Menu
以公開金屬價格 + 礦業成本指標（AISC/All-in cost/現金成本）計算「黃金/白銀礦業毛利率代理值」，並判斷當前是否處於歷史高/低檔區間。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
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 | compute-precious-miner-gross-margin |
| description | 以公開金屬價格 + 礦業成本指標（AISC/All-in cost/現金成本）計算「黃金/白銀礦業毛利率代理值」，並判斷當前是否處於歷史高/低檔區間。 |
<essential_principles>
**毛利率代理值定義**礦業毛利率代理（Margin Proxy）使用簡化公式：
gross_margin_proxy = (metal_price - unit_cost) / metal_price
其中：
此指標不等同會計報表的毛利率，但能快速捕捉價格-成本關係的邊際變化。
**成本指標口徑層次**| 口徑 | 包含項目 | 適用場景 |
|---|---|---|
| Cash Cost (C1) | 現場採掘 + 加工 + 場內行政 | 現金流壓力測試 |
| AISC | C1 + 維持資本開支 + 勘探 + 行政 | 行業標準（WGC 定義） |
| All-In Cost (AIC) | AISC + 成長資本開支 | 完整經濟成本 |
建議優先使用 AISC，因其可比性最佳且資料可得性高。
**籃子聚合邏輯**| 方法 | 公式 | 直覺 |
|---|---|---|
| equal_weight | Σ margin_i / N | 簡單平均，每家公司等權 |
| production_weighted | Σ (margin_i × prod_i) / Σ prod_i | 產量加權，反映「產業毛利」 |
| marketcap_weighted | Σ (margin_i × mcap_i) / Σ mcap_i | 市值加權，反映「股權曝險」 |
建議使用 production_weighted 以更準確反映產業整體毛利結構。
**數據頻率對齊**本 Skill 建議使用 季度頻率 作為基準，避免過度平滑。
**資料取得方式**本 skill 使用公開數據：
腳本位於 scripts/ 目錄，可直接執行。
</essential_principles>
實作「貴金屬礦業毛利率代理值」計算模型：輸出：毛利率時序、歷史分位、驅動拆解、交易/研究連結。
<quick_start>
最快的方式：執行預設情境分析
cd skills/compute-precious-miner-gross-margin
pip install pandas numpy requests yfinance beautifulsoup4 lxml # 首次使用
python scripts/margin_calculator.py --quick --metal gold
輸出範例：
{
"skill": "compute_precious_miner_margin_proxy",
"metal": "gold",
"frequency": "quarterly",
"cost_metric": "AISC",
"basket": {
"miners": ["NEM", "GOLD", "AEM"],
"aggregation": "production_weighted"
},
"latest": {
"date": "2025-Q4",
"metal_price_usd_oz": 2650.0,
"unit_cost_proxy_usd_oz": 1320.0,
"gross_margin_proxy": 0.502,
"history_percentile": 0.78,
"regime_label": "high_margin"
}
}
完整情境分析：
python scripts/margin_calculator.py \
--metal silver \
--miners CDE,HL,AG \
--start-date 2015-01-01 \
--frequency quarterly \
--cost-metric AISC \
--aggregation production_weighted \
--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", "計算" | 執行 `python scripts/margin_calculator.py --quick` | | 2, "完整", "full", "分析" | 閱讀 `workflows/analyze.md` 並執行 | | 3, "數據", "data", "爬蟲" | 閱讀 `workflows/data-research.md` | | 4, "訊號", "signal", "交易" | 閱讀 `workflows/signal-generation.md` 並執行 | | 5, "學習", "方法論", "why" | 閱讀 `references/methodology.md` | | 提供參數 (如礦業清單) | 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>
compute-precious-miner-gross-margin/
├── 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
│ ├── data-research.md # 數據源研究與爬蟲設計
│ └── signal-generation.md # 訊號生成工作流
├── 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/
│ └── margin_calculator.py # 主計算腳本
└── examples/
└── sample-output.json # 範例輸出
</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 | 完整情境分析 | 需要自訂參數計算毛利率 |
| data-research.md | 數據源研究 | 了解如何獲取成本數據 |
| signal-generation.md | 訊號生成 | 將毛利率轉為交易/研究訊號 |
| </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 |
|---|---|---|
| margin_calculator.py | --quick --metal gold | 快速計算黃金礦業 |
| margin_calculator.py | --quick --metal silver | 快速計算白銀礦業 |
| margin_calculator.py | --miners NEM,GOLD --freq Q | 自訂礦業與頻率 |
| margin_calculator.py | --decompose | 驅動拆解分析 |
| </scripts_index> |
<input_schema_summary>
核心參數
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
| metal | string | gold | 目標金屬（gold/silver） |
| miners | array | 預設籃子 | 礦業代號清單 |
| start_date | string | 10 年前 | 計算起始日（YYYY-MM-DD） |
| end_date | string | today | 計算結束日 |
| frequency | string | quarterly | 頻率（daily/weekly/monthly/quarterly） |
| cost_metric | string | AISC | 成本口徑 |
| aggregation | string | production_weighted | 聚合方式 |
進階參數
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
| price_series | string | spot | 價格口徑 |
| fx_mode | string | none | 匯率處理 |
| outlier_rule | string | winsorize_1_99 | 離群處理 |
| history_window_years | int | 20 | 歷史分位數視窗 |
完整參數定義見 references/input-schema.md。
</input_schema_summary>
<output_schema_summary>
{
"skill": "compute_precious_miner_margin_proxy",
"metal": "silver",
"frequency": "quarterly",
"cost_metric": "AISC",
"basket": {
"miners": ["CDE", "HL", "AG"],
"aggregation": "production_weighted"
},
"latest": {
"date": "2025-Q4",
"metal_price_usd_oz": 31.50,
"unit_cost_proxy_usd_oz": 6.30,
"gross_margin_proxy": 0.80,
"history_percentile": 0.94,
"regime_label": "extreme_high_margin"
},
"decomposition": {
"last_3m_price_change_pct": 0.12,
"last_3m_cost_change_pct": -0.03,
"driver": "mostly_price_up"
},
"notes": [
"gross_margin_proxy 使用 (price - AISC)/price 作為近似；不等同會計報表的毛利率口徑。",
"若成本為季度資料，已以季度內 forward-fill/同季均價對齊。"
],
"recommended_next_checks": [
"用同一套 margin proxy 對照 SIL/SILJ 或個股的 3/6/12 個月前瞻報酬（事件研究）",
"檢查是否出現資本開支/併購升溫、或成本再通膨（柴油/工資/試劑）導致毛利回落"
]
}
完整輸出結構見 templates/output-json.md。
</output_schema_summary>
<success_criteria> 執行成功時應產出：