| 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 |
**軸向約定（重要！）**
不同來源的投資時鐘圖可能有不同的軸向定義。本 skill 預設：
若你的圖表定義不同，請在輸入參數中調整 axis_mapping 和 clock_convention。
**時鐘點位計算**
透過 atan2(y, x) 計算角度，再轉換成 12 小時制：
- 12 點：正上方（獲利最高、金融環境中性）
- 3 點：右側（金融環境最緊）
- 6 點：正下方（獲利最低）
- 9 點：左側（金融環境最寬鬆）
旋轉方向：
- 順時針：典型景氣循環路徑（Q1 → Q2 → Q4 → Q3 → Q1）
- 逆時針：政策干預或非典型事件
**資料取得方式**
本 skill 使用無需 API key 的資料來源：
- FRED CSV:
https://fred.stlouisfed.org/graph/fredgraph.csv?id={SERIES_ID}
- 金融環境：NFCI（Chicago Fed）、STLFSI4（St. Louis Fed）
- 獲利代理：CP（企業利潤）、GDP 相關指標
腳本位於 scripts/ 目錄，可直接執行。
</essential_principles>
實作投資時鐘分析：
- 建構座標：從 FRED 數據計算獲利成長與金融環境 Z-score
- 判定象限：識別當前落在哪個象限
- 計算點位：轉換為 12 小時制時鐘點位
- 分析旋轉：判斷旋轉方向與幅度
- 循環比較：與前一輪循環比較（可選）
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
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？
- 快速檢查 - 查看目前的投資時鐘位置與象限
- 完整分析 - 分析時間區間內的旋轉路徑與方向
- 循環比較 - 與前一輪循環比較旋轉特徵
- 視覺化圖表 - 生成投資時鐘視覺化圖表
- 方法論學習 - 了解投資時鐘模型的邏輯
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
- 投資時鐘概念與歷史
- 四象限定義與配置含義
- 旋轉方向解讀
資料來源: references/data-sources.md
- FRED 系列代碼（金融環境/獲利代理）
- 數據頻率與對齊方法
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：
