接揭露不可得時，以 proxy 回算補缺；記錄 aisc_method 以標註來源。
目標：給定目標比率 R*（如歷史頂部 1.7），反推需要哪些因子條件。
單因子反推：假設其他因子不變，只調整單一因子
M* = M_now × (R*/R_now) # 需要的倍數
(1-L*) = (1-L_now) × (R*/R_now) # 需要的去槓桿
C* = C_now × (R*/R_now) # 需要的成本改善 → 反推 AISC*
D* = D_now × (R*/R_now) # 需要的稀釋折扣
雙因子組合：以網格列舉可行組合（如倍數 +20% + 白銀 -15%）。
**事件研究方法**識別「比率落入底部分位」的歷史事件，回看事件當期的四大因子狀態：
排名「哪個因子貢獻最大」，識別驅動底部的主因。
**數據來源優先順序**遵循「結構化優先」原則：
抓取時使用 Selenium 模擬人類行為，避免被封鎖。
</essential_principles>
實作「礦業股/金屬價格比率」基本面回算系統：目標用戶：看到 SIL/白銀比率極端時，想用「真實財報」驗證驅動因素。
<quick_start>
最快的方式：使用預設參數分析
cd skills/backsolve-miner-vs-metal-ratio-with-fundamentals
pip install pandas numpy yfinance matplotlib # 首次使用
python scripts/fundamental_analyzer.py --quick
完整分析（含財報抓取）
python scripts/fundamental_analyzer.py \
--metal-symbol SI=F \
--miner-universe etf:SIL \
--region-profile us_sec \
--start-date 2015-01-01 \
--output result.json
生成視覺化儀表板
python scripts/visualize_factors.py --quick --output output/
# 輸出: output/sil_silver_factor_analysis_YYYY-MM-DD.png
視覺化儀表板包含四個面板：
共同上漲情境模擬
python scripts/scenario_path_simulator.py --quick --output output/
# 輸出: output/scenario_path_YYYY-MM-DD.png + return_heatmap_YYYY-MM-DD.png
核心公式：礦業股漲幅 = (1 + 銀價漲幅) × (R₁/R₀) - 1
自訂參數：
python scripts/scenario_path_simulator.py \
--silver-monthly 5 \ # 銀價每月漲幅 5%
--ratio-start 1.10 \ # 比率起點
--ratio-end 1.20 \ # 比率終點
--months 6 \ # 模擬 6 個月
--heatmap # 同時生成熱力圖
輸出範例：
{
"now": {
"metal_price": 94.4,
"miner_price": 103.4,
"ratio": 1.13,
"ratio_percentile": 0.111
},
"thresholds": {
"bottom_ratio": 1.20,
"top_ratio": 1.70,
"median_ratio": 1.51
},
"fundamentals_weighted": {
"aisc_usd_per_oz": 28.0,
"net_debt_to_ev": 0.25,
"ev_to_ebitda": 6.4,
"shares_yoy_change": 0.12
},
"factors_now": {
"cost_factor_C": 0.7034,
"leverage_factor_1_minus_L": 0.75,
"multiple_M": 6.4,
"dilution_discount_D": 0.89
},
"backsolve_to_top": {
"multiple_only_need": 9.1,
"deleverage_only_need_1_minus_L": 1.12,
"cost_only_implied_aisc": 15.6,
"dilution_only_need_D": 1.26
}
}
</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", "分析" | 執行 `python scripts/fundamental_analyzer.py --quick` | | 2, "完整", "full", "財報" | 閱讀 `workflows/analyze.md` 並執行 | | 3, "因子", "factor", "拆解" | 閱讀 `references/fundamental-factors.md` | | 4, "反推", "backsolve", "門檻" | 閱讀 `references/backsolve-math.md` 並執行反推分析 | | 5, "事件", "event", "底部" | 閱讀 `workflows/analyze.md` 並聚焦事件研究 | | 6, "學習", "方法論", "why" | 閱讀 `references/fundamental-factors.md` + `backsolve-math.md` | | 7, "視覺化", "圖", "chart" | 執行 `python scripts/visualize_factors.py --quick` | | 8, "共同上漲", "情境", "路徑" | 執行 `python scripts/scenario_path_simulator.py --quick` | | "比例關係", "漲幅", "要漲多少" | 執行 `python scripts/scenario_path_simulator.py --quick` | | 提供參數 (如 ETF/金屬代理) | 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>
backsolve-miner-vs-metal-ratio-with-fundamentals/
├── 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
│ └── data-fetch.md # 數據抓取工作流
├── references/
│ ├── input-schema.md # 完整輸入參數定義
│ ├── data-sources.md # 數據來源說明
│ ├── fundamental-factors.md # 四大因子計算邏輯
│ └── backsolve-math.md # 反推數學公式
├── templates/
│ ├── output-json.md # JSON 輸出模板
│ └── output-markdown.md # Markdown 報告模板
├── scripts/
│ ├── fundamental_analyzer.py # 主計算腳本
│ ├── visualize_factors.py # 視覺化儀表板腳本
│ └── scenario_path_simulator.py # 共同上漲情境模擬器
└── examples/
└── sample-output.json # 範例輸出
</directory_structure>
<reference_index>
輸入參數: references/input-schema.md
