Menu
以鈀金的先行轉向作為確認條件，檢驗白銀短期漲跌是否獲得工業景氣與風險情緒的同步支持，並標記缺乏鈀金參與度的失敗走勢。
The review-first prompt is selected by default. You can switch to a direct command or download a local copy.
Read SKILL.md and any companion files shown by SkillsMP before deciding whether to install.
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.
A direct command skips the review prompt. Inspect the source before running it.
npx skills add https://github.com/fatfingererr/macro-skills --skill detect-palladium-lead-silver-turnsThe command stays on one line. Scroll horizontally to inspect it before copying.
Prefer a local copy? Download the files currently available to SkillsMP.
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。
Showing SKILL.md
Based on SOC occupation classification
| name | detect-palladium-lead-silver-turns |
| description | 以鈀金的先行轉向作為確認條件，檢驗白銀短期漲跌是否獲得工業景氣與風險情緒的同步支持，並標記缺乏鈀金參與度的失敗走勢。 |
<essential_principles>
**跨金屬確認核心**「鈀金領先白銀」的假說需要可量化驗證：
Lead-Lag = argmax(cross_correlation(pd_ret[t-k:t], ag_ret[t:t+k]))
Confirmed = pd_turn exists within [ag_turn.ts - window, ag_turn.ts + window]
| 方法 | 原理 | 適用場景 |
|---|---|---|
pivot | 左右 N 根K棒內的局部極值 | 結構明確的趨勢 |
peaks | scipy find_peaks + prominence | 自動化密度控制 |
slope_change | 趨勢斜率由正轉負或反之 | 平滑趨勢追蹤 |
建議從 pivot 開始，左右各 3-5 根K棒，再依需求調整。
鈀金是否「參與」銀的走勢，有多種衡量方式：
| 指標 | 定義 | 門檻建議 |
|---|---|---|
returns_corr | 報酬率滾動相關係數 | > 0.5 |
direction_agree | 同向漲跌的比例 | > 60% |
vol_expansion | 兩者波動同步擴張 | σ_pd / σ_ag > 0.8 |
breakout_confirm | 銀突破時鈀金也突破 | 同向突破 |
未達門檻時，銀的動作可能是「流動性噪音」而非趨勢確認。
**失敗走勢判定**將「無鈀金參與的銀動作」落地為可回測的規則：
| 規則 | 定義 | 後果 |
|---|
no_confirm_then_revert | 無確認 + 銀在 N 根K內回撤過起點 | 標記為 failed_move |
no_confirm_then_break_fail | 無確認 + 銀突破後回落跌破突破點 | 假突破 |
歷史統計：未確認事件的失敗率 vs 已確認事件的成功率。
</essential_principles>
輸出：確認率、失敗率、每個事件的詳細判定、風控建議。
<quick_start>
最快的方式：偵測白銀近期拐點是否被鈀金確認
cd skills/detect-palladium-lead-silver-turns
pip install pandas numpy yfinance scipy statsmodels # 首次使用
python scripts/palladium_lead_silver.py --silver SI=F --palladium PA=F --quick
輸出範例：
{
"symbol_pair": {"silver": "SI=F", "palladium": "PA=F"},
"as_of": "2026-01-14",
"timeframe": "1h",
"estimated_pd_leads_by_bars": 6,
"lead_lag_corr": 0.42,
"confirmation_rate": 0.71,
"unconfirmed_failure_rate": 0.64,
"latest_event": {
"ts": "2026-01-15T14:00:00Z",
"turn": "top",
"confirmed": false,
"participation_ok": false,
"failed_move": true
}
}
完整分析：
python scripts/palladium_lead_silver.py --silver SI=F --palladium PA=F --timeframe 1h --lookback 1000 --output result.json
生成 Bloomberg 風格視覺化圖表（推薦）：
pip install matplotlib yfinance # 首次使用
python scripts/plot_bloomberg_style.py --input result.json --output output/palladium_silver_2026-01-26.png
圖表特色：
傳統三合一圖表（技術分析向）：
python scripts/plot_palladium_silver.py --silver SI=F --palladium PA=F --output output/
包含：
</quick_start>
