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.

2026-01-283

track-agri-hedge-fund-positioning

fatfingererr/macro-skills

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。

2026-01-273

name	usd-reserve-loss-gold-revaluation
description	在「美元／某貨幣失去儲備地位、黃金成為唯一錨」的假設下，用央行貨幣負債 ÷ 黃金儲備，推演「資產負債表可承受的隱含金價」，並輸出各國/各貨幣的槓桿程度、缺口與排名。

<essential_principles>

**黃金錨定假說**

本模型基於極端情境假設：若法定貨幣體系瓦解、黃金成為唯一錨定資產，則：

隱含金價 = 貨幣負債 ÷ 黃金儲備
這不是「預測」，而是「壓力測試」：資產負債表要撐得住需要多高的金價

典型論述來源：VanEck「$39k gold」分析（M0 + FX turnover 加權）

**兩種貨幣口徑差異**

口徑	定義	隱含金價	解讀
M0 (Monetary Base)	央行直接負債（通貨 + 準備金）	~$39k	央行資產負債表壓力
M2 (Broad Money)	含銀行體系信用擴張	~$184k	全體信用體系壓力

關鍵洞察：兩者差距反映「信用乘數」的槓桿效應。

**加權方法的直覺**

方法	數據來源	直覺
fx_turnover	BIS 三年調查	外匯交易份額 ≈ 國際結算/儲備使用強度
reserve_share	IMF COFER	官方外匯儲備幣別佔比
equal	-	不考慮貨幣重要性差異
custom	用戶自訂	可配合特定情境分析

加權的直覺：份額越高的貨幣，在「重新錨定」時需吸收的負債壓力越大。

**黃金支撐率 (Backing Ratio)**

backing_ratio = (gold_oz × gold_spot) / money_base

解讀：

backing_ratio ≈ 3% → 黃金僅支撐 3% 的貨幣負債（高槓桿）
backing_ratio ≈ 60% → 黃金接近完全支撐（低槓桿）

貼文中「日本黃金只支撐約 3% 的 M0」即此概念。

**資料取得方式**

本 skill 使用公開數據：

黃金儲備：World Gold Council / IMF IFS（tonnes）
貨幣量：各國央行 / FRED / IMF IFS（M0/M2）
FX Turnover：BIS Triennial Survey（每三年更新）
金價：Yahoo Finance / FRED（XAU/USD）

腳本位於 scripts/ 目錄，可直接執行。

</essential_principles>

實作「美元失去儲備地位下的黃金重估」壓力測試模型：

數據整合：抓取各國 M0/M2、黃金儲備、匯率、FX turnover 權重
計算隱含金價：未加權與加權版本
計算黃金支撐率：衡量各國槓桿程度
計算缺口：需要再買多少黃金才能達到目標支撐率
排名輸出：誰最槓桿、誰最穩健

輸出：隱含金價、支撐率排名、缺口分析、敘事洞察。

<quick_start>

最快的方式：執行預設情境分析

cd skills/usd-reserve-loss-gold-revaluation
pip install pandas numpy requests yfinance  # 首次使用
python scripts/gold_revaluation.py --quick

輸出範例：

{
  "headline": {
    "implied_gold_price_m0_weighted": 39210.0,
    "implied_gold_price_m2_weighted": 184500.0,
    "interpretation": "壓力測試數字，非價格預測"
  },
  "ranking": [
    {"entity": "JPY", "backing_ratio": 0.03, "lever_multiple": 41.0},
    {"entity": "USD", "backing_ratio": 0.08, "lever_multiple": 12.5},
    {"entity": "ZAR", "backing_ratio": 0.60, "lever_multiple": 0.16}
  ]
}

完整情境分析：

python scripts/gold_revaluation.py \
  --date 2026-01-07 \
  --entities USD,CNY,JPY,EUR,GBP \
  --aggregate M0 \
  --weighting fx_turnover \
  --output result.json

</quick_start>

需要進行什麼操作？

快速計算 - 使用預設參數計算主要貨幣的隱含金價
完整分析 - 自訂參數進行情境分析（可選擇口徑、權重、實體）
比較分析 - 同時比較 M0 vs M2、不同加權方法的差異
監控模式 - 追蹤黃金支撐率的變化趨勢
方法論學習 - 了解計算邏輯與數據來源
視覺化圖表 - 生成分析結果的視覺化圖表

請選擇或直接提供分析參數。

| Response | Action | |---------------------------------|-----------------------------------------------| | 1, "快速", "quick", "計算" | 執行 `python scripts/gold_revaluation.py --quick` | | 2, "完整", "full", "分析" | 閱讀 `workflows/analyze.md` 並執行 | | 3, "比較", "compare", "對比" | 閱讀 `workflows/compare.md` 並執行 | | 4, "監控", "monitor", "追蹤" | 閱讀 `workflows/monitor.md` 並執行 | | 5, "學習", "方法論", "why" | 閱讀 `references/methodology.md` | | 6, "圖表", "畫圖", "視覺化" | 執行 `python scripts/visualize_revaluation.py` | | 提供參數 (如實體清單) | 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>

usd-reserve-loss-gold-revaluation/
├── 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                     # 完整情境分析工作流
│   ├── compare.md                     # M0/M2 比較分析工作流
│   └── monitor.md                     # 持續監控工作流
├── references/
│   ├── data-sources.md                # 數據來源與獲取方式
│   ├── methodology.md                 # 方法論與計算邏輯
│   └── 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/
    ├── gold_revaluation.py            # 主計算腳本
    └── visualize_revaluation.py       # 視覺化腳本

</directory_structure>

<reference_index>

方法論: references/methodology.md

黃金錨定假說解析
隱含金價計算公式
支撐率與槓桿解讀

資料來源: references/data-sources.md

黃金儲備數據來源
貨幣量 M0/M2 數據來源
BIS FX Turnover 數據
匯率與金價來源

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>

Workflow	Purpose	使用時機
analyze.md	完整情境分析	需要自訂參數進行壓力測試
compare.md	M0/M2 比較分析	比較不同口徑的隱含金價差異
monitor.md	持續監控	追蹤支撐率變化趨勢
</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
gold_revaluation.py	`--quick`	快速計算主要貨幣
gold_revaluation.py	`--entities USD,CNY --agg M0`	自訂實體與口徑
gold_revaluation.py	`--compare-aggregates`	M0 vs M2 比較
visualize_revaluation.py	`--mode usd`	美元單一視覺化圖表
visualize_revaluation.py	`--mode multi`	多貨幣比較視覺化圖表
visualize_revaluation.py	`--mode all --output-dir DIR`	生成所有圖表至指定目錄
</scripts_index>

<input_schema_summary>

核心參數

參數	類型	預設值	說明
scenario_date	string	today	情境估算基準日期
entities	array	主要貨幣	分析對象（國家/貨幣代碼）
monetary_aggregate	string	M0	貨幣口徑（M0/M2/MB/M1/M3）
weighting_method	string	fx_turnover	加權方式
fx_base	string	USD	計價幣別基準

進階參數

參數	類型	預設值	說明
liability_scope	string	broad_money	負債口徑
gold_reserve_unit	string	troy_oz	黃金單位（oz/tonnes）
gold_price_spot	float	auto	基準日金價（可自動抓取）
fx_rates	object	auto	匯率（可自動抓取）

完整參數定義見 references/input-schema.md。

</input_schema_summary>

<output_schema_summary>

{
  "skill": "usd-reserve-loss-gold-revaluation",
  "scenario_date": "2026-01-07",
  "assumptions": {
    "monetary_aggregate": "M0",
    "weighting_method": "fx_turnover",
    "fx_base": "USD",
    "gold_spot_usd_per_oz": 2050.0
  },
  "headline": {
    "implied_gold_price_weighted_usd_per_oz": 39210.0,
    "interpretation": "資產負債表壓力測算（非價格預測）"
  },
  "table": [...],
  "insights": [...]
}

完整輸出結構見 templates/output-json.md。 </output_schema_summary>

<success_criteria> 執行成功時應產出：

隱含金價（未加權與加權版本）
各實體的黃金支撐率（backing_ratio）
槓桿倍數排名（lever_multiple_vs_spot）
黃金缺口分析（additional_gold_oz_needed）
敘事洞察（M0 vs M2 差異、槓桿解讀）
結果輸出為指定格式（JSON 或 Markdown）
視覺化圖表（可選，包含金價比較、支撐率、信用乘數等 6 個面板） </success_criteria>