數據來源: references/data-sources.md
因子計算: references/fundamental-factors.md
反推數學: references/backsolve-math.md
</reference_index>
<workflows_index>
| Workflow | Purpose | 使用時機 |
|---|---|---|
| analyze.md | 完整分析 | 需要抓取財報並計算因子 |
| data-fetch.md | 數據抓取 | 了解如何抓取 ETF 持股與財報 |
| </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 |
|---|---|---|
| fundamental_analyzer.py | --quick | 快速分析 SIL/SI=F |
| fundamental_analyzer.py | --miner-universe etf:SILJ | 自訂礦業股 ETF |
| fundamental_analyzer.py | --backsolve-target 1.7 | 指定反推目標比率 |
| fundamental_analyzer.py | --event-study --min-separation 180 | 執行事件研究 |
| visualize_factors.py | --quick --output output/ | 生成四面板視覺化儀表板 |
| visualize_factors.py | --input result.json | 從 JSON 結果生成圖表 |
| scenario_path_simulator.py | --quick | 共同上漲情境路徑模擬 |
| scenario_path_simulator.py | --silver-monthly 5 --months 6 | 自訂銀價月漲幅與模擬月數 |
| scenario_path_simulator.py | --ratio-start 1.10 --ratio-end 1.20 | 自訂比率起終點 |
| scenario_path_simulator.py | --heatmap | 同時生成收益率熱力圖 |
| </scripts_index> |
<input_schema_summary>
核心參數
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
| metal_symbol | string | SI=F | 金屬價格代碼（SI=F 白銀、GC=F 黃金） |
| miner_universe | object | etf:SIL | 礦業股/ETF 定義 |
| region_profile | string | us_sec | 監管與揭露來源（us_sec / canada_sedar） |
| time_range.start | string | 5 年前 | 分析起點（YYYY-MM-DD） |
| time_range.end | string | today | 分析終點 |
| time_range.frequency | string | weekly | 取樣頻率（daily/weekly/monthly） |
因子方法選擇
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
| fundamental_methods.aisc | string | hybrid | AISC 抽取方法 |
| fundamental_methods.leverage | string | net_debt_to_ev | 槓桿計算方法 |
| fundamental_methods.multiple | string | ev_to_ebitda | 倍數計算方法 |
| fundamental_methods.dilution | string | weighted_avg_shares | 稀釋計算方法 |
分位門檻
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
| ratio_thresholds.bottom | float | 0.20 | 底部分位數門檻 |
| ratio_thresholds.top | float | 0.80 | 頂部分位數門檻 |
完整參數定義見 references/input-schema.md。
</input_schema_summary>
<output_schema_summary>
{
"skill": "backsolve_miner_vs_metal_ratio_with_fundamentals",
"inputs": {
"metal_symbol": "SI=F",
"miner_universe": {"type": "etf_holdings", "etf_ticker": "SIL"},
"region_profile": "us_sec"
},
"now": {
"metal_price": 94.4,
"miner_price": 103.4,
"ratio": 1.13,
"ratio_percentile": 0.111
},
"thresholds": {
"bottom_ratio": 1.20,
"top_ratio": 1.70,
"median_ratio": 1.51
},
"fundamentals_weighted": {
"aisc_usd_per_oz": 28.0,
"net_debt_to_ev": 0.25,
"ev_to_ebitda": 6.4,
"shares_yoy_change": 0.12
},
"factors_now": {
"cost_factor_C": 0.7034,
"leverage_factor_1_minus_L": 0.75,
"multiple_M": 6.4,
"dilution_discount_D": 0.89
},
"backsolve_to_top": {
"multiple_only_need": 9.1,
"deleverage_only_need_1_minus_L": 1.12,
"cost_only_implied_aisc": 15.6,
"dilution_only_need_D": 1.26,
"two_factor_grid_examples": [
{"multiple_up": 1.20, "metal_down": -0.15, "hits_top": true},
{"deleverage": -0.10, "multiple_up": 1.15, "hits_top": true}
]
},
"event_study": {
"bottom_events": [
{
"date": "2026-01-02",
"ratio": 1.13,
"aisc": 29.1,
"net_debt_to_ev": 0.27,
"ev_to_ebitda": 5.8,
"shares_yoy": 0.14,
"dominant_driver": "multiple_compression"
}
]
},
"summary": "比率處於歷史底部，主要驅動為倍數壓縮...",
"notes": [
"AISC 使用 hybrid 方法回算，部分公司為 proxy 值",
"建議交叉驗證：COT 持倉、ETF 流量、美元/實質利率"
]
}
完整輸出結構見 templates/output-json.md。
</output_schema_summary>
<success_criteria> 執行成功時應產出：