請選擇或直接提供分析參數開始。
路由後，閱讀對應文件並執行。
<directory_structure>
detect-palladium-lead-silver-turns/
├── 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/
│ ├── detect.md # 單次偵測工作流
│ ├── backtest.md # 歷史回測工作流
│ └── monitor.md # 持續監控工作流
├── references/
│ ├── methodology.md # 跨金屬領先滯後方法論
│ ├── input-schema.md # 完整輸入參數定義
│ └── data-sources.md # 資料來源說明
├── templates/
│ ├── output-json.md # JSON 輸出模板
│ └── output-markdown.md # Markdown 報告模板
├── scripts/
│ ├── palladium_lead_silver.py # 主偵測腳本
│ ├── plot_bloomberg_style.py # Bloomberg 風格視覺化（推薦）
│ └── plot_palladium_silver.py # 傳統三合一圖表
└── examples/
└── silver-palladium-2024.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 |
|---|---|---|
| detect.md | 單次偵測 | 檢查特定時間範圍 |
| backtest.md | 歷史回測 | 驗證確認邏輯有效性 |
| monitor.md | 持續監控 | 日常追蹤或警報 |
| </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 |
|---|---|---|
| palladium_lead_silver.py | --silver SI=F --palladium PA=F --quick | 快速檢查當前狀態 |
| palladium_lead_silver.py | --silver SI=F --palladium PA=F --lookback 1000 | 完整歷史分析 |
| plot_bloomberg_style.py | --input result.json --output output/chart.png | Bloomberg 風格圖表（推薦） |
| plot_palladium_silver.py | --silver SI=F --palladium PA=F --output dir/ | 傳統三合一圖表 |
| </scripts_index> |
<input_schema_summary>
核心參數
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
| silver_symbol | string | (required) | 白銀標的代碼 |
| palladium_symbol | string | (required) | 鈀金標的代碼 |
| timeframe | string | 1h | 分析時間尺度 |
| lookback_bars | int | 1000 | 回溯K棒數 |
拐點偵測參數
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
| turn_method | string | pivot | 拐點偵測方法 |
| pivot_left | int | 3 | pivot 左側確認K數 |
| pivot_right | int | 3 | pivot 右側確認K數 |
| confirm_window_bars | int | 6 | 跨金屬確認窗口 |
| lead_lag_max_bars | int | 24 | 領先滯後最大滯後K數 |
參與度參數
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
| participation_metric | string | direction_agree | 參與度衡量方式 |
| participation_threshold | float | 0.6 | 參與度門檻 |
| failure_rule | string | no_confirm_then_revert | 失敗走勢規則 |
完整參數定義見 references/input-schema.md。
</input_schema_summary>
<output_schema_summary>
{
"skill": "detect-palladium-lead-silver-turns",
"symbol_pair": {"silver": "SI=F", "palladium": "PA=F"},
"as_of": "2026-01-14",
"timeframe": "1h",
"lookback_bars": 1200,
"summary": {
"estimated_pd_leads_by_bars": 6,
"lead_lag_corr": 0.42,
"confirmation_rate": 0.71,
"unconfirmed_failure_rate": 0.64,
"total_ag_turns": 24,
"confirmed_turns": 17,
"failed_moves": 5
},
"events": [
{
"ts": "2026-01-08T10:00:00Z",
"turn": "bottom",
"confirmed": true,
"confirmation_lag_bars": -3,
"participation_ok": true,
"failed_move": false
}
],
"interpretation": {
"regime_assessment": "...",
"tactics": ["...", "..."]
}
}
完整輸出結構見 templates/output-json.md。
</output_schema_summary>
<success_criteria> 執行成功時應產